안녕하세요! 넥스트클라우드의 SA 강준우입니다. 😊
문제는 세 가지 단계를 거치며 풀어 나갈 거예요.
1. 문제의 요구사항 분석하기
2. 관련 AWS 서비스 생각하기
3. 선택지 분석하기
바로 문제 풀이 해볼까요?
문제1
한 회사에서 다중 계층 애플리케이션을 온프레미스에서 AWS 클라우드로 이동하여 애플리케이션의 성능을 개선하려고 합니다. 애플리케이션은 RESTful 서비스를 통해 서로 통신하는 애플 리케이션 계층으로 구성됩니다. 한 계층이 과부하되면 트랜잭션이 삭제됩니다. 솔루션 설계자는 이러한 문제를 해결하고 애플리케이션을 현대화하는 솔루션을 설계해야 합니다.
어떤 솔루션이 이러한 요구 사항을 충족하고 운영상 가장 효율적입니까?
선택지
A. Amazon API Gateway를 사용하고 애플리케이션 계층으로 AWS Lambda 기능에 대한 직접 트랜잭션을 사용하십시오. 애플리케이션 서비스 간의 통신 계층으로 Amazon Simple Queue Service(Amazon SQS)를 사용합니다.
B. Amazon CloudWatch 지표를 사용하여 애플리케이션 성능 기록을 분석하여 성능 장애 시 서버의 최대 사용률을 결정합니다. 최대 요구 사항을 충족하도록 애플리케이션 서버의 Amazon EC2 인스턴스 크기를 늘립니다.
C. Amazon Simple Notification Service(Amazon SNS)를 사용하여 Auto Scaling 그룹의 Amazon EC2에서 실행되는 애플리케이션 서버 간의 메시징을 처리합니다. Amazon CloudWatch를 사용하여 SNS 대기열 길이를 모니터링하고 필요에 따라 확장 및 축소합니다.
D. Amazon Simple Queue Service(Amazon SQS)를 사용하여 Auto Scaling 그룹의 Amazon EC2에서 실행되는 애플리케이션 서버 간의 메시징을 처리합니다. Amazon CloudWatch를 사용하여 SQS 대기열 길이를 모니터링하고 통신 실패가 감지되면 확장합니다.
풀이
API Gateway와 Lambda를 사용하면 트래픽 급증에 쉽게 대응할 수 있고, SQS를 통신 계층으로 사용하면 애플리케이션 계층 간 강력한 분리와 신뢰성을 제공합니다. 이 아키텍처는 과부하로 인한 트랜잭션 손실 문제를 해결하고 확장성, 탄력성, 운영 효율성을 제공하여 요구사항을 가장 잘 충족합니다.
정답 : A
▼ 자세한 문제 풀이를 원하신 분은 아래 더보기를 통해 확인해 주세요.
- 온프레미스에서 AWS로 다중 계층 애플리케이션 이전
- 애플리케이션 성능 개선 및 과부하 문제 해결
- 애플리케이션 현대화
2. 관련 AWS 서비스 생각하기
- API Gateway: RESTful API를 구축하고 관리하는 서비스로, 백엔드 서비스와 데이터 소스를 분리합니다.
- AWS Lambda: 서버리스 컴퓨팅 서비스로 자동 확장 및 코드 실행이 가능합니다.
- SQS(Simple Queue Service): 애플리케이션 계층 간 분리를 제공하고 메시지 전달을 안정적으로 처리합니다.
- Auto Scaling: 수요에 따라 리소스를 자동으로 확장하거나 축소합니다.
- CloudWatch: AWS 리소스와 애플리케이션을 모니터링하고 경고를 제공합니다.
3. 선택지 분석하기
A. Amazon API Gateway를 사용하고 애플리케이션 계층으로 AWS Lambda 기능에 대한 직접 트랜잭션을 사용하십시오. 애플리케이션 서비스 간의 통신 계층으로 Amazon Simple Queue Service(Amazon SQS)를 사용합니다.
B. Amazon CloudWatch 지표를 사용하여 애플리케이션 성능 기록을 분석하여 성능 장애 시 서버의 최대 사용률을 결정합니다. 최대 요구 사항을 충족하도록 애플리케이션 서버의 Amazon EC2 인스턴스 크기를 늘립니다.
→ 성능 문제 발생 시 단순히 인스턴스 크기를 늘리는 것은 비용 효율적이지 않습니다. 또한 일시적인 성능 문제에 대한 장기적인 해결책이 되지 못합니다.
C. Amazon Simple Notification Service(Amazon SNS)를 사용하여 Auto Scaling 그룹의 Amazon EC2에서 실행되는 애플리케이션 서버 간의 메시징을 처리합니다. Amazon CloudWatch를 사용하여 SNS 대기열 길이를 모니터링하고 필요에 따라 확장 및 축소합니다.
