AWS SAA 합격으로 가는 길 #126

안녕하세요! 넥스트클라우드의 SA 손유림입니다. 😊

서로 응원하면서 끝까지 함께 달려봅시다. 화이팅!

 

 

 

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

회사는 AWS 비즈니스 지원 계획에 가입되어 있습니다. 규정상 배포를 진행하기 전에 AWS 인프라 상태를 확인해야 합니다. 회사는 새로운 배포가 시작될 때마다 프로그램적이고 자동화된 방식으로 인프라 상태를 확인할 필요가 있습니다.

 

선택지

A. 각 배포 시작 시 AWS Trusted Advisor API를 사용하고 API가 문제를 반환하면 모든 새로운 배포를 중지합니다.

B. 각 배포 시작 시 AWS Health API를 사용하고 API가 문제를 반환하면 모든 새로운 배포를 중지합니다.

C. 각 배포 시작 시 AWS Support API를 쿼리하고 API가 열려 있는 문제를 반환하면 모든 새로운 배포를 중지합니다.

D. 각 워크로드에 API 호출을 보내고 API 호출이 실패하면 배포를 중지합니다 

---

풀이

AWS Health API는 AWS 인프라 및 서비스의 실시간 운영 상태와 이벤트를 프로그래밍 방식으로 확인할 수 있는 서비스입니다. 비즈니스 지원 플랜 이상에서 API 액세스가 가능하며, 배포 전 자동화된 인프라 상태 확인을 통해 문제 발생 시 배포를 중지할 수 있습니다.

 

정답 : B

 

▼ 자세한 문제 풀이를 원하신 분은 아래 더보기를 통해 확인해 주세요.

1.  문제의 요구사항 분석하기

• 새로운 배포 시작 시 AWS 인프라 상태를 프로그래밍 방식으로 자동 확인
• AWS 인프라에 문제가 있으면 새로운 배포 중지

2. 관련 AWS 서비스 생각하기

AWS Trusted Advisor는 비용을 최적화하고 시스템 프로비저닝, 서비스 제한과 같은 모범 사례를 따르는 데 도움이 되는 클라우드 모니터링 및 권장 사항 도구입니다. Trusted Advisor API를 통해 권장 사항을 프로그래밍 방식으로 검색할 수 있지만, 실제 AWS 인프라 상태를 확인할 수는 없습니다.

 

AWS Health는 AWS 리소스 상태를 모니터링하고 운영 이벤트와 문제에 대한 알림을 제공하는 서비스입니다. AWS Health API를 사용하면 AWS 인프라 상태와 관련된 이벤트를 프로그래밍 방식으로 모니터링할 수 있어 요구사항에 부합합니다.

 

AWS Support API를 통해 기술 지원 케이스를 열고 기존 케이스를 관리할 수 있습니다. 열려 있는 문제를 확인하고 이에 대응할 수 있지만, 실제 AWS 인프라 상태를 확인하는 데는 한계가 있습니다.

3. 선택지 분석하기

A. 각 배포 시작 시 AWS Trusted Advisor API를 사용하고 API가 문제를 반환하면 모든 새로운 배포를 중지합니다.

→ Trusted Advisor는 비용 최적화와 모범 사례 권장사항을 제공하는 서비스로, 실시간 AWS 인프라 운영 상태를 확인하는 용도가 아닙니다.

 

B. 각 배포 시작 시 AWS Health API를 사용하고 API가 문제를 반환하면 모든 새로운 배포를 중지합니다.

→ AWS Health API는 AWS 서비스 및 리소스의 운영 상태를 실시간으로 모니터링하고, 프로그래밍 방식으로 자동화하여 배포 전 상태 확인이 가능합니다.

 

C. 각 배포 시작 시 AWS Support API를 쿼리하고 API가 열려 있는 문제를 반환하면 모든 새로운 배포를 중지합니다.

→ Support API는 지원 케이스를 생성하고 관리하는 용도로, 실시간 인프라 상태를 확인하는 도구가 아닙니다.

 

D. 각 워크로드에 API 호출을 보내고 API 호출이 실패하면 배포를 중지합니다 

→ 개별 워크로드 API 호출은 특정 리소스의 가용성만 확인할 뿐, 전체 AWS 인프라의 운영 상태를 포괄적으로 확인할 수 없습니다.

 

이어서 다음 문제입니다.

---

문제2

회사는 서로 다른 위치에 데이터 수집 센서를 가지고 있습니다. 데이터 수집 센서는 대량의 데이터를 회사로 스트리밍합니다. 이 회사는 대용량 스트리밍 데이터를 수집하고 처리하기 위해 AWS에서 플랫폼을 설계하려고 합니다. 솔류션은 확장 가능해야 하며 거의 실시간으로 데이터 수집을 지원해야 합니다. 회사는 향후 보고를 위해 데이터를 Amazon S3에 저장해야 합니다. 최소한의 운영 오버헤드로 이러한 요구 사항을 충족하는 솔루션은 무엇입니까?

