ある小売企業は、日々の小売注文CSVファイルを単一のS3パスにロードし、Amazon Redshift Spectrumを使用して100列を超えるデータの一部をクエリしています。サードパーティのソースは、1日あたり30以上のCSVファイル（それぞれ50～70MB）を生成します。ユーザーは日次メトリクスを集計していますが、クエリのパフォーマンスが低下しています。最小限の開発作業でパフォーマンスの問題を解決するアクションの組み合わせはどれですか？（2つ選択）

カラムナー形式（例：Parquet、ORC）は、Redshift Spectrumが列指向のクエリを効率的に実行できるようにし、必要な列のみを読み込むため、パフォーマンスが大幅に向上します。CSVは行指向形式であり、クエリ時に不要なデータをスキャンするため非効率です。注文日でデータをパーティション分割することで、Redshift Spectrumはクエリの対象となる特定の日付のデータのみをスキャンし、スキャンするデータ量を減らすことでクエリのパフォーマンスを向上させます。 複数のCSVファイルを1日あたり1つのファイルに結合しても、ファイル形式やパーティション分割によるパフォーマンス向上にはつながりません。JSON形式はカラムナー形式のようなクエリ効率を提供せず、Redshift Spectrumのパフォーマンス改善には寄与しません。JSONデータをRedshiftのSUPER型列にロードすることは、Redshift Spectrumの外部データクエリのパフォーマンス問題とは直接関係ありません。