ある会社が、Amazon S3バケットに保存されているXMLデータを処理するために、毎日同じ時間にAWS Glue ETLジョブを実行しています。新しいデータは毎日S3バケットに追加されます。ソリューションアーキテクトは、AWS Glueが実行のたびにすべてのデータを再処理していることに気づきました。ソリューションアーキテクトは、AWS Glueが古いデータを再処理するのを防ぐために、何をすべきですか？

AWS Glueジョブブックマークは、以前に処理されたデータを追跡し、次回の実行時に新しいデータのみを処理するようにします。これにより、同じデータの再処理が回避され、ETLジョブの効率が向上します。データを処理後に削除すると、履歴データが失われるため、分析要件によっては不適切です。NumberOfWorkersを1に設定しても、処理されるデータの量には影響しません。FindMatches ML変換は、重複レコードの識別に使用されるもので、新しいデータのみを処理する問題とは無関係です。