Een luchtvaartmaatschappij POC slaat dagelijkse CSV-metriek op in S3, gepartitioneerd op datum, en bevraagt deze met Amazon Athena. Naarmate de data groeit, wil het bedrijf de opslag optimaliseren om de queryprestaties te verbeteren. Welke twee acties moeten ze ondernemen? (Kies twee.)

Het gebruik van een S3-bucket in dezelfde AWS-regio als Athena minimaliseert netwerklatentie en verbetert de queryprestaties aanzienlijk. Het voorbewerken van CSV-data naar Apache Parquet-formaat is cruciaal omdat Parquet een kolomopslagformaat is dat compressie en coderingsschema's optimaliseert. Dit stelt Athena in staat om alleen de benodigde kolommen en datablokken te lezen, wat de hoeveelheid gescande data vermindert en de querysnelheid verhoogt. Het toevoegen van een gerandomiseerde string aan S3-keys is niet relevant voor queryprestaties, maar voor het voorkomen van hot spots bij gelijktijdige schrijfbewerkingen. Het gebruik van een S3-bucket in hetzelfde account is geen prestatie-optimalisatie, maar een kwestie van toegangsbeheer. Het converteren naar JSON is minder efficiënt dan Parquet, omdat JSON een rij-georiënteerd formaat is en niet de dezelfde voordelen biedt voor analytische queries.