一家零售公司將每日零售訂單的 CSV 檔案載入到單一 S3 路徑中，並使用 Amazon Redshift Spectrum 查詢超過 100 欄資料的子集。第三方來源每天產生超過 30 個 CSV 檔案（每個 50-70 MB）。使用者會彙總每日指標，但查詢效能已下降。哪種行動組合能以最少的開發工作量解決效能問題？（請選擇兩項）

將檔案轉換為欄式格式（例如 Parquet 或 ORC）能大幅提升 Redshift Spectrum 的查詢效能，因為它只讀取查詢所需的欄位，減少了資料掃描量。CSV 是列式格式，查詢子集欄位時仍需掃描整行資料。依訂單日期分割 S3 儲存貯體中的資料，可讓 Redshift Spectrum 僅掃描相關日期的資料，進一步減少掃描量並提高查詢速度。合併多個 CSV 檔案雖然能減少檔案數量，但如果仍是列式格式，對查詢效能的提升有限。將檔案轉換為 JSON 格式對 Redshift Spectrum 查詢效能提升不大，因為它仍然是半結構化資料，且通常不是欄式儲存。將 JSON 載入 Redshift 的 SUPER 類型欄位是針對 Redshift 內部表格，而非 Redshift Spectrum 外部表格的優化。