一位工程師需要使用 AWS Glue 將廠商提供的多個相似時間序列檔案轉換為 SageMaker DeepAR 預測演算法所需的格式，並將其壓縮以降低儲存成本。哪種方法能滿足這些要求？

SageMaker DeepAR 演算法支援多種輸入格式，其中 Apache Parquet 是一種高效能的列式儲存格式，非常適合時間序列資料，並能有效壓縮以降低儲存成本。XZ 是一種高壓縮比的壓縮演算法，能進一步減少儲存空間。因此，將資料轉換為 Apache Parquet 格式並使用 XZ 壓縮，是滿足降低儲存成本和 DeepAR 格式要求的最佳方法。RecordIO-Protobuf 雖然是 SageMaker 支援的格式，但通常用於訓練資料集，且在儲存效率上不如 Parquet 搭配 XZ。Snappy 和 Gzip 壓縮速度快，但壓縮比通常低於 XZ，因此在儲存成本方面效益較差。