某公司大幅增加了儲存在 Amazon S3 儲存貯體中的 CSV 檔案數量。資料轉換指令碼和查詢的速度變得非常慢。一位 ML 工程師必須實作一個解決方案，以最低的操作負擔來最佳化資料的查詢效能。哪個選項符合此要求？

將 CSV 檔案轉換為 Apache Parquet 格式是最佳化查詢效能的有效方法。Parquet 是一種柱狀儲存格式，相較於列式儲存的 CSV，它能大幅減少查詢時需要讀取的資料量，特別是當查詢只涉及部分欄位時。Parquet 還支援資料壓縮和編碼，進一步提升儲存效率和查詢速度。AWS Glue 是一個無伺服器 ETL 服務，可以自動處理資料轉換，操作負擔最低。 其他選項的解釋： 設定 AWS Lambda 函數將 .csv 檔案分割成較小的物件：雖然分割檔案有助於平行處理，但並未解決 CSV 格式本身的查詢效率問題，且管理大量小物件會增加複雜性。 設定 AWS Glue 任務以捨棄具有字串類型值的欄位：捨棄資料會導致資訊丟失，這通常不是最佳化查詢效能的理想方法。 設定 Amazon EMR 叢集來處理 S3 儲存貯體中的資料：EMR 雖然功能強大，但管理和維護 EMR 叢集會帶來較高的操作負擔，不符合「最低操作負擔」的要求。