Een detailhandelsbedrijf laadt dagelijks CSV-bestanden met bestellingen in één S3-pad en gebruikt Amazon Redshift Spectrum om subsets van de meer dan 100 kolommen tellende gegevens op te vragen. De externe bron produceert meer dan 30 CSV-bestanden per dag (elk 50-70 MB). Gebruikers aggregeren dagelijkse statistieken, maar de queryprestaties zijn verslechterd. Welke combinatie van acties zal de prestatieproblemen oplossen met de minste ontwikkelingsinspanning? (Kies twee.)

De correcte antwoorden zijn "Configureer de externe applicatie om de bestanden in een kolomformaat te produceren" en "Partitioneer de ordergegevens in de S3-bucket op orderdatum." Het converteren van de bestanden naar een kolomformaat (zoals Parquet of ORC) verbetert de queryprestaties aanzienlijk, omdat Redshift Spectrum alleen de benodigde kolommen hoeft te lezen. Dit vermindert de I/O en de hoeveelheid gescande data. Het partitioneren van de data op orderdatum in S3 zorgt ervoor dat Redshift Spectrum alleen de relevante partities scant voor dagelijkse aggregaties, wat de querytijd verkort. Beide acties vereisen relatief weinig ontwikkelingsinspanning. Het combineren van CSV-bestanden met een AWS Glue ETL-taak zou de prestaties kunnen verbeteren door minder bestanden te scannen, maar het lost het probleem van rijen-georiënteerde opslag niet op en vereist meer ontwikkelingsinspanning. Het produceren van bestanden in JSON-formaat is minder efficiënt dan kolomformaten voor analytische queries, en het laden in een SUPER-type kolom in Redshift is niet optimaal voor aggregaties.