→ SNS는 pub/sub 메시징 서비스로, 애플리케이션 서버 간의 point-to-point 통신에는 적합하지 않습니다. 또한 SNS는 대기열 개념이 없어 대기열 길이를 모니터링할 수 없습니다.
D. Amazon Simple Queue Service(Amazon SQS)를 사용하여 Auto Scaling 그룹의 Amazon EC2에서 실행되는 애플리케이션 서버 간의 메시징을 처리합니다. Amazon CloudWatch를 사용하여 SQS 대기열 길이를 모니터링하고 통신 실패가 감지되면 확장합니다.
→ SQS는 애플리케이션 서버 간 메시징에 적합하며, CloudWatch를 통한 대기열 모니터링도 가능합니다. 그러나 통신 실패 시에만 확장하는 것은 선제적 대응이 되지 못할 수 있습니다.
이어서 다음 문제입니다.
문제2
한 병원은 최근 Amazon API Gateway 및 AWS Lambda와 함께 RESTful API를 배포했습니다. 병원은 API 게이트웨이와 Lambda를 사용하여 PDF 형식과 JPEG 형식의 보고서 를 업로드합니다. 병원은 보고서에서 보호 건강 정보(PHI)를 식별하기 위해 Lambda 코드를 수정해야 합니다. 최소한의 운영 오버헤드로 이러한 요구 사항을 충족하는 솔루션은 무엇입니까?
선택지
A. 기존 Python 라이브러리를 사용하여 보고서에서 텍스트를 추출하고 추출된 텍스트에서 PHI를 식별합니다.
B. Amazon Textract를 사용하여 보고서에서 텍스트를 추출합니다. Amazon SageMaker를 사용하여 추출된 텍스트에서 PHI를 식별합니다.
C. Amazon Textract를 사용하여 보고서에서 텍스트를 추출합니다. Amazon Comprehend Medical을 사용하여 추출된 텍스트에서 PHI를 식별합니다.
D. Amazon Rekognition을 사용하여 보고서에서 텍스트를 추출합니다. Amazon Comprehend Medical을 사용하여 추출된 텍스트에서 PHI를 식별합니다.
풀이
Amazon Textract를 사용하여 PDF와 JPEG 보고서에서 텍스트를 추출하고, Amazon Comprehend Medical을 사용하여 추출된 텍스트에서 PHI를 식별하는 것이 가장 적절한 솔루션입니다. 이 두 서비스는 완전관리형으로 제공되어 운영 오버헤드를 최소화하면서 보안 요구사항을 충족할 수 있습니다.
정답 : C
▼ 자세한 문제 풀이를 원하신 분은 아래 더보기를 통해 확인해 주세요.
- API Gateway와 Lambda를 통해 PDF, JPEG 보고서 업로드
- 보고서에서 보호 건강 정보(PHI) 식별 필요
- 최소한의 운영 오버헤드로 요구사항 충족
2. 관련 AWS 서비스 생각하기
- Amazon API Gateway: RESTful API를 구축하고 관리하는 서비스입니다.
- AWS Lambda: 서버리스 컴퓨팅 서비스로 API Gateway와 연동하여 비즈니스 로직을 실행할 수 있습니다.
- Amazon Textract: PDF, JPEG 등의 문서에서 텍스트와 데이터를 자동으로 추출할 수 있는 완전관리형 서비스입니다.
- Amazon Comprehend Medical: 의학 텍스트에서 PHI, 질병, 치료, 약물 등을 자동으로 식별할 수 있는 완전관리형 서비스입니다.
3. 선택지 분석하기
A. 기존 Python 라이브러리를 사용하여 보고서에서 텍스트를 추출하고 추출된 텍스트에서 PHI를 식별합니다.
→ 사용자 지정 코드로 인해 운영 오버헤드가 높아지며, PHI 식별의 정확성이 낮을 수 있습니다.
B. Amazon Textract를 사용하여 보고서에서 텍스트를 추출합니다. Amazon SageMaker를 사용하여 추출된 텍스트에서 PHI를 식별합니다.
→ SageMaker를 사용하면 모델 학습과 배포를 위한 추가 작업이 필요하여 운영 오버헤드가 높아집니다.
C. Amazon Textract를 사용하여 보고서에서 텍스트를 추출합니다. Amazon Comprehend Medical을 사용하여 추출된 텍스트에서 PHI를 식별합니다.
D. Amazon Rekognition을 사용하여 보고서에서 텍스트를 추출합니다. Amazon Comprehend Medical을 사용하여 추출된 텍스트에서 PHI를 식별합니다.
→ Rekognition은 주로 이미지와 비디오 분석에 사용되며, 문서에서 텍스트를 추출하는 데는 적합하지 않습니다.
