A. AWS Glue 크롤러를 사용하여 S3 버킷과 RDS 데이터베이스를 스캔하고 데이터 카탈로그를 빌드합니다. 데이터 관리자를 사용하여 데이터를 검사하고 데이터 카탈로그를 데이터 형식으로 업데이트합니다.

B. AWS Glue 크롤러를 사용하여 데이터 카탈로그를 빌드합니다. AWS Glue 크롤러 분류기를 사용하여 데이터 형식을 인식하고 카탈로그에 형식을 저장합니다.

C. Amazon Macie를 사용하여 데이터 카탈로그를 구축하고 민감한 데이터 요소를 식별합니다. Macie에서 데이터 형식 정보를 수집합니다.

D. 스크립트를 사용하여 데이터 요소를 스캔하고 데이터 형식에 따라 데이터 분류를 지정합니다.

A. Athena에서 병렬 처리를 향상시키기 위해 CSV 로그를 여러 개의 ORC 파일로 변환합니다. Amazon S3에서 날짜별로 파티셔닝합니다. 컬럼형 푸시다운 필터를 사용합니다.

B. CSV 로그를 JSON으로 변환합니다. Amazon S3에 날짜별로 파티셔닝합니다. Athena의 동적 필터링 기능을 사용하여 데이터 스캔 횟수를 줄입니다.

C. CSV 로그를 Avro 형식으로 변환합니다. Amazon S3에서 날짜별로 파티셔닝합니다. 프로젝션 기반 파티셔닝을 사용하여 Athena를 활용합니다.

D. CSV 로그를 일별로 하나의 Apache Parquet 파일로 변환합니다. Amazon S3에 날짜별로 데이터를 분할합니다. 조건자 푸시다운 필터를 사용하여 Athena를 활용합니다.

A. 모든 테이블에 대해 EVEN 배포 스타일을 계속 사용합니다. 모든 테이블에 기본 키와 외래 키를 지정합니다.

B. 대형 테이블에는 ALL 배포 스타일을 사용합니다. 모든 테이블에 기본 키와 외래 키를 지정합니다.

C. 거의 업데이트되지 않는 작은 테이블에는 ALL 배포 스타일을 사용합니다. 모든 테이블에 기본 키와 외래 키를 지정합니다.

D. 모든 테이블에 대한 배포, 정렬 및 파티션 키의 조합을 지정합니다.

A. 두 번째 Lambda 함수를 사용하여 Amazon CloudWatch 이벤트를 기반으로 첫 번째 Lambda 함수를 호출합니다.

B. Amazon Redshift Data API를 사용하여 Amazon EventBridqe에 이벤트를 게시합니다. Lambda 함수를 호출하도록 EventBridge 규칙을 구성합니다.

C. Amazon Redshift Data API를 사용하여 Amazon Simple Queue Service(Amazon SQS) 대기열에 메시지를 게시합니다. Lambda 함수를 호출하도록 SQS 대기열을 구성합니다.

D. 두 번째 Lambda 함수를 사용하여 AWS CloudTrail 이벤트를 기반으로 첫 번째 Lambda 함수를 호출합니다.

A. old_table과 같은 new_table을 생성합니다.

B. 데이터 없이 new_table을 SELECT * FROM old_table로 생성합니다.

C. 기존 테이블에서 SELECT *를 사용하여 새 테이블을 만듭니다.

D. 1=1인 기존 테이블에서 새 테이블을 SELECT *로 생성합니다.