Een bedrijf gebruikt een Amazon QuickSight-dashboard dat wordt gevoed door AWS Glue-taken die gegevens verwerken die zijn opgeslagen in één S3-bucket. Er worden dagelijks nieuwe gegevens toegevoegd en dashboardquery's worden trager omdat de AWS Glue-taken langer duren. Welke acties moet de data engineer ondernemen om de AWS Glue-taken te versnellen? (Kies twee.)

Het partitioneren van de gegevens in de S3-bucket per jaar, maand en dag is essentieel. Dit vermindert de hoeveelheid gegevens die AWS Glue moet scannen tijdens elke uitvoering, wat de verwerkingstijd aanzienlijk versnelt en de kosten verlaagt. Door de gegevens te partitioneren, kan AWS Glue alleen de relevante subset van gegevens lezen die nodig is voor de query. Het vergroten van de AWS Glue-instantiegrootte door het worker-type op te schalen, biedt meer rekenkracht en geheugen, waardoor de taken parallel kunnen worden uitgevoerd en sneller kunnen worden voltooid. Het converteren naar DynamicFrame-schemaklasse is geen prestatieverbeterende actie. Het aanpassen van de frequentie van de taakplanning lost het onderliggende prestatieprobleem niet op. Het wijzigen van de IAM-rol om toegang te verlenen tot alle S3-functies is een beveiligingsrisico en heeft geen directe invloed op de prestaties van AWS Glue-taken.