ある企業が、Amazon S3 に保存された数 PB のデータに対してアドホックな SQL クエリを実行するデータレイクを構築したい。クエリのコストを最小限に抑えながら、パフォーマンスを向上させるためのベストプラクティスを 2 つ選択してください。

正解: A, C

Athena は S3 上のデータをスキャンした量に応じて課金される（1TB あたり約 5USD）ため、スキャン量の削減がコストとパフォーマンスの両方に直結する。選択肢Cの列指向フォーマット（Parquet/ORC）では SELECT する列のみを読み取れるため、全列 CSV より大幅にスキャン量が削減でき、クエリ速度も向上する（圧縮効率も高い）。選択肢AのS3 パーティション分割（Hive スタイルのプレフィックス: s3://bucket/year=2024/month=01/...）により、Athena がクエリの WHERE 句でパーティションプルーニングを実行し、関係のないパーティションのデータをスキャンしない。数 PB のデータでも WHERE year=2024 AND month=01 なら該当月のデータのみを処理できる。選択肢Bの CSV 全列クエリはスキャン量が最大になり、コスト・パフォーマンスとも最悪。選択肢EのEC2 キャッシュはアドホッククエリには効果がなく、インフラ管理も必要になる。選択肢DのRedshift への全量ロードはロードコスト・時間・Redshift クラスターの常時稼働コストが発生し、「コスト最小限」の要件に合わない。