一位資料工程師針對 Amazon S3 中的資料執行 Amazon Athena 查詢，並使用 AWS Glue Data Catalog 進行中繼資料管理。由於 S3 資料集有大量的分割區，查詢規劃速度緩慢。哪些動作可以縮短 Athena 規劃時間並解決瓶頸？（請選擇兩項）

建立 AWS Glue 分割區索引並啟用分割區篩選，可以顯著加快 Athena 查詢規劃速度。當 S3 資料集有大量分割區時，Glue Data Catalog 必須掃描所有分割區中繼資料才能規劃查詢。分割區索引能有效管理和篩選這些中繼資料，減少掃描量。 使用 Athena 分割區投影則能讓 Athena 根據預定義的模式自動推斷分割區值，而無需查詢 Glue Data Catalog。這在分割區路徑結構一致且可預測時特別有效，能大幅縮短規劃時間。 將資料轉換為 Apache Parquet 格式雖然能提高查詢效能，但主要影響資料掃描時間而非查詢規劃時間。合併 S3 物件也主要影響讀取效能，與查詢規劃無直接關聯。根據 WHERE 子句中的欄位儲存資料（例如使用分區）是良好的實踐，但對於已存在的規劃速度瓶頸，直接的解決方案是優化分割區中繼資料管理。