某公司將來自全球測試設施的數百萬個 1 KB JSON 測試結果檔案儲存在 S3 中。一位資料工程師必須將這些檔案轉換為 Apache Parquet 並載入到 Amazon Redshift。目前的管道使用 AWS Glue 進行處理、Step Functions 進行協調，以及 EventBridge 進行排程。隨著更多設施的加入，處理時間增加了。哪項變更最能縮短處理時間？

此題情境涉及處理大量小檔案，這在分散式處理系統中會導致「小檔案問題」，增加處理開銷。AWS Glue dynamic frame 的檔案分組選項（file grouping option）能有效地將多個小檔案合併成較大的檔案進行處理，顯著減少啟動任務、管理元數據和 I/O 操作的次數，從而縮短整體處理時間。 其他選項的缺點： 使用 AWS Lambda 將原始輸入檔案分組：這會增加額外的 Lambda 成本和複雜性，且 Lambda 的執行時間限制可能不適合處理大量檔案。 使用 Amazon Redshift COPY command：Redshift COPY 命令主要用於載入數據，而非高效地轉換小檔案為 Parquet 格式並進行處理。直接載入大量小 JSON 檔案會導致 Redshift 性能下降。 使用 Amazon EMR 而非 AWS Glue：雖然 EMR 也能處理大數據，但情境中已明確指出使用 AWS Glue 和 Step Functions，引入 EMR 會增加額外的管理和成本，且 Glue dynamic frame 的分組功能已能有效解決問題，無需替換整個處理引擎。