Een retailer gebruikt Amazon Aurora PostgreSQL voor live transacties en Amazon Redshift als datawarehouse. Een dagelijkse ETL-taak werkt Redshift bij vanuit PostgreSQL. Om de kosten van Redshift te verlagen, moet de engineer alleen de meest recente 15 maanden aan data in Redshift bewaren, historische data archiveren en nog steeds analyses uitvoeren die live PostgreSQL-data, huidige Redshift-data en gearchiveerde historische data combineren. Welke stappen voldoen aan deze vereisten? (Kies twee.)

1. Configureer de Amazon Redshift Federated Query-functie om live transactionele data in de PostgreSQL-database op te vragen. 2. Plan een maandelijkse taak om data ouder dan 15 maanden te UNLOADen naar Amazon S3, die data uit Redshift te verwijderen en Amazon Redshift Spectrum te configureren om toegang te krijgen tot de historische data in S3. De Redshift Federated Query-functie maakt het mogelijk om live data direct vanuit Aurora PostgreSQL te bevragen, wat voldoet aan de eis om live data te combineren. Het maandelijks UNLOADen van data ouder dan 15 maanden naar S3, het verwijderen ervan uit Redshift en het gebruik van Redshift Spectrum voor toegang tot deze gearchiveerde data in S3, voldoet aan de eisen voor kostenreductie, archivering en gecombineerde analyse. Redshift Spectrum kan geen live transactionele data in PostgreSQL bevragen; het is ontworpen voor data in S3. S3 Glacier Flexible Retrieval is te traag voor interactieve analyses, wat niet voldoet aan de eis om analyses uit te voeren. Materialized views in Redshift kunnen geen data uit externe bronnen zoals live PostgreSQL of gearchiveerde S3-data combineren op de manier die hier vereist is voor gecombineerde analyses over verschillende databronnen.