某公司將每日時間序列的點擊流資料儲存在 Amazon S3 中（每天數百萬行）。ML 工程師使用 Amazon Athena 執行每日報告並分析三天的趨勢。資料必須保留 30 天才能封存。哪種設計能提供最高的資料擷取效能？

正確答案是將 S3 中的時間序列物件依日期前綴分割，並套用 S3 Lifecycle 政策將超過 30 天的分割區封存到 S3 Glacier Flexible Retrieval。這是因為 Amazon Athena 在查詢分割資料時效率最高，它只掃描相關的分割區，從而減少掃描的資料量並提高查詢效能。將資料分割成日期前綴，並使用 S3 Lifecycle 政策自動將舊資料歸檔到 S3 Glacier Flexible Retrieval，可以優化儲存成本並簡化資料管理。 其他選項的缺點： 將所有資料保留在一個儲存貯體中而不分割，會導致 Athena 掃描所有資料，降低查詢效能。 使用 AWS Lambda 複製檔案到不同的儲存貯體，增加了不必要的複雜性和潛在成本，且未解決 Athena 查詢效能問題。 將每天的資料儲存在各自的 S3 儲存貯體中，會創建過多的儲存貯體，難以管理，且不提供 Athena 查詢的最佳效能。