Korzystając z AWS Glue, inżynier musi przekształcić wiele podobnych plików szeregów czasowych od dostawcy do formatu wymaganego przez algorytm prognozowania SageMaker DeepAR i skompresować je, aby zmniejszyć koszty przechowywania. Które podejście spełnia te wymagania?

Prawidłowa odpowiedź to użycie XZ do konwersji plików do formatu Apache Parquet i ich kompresji. SageMaker DeepAR akceptuje dane wejściowe w formacie Parquet lub JSON Lines, a Parquet jest formatem kolumnowym, który jest bardzo wydajny dla szeregów czasowych i oferuje dobrą kompresję. XZ to algorytm kompresji, który zapewnia wysoką kompresję, co jest kluczowe dla zmniejszenia kosztów przechowywania. RecordIO-Protobuf nie jest natywnie obsługiwany przez DeepAR dla danych wejściowych szeregów czasowych. Snappy i gzip to algorytmy kompresji, ale XZ zazwyczaj oferuje lepszą kompresję niż Snappy i często lepszą niż gzip, co jest korzystne dla dużych zbiorów danych szeregów czasowych.