마지막 문제 살펴볼게요.
문제3
회사에서 공개적으로 액세스할 수 있는 영화 데이터를 저장하기 위해 SQL 데이터베이스를 사용하고 있습니다. 데이터베이스는 Amazon RDS 단일 AZ DB 인스턴스에서 실행됩니다. 스크 립트는 데이터베이스에 추가된 새 영화의 수를 기록하기 위해 매일 임의의 간격으로 쿼리를 실행합니다. 스크립트는 업무 시간 동안 최종 합계를 보고해야 합니다. 회사의 개발 팀은 스크립트가 실행 중일 때 데이터베이스 성능이 개발 작업에 적합하지 않다는 것을 알게 되었습니다. 솔루션 설계자는 이 문제를 해결하기 위한 솔루션을 추천해야 합니다. 최소한의 운영 오버헤드로 이 요구 사항을 충족하는 솔루션은 무엇입니까?
선택지
A. 다중 AZ 배포가 되도록 DB 인스턴스를 수정합니다.
B. 데이터베이스의 읽기 전용 복제본을 생성합니다. 읽기 전용 복제본만 쿼리하도록 스크립트를 구성합니다.
C. 개발 팀에게 매일 일과가 끝날 때 데이터베이스의 항목을 수동으로 내보내도록 지시합니다.
D. Amazon ElastiCache를 사용하여 스크립트가 데이터베이스에 대해 실행하는 일반적인 쿼리를 캐시합니다.
풀이
RDS 인스턴스에 읽기 전용 복제본을 추가하고, 스크립트를 읽기 전용 복제본에 대해 실행하도록 구성하는 것이 가장 적합한 솔루션입니다. 이렇게 하면 개발 팀이 주 인스턴스에 영향을 받지 않고 작업할 수 있으며, 관리를 통해 운영 오버헤드를 최소화할 수 있습니다.
정답 : B
▼ 자세한 문제 풀이를 원하신 분은 아래 더보기를 통해 확인해 주세요.
- RDS 단일 AZ DB 인스턴스에서 SQL 데이터베이스 운영
- 스크립트가 DB에서 쿼리 실행 시 DB 성능 저하
- 개발 팀이 영향 받지 않도록 DB 성능 개선
- 최소한의 운영 오버헤드
2. 관련 AWS 서비스 생각하기
- Amazon RDS: 관계형 데이터베이스를 제공하는 완전관리형 서비스입니다.
- 다중 AZ 배포: 가용성과 복원력을 높이지만 성능 개선과는 관련이 적습니다.
- RDS 읽기 전용 복제본: 비동기식 복제를 이용하여 읽기 전용 복제본을 생성합니다. 읽기 집약적 워크로드는 복제본에서 처리할 수 있습니다.
- ElastiCache: 인 메모리 데이터 스토어 캐싱으로 읽기 성능을 높일 수 있지만, 복잡한 쿼리에는 적합하지 않을 수 있습니다.
3. 선택지 분석하기
A. 다중 AZ 배포가 되도록 DB 인스턴스를 수정합니다.
→ 이 옵션은 가용성을 높이지만 읽기 성능 개선에는 도움이 되지 않습니다. 따라서 요구사항에 부합하지 않습니다.
B. 데이터베이스의 읽기 전용 복제본을 생성합니다. 읽기 전용 복제본만 쿼리하도록 스크립트를 구성합니다.
C. 개발 팀에게 매일 일과가 끝날 때 데이터베이스의 항목을 수동으로 내보내도록 지시합니다.
→ 이 옵션은 스크립트가 실행될 때 문제를 해결하지 못하며, 수동 작업으로 인해 운영 오버헤드가 높아집니다.
D. Amazon ElastiCache를 사용하여 스크립트가 데이터베이스에 대해 실행하는 일반적인 쿼리를 캐시합니다.
→ 이 솔루션은 복잡한 쿼리를 효과적으로 처리할 수 없으며, 운영 오버헤드가 높아질 수 있습니다.
감사합니다. 다음 글에서 만나요! 😊
'AWS > SAA 준비' 카테고리의 다른 글
| AWS SAA 합격으로 가는 길 #61 (0) | 2025.02.28 |
|---|---|
| AWS SAA 합격으로 가는 길 #60 (0) | 2025.02.24 |
| AWS SAA 합격으로 가는 길 #58 (0) | 2025.02.14 |
| AWS SAA 합격으로 가는 길 #57 (0) | 2025.02.10 |
| AWS SAA 합격으로 가는 길 #56 (1) | 2025.02.07 |