Respostas corretas
- CCompactar arquivos de dados usando gzip ou snappy.
- DParticionar os dados por colunas frequentemente filtradas (por exemplo, data, região).
- EUsar formatos de dados colunares como Parquet ou ORC.
Explicação
A opção C está correta porque compactar arquivos de dados usando gzip ou snappy reduz o total de bytes armazenados e escaneados, e o Athena cobra e tem desempenho baseado nos dados escaneados, portanto, arquivos menores reduzem tanto a latência quanto o custo da consulta. A opção D está correta porque particionar os dados do S3 por colunas frequentemente filtradas, como data ou região, ativa a eliminação de partições (partition pruning), fazendo com que o Athena leia apenas os prefixos relevantes em vez de escanear toda a tabela. A opção E está correta porque formatos colunares como Parquet ou ORC permitem que o Athena leia apenas as colunas referenciadas em uma consulta e fornecem melhor compactação e empurrão de predicado (predicate pushdown), reduzindo drasticamente os dados escaneados em comparação com formatos baseados em linhas como CSV ou JSON. A opção A não é apropriada porque aumentar o tempo limite de consulta no Athena apenas permite que consultas demoradas terminem; ela não reduz a quantidade de dados escaneados nem melhora o desempenho. A opção B não é apropriada porque adicionar DPU ao job do Glue acelera o processamento de ETL em si, e não o desempenho das consultas do Athena ou o volume de dados escaneados no momento da consulta.