 

선택지

A. Amazon Kinesis Data Firehose를 사용하여 스트리밍 데이터를 Amazon S3에 전달합니다.

B. AWS Glue를 사용하여 스트리밍 데이터를 Amazon S3에 전달합니다.

C. AWS Lambda를 사용하여 스트리밍 데이터를 전달하고 데이터를 Amazon S3에 저장합니다. 

D. AWS DMS(AWS Database Migration Service)를 사용하여 스트리밍 데이터를 Amazon S3에 전달합니다.

---

풀이

Amazon Kinesis Data Firehose는 스트리밍 데이터를 자동으로 캡처하고 S3, Redshift 등의 대상으로 전달하는 완전관리형 서비스입니다. 인프라 프로비저닝이나 관리 없이 거의 실시간(60초 이내)으로 데이터를 S3에 저장할 수 있어 운영 오버헤드가 최소화됩니다.

 

정답 : A 

 

▼ 자세한 문제 풀이를 원하신 분은 아래 더보기를 통해 확인해 주세요.

1.  문제의 요구사항 분석하기

• 대량 스트리밍 데이터 수집 및 처리
• 거의 실시간 데이터 수집 지원
• 데이터를 Amazon S3에 저장

2. 관련 AWS 서비스 생각하기

Amazon Kinesis Data Firehose는 스트리밍 데이터를 Amazon S3, Amazon Redshift, Amazon OpenSearch Service 등과 같은 대상으로 직접 캡처, 변환 및 로드할 수 있는 완전관리형 서비스입니다. 데이터 전송, 변환 및 로드 작업이 자동화되어 운영 오버헤드가 최소화됩니다. 또한 거의 실시간으로 대량의 스트리밍 데이터를 수집하고 Amazon S3에 저장할 수 있어 요구사항에 부합합니다.

 

AWS Glue는 AWS 클라우드에서 완전관리형 추출, 변환 및 로드(ETL) 서비스를 제공합니다. 다양한 데이터 스토어에서 데이터를 수집하고 변환한 후 Amazon S3와 같은 대상으로 로드할 수 있지만, 실시간 스트리밍 데이터 처리에는 적합하지 않습니다.

 

AWS Lambda는 서버리스 컴퓨팅 서비스로, 코드를 실행할 때만 컴퓨팅 리소스를 사용하므로 비용 효율적입니다. 이벤트 기반으로 코드를 실행할 수 있지만, 대량의 스트리밍 데이터 처리에는 제한이 있을 수 있습니다.

 

AWS DMS(Database Migration Service)는 소스 데이터 스토어에서 대상 데이터 스토어로 데이터를 마이그레이션할 때 사용되는 서비스입니다. 스트리밍 데이터 처리에는 적합하지 않습니다.

3. 선택지 분석하기

A. Amazon Kinesis Data Firehose를 사용하여 스트리밍 데이터를 Amazon S3에 전달합니다.

→ Kinesis Data Firehose는 완전관리형으로 자동 확장되며, 스트리밍 데이터를 거의 실시간으로 S3에 직접 전달하여 운영 부담이 최소입니다.

 

B. AWS Glue를 사용하여 스트리밍 데이터를 Amazon S3에 전달합니다.

→ AWS Glue는 배치 ETL 작업에 최적화되어 있으며, 거의 실시간 스트리밍 데이터 수집에는 적합하지 않습니다.

 

C. AWS Lambda를 사용하여 스트리밍 데이터를 전달하고 데이터를 Amazon S3에 저장합니다. 

→ Lambda로 스트리밍 데이터를 직접 처리하려면 데이터 소스 연동, 배치 처리, S3 쓰기 로직을 직접 구현해야 하므로 운영 오버헤드가 높습니다.

 

D. AWS DMS(AWS Database Migration Service)를 사용하여 스트리밍 데이터를 Amazon S3에 전달합니다.

→ DMS는 데이터베이스 간 마이그레이션 및 복제 서비스로, 센서의 스트리밍 데이터 수집에는 적합하지 않습니다.

 

마지막 문제 살펴볼게요.

---

문제3

회사에 모바일 앱을 사용하는 백만 명의 사용자가 있습니다. 회사는 거의 실시간으로 데이터 사용량을 분석해야 합니다. 회사는 또한 거의 실시간으로 데이터를 암호화하고 추가 처리를 위해 데이터를 Apache Parquet 형식의 중앙 위치에 저장해야 합니다. 최소한의 운영 오버헤드로 이러한 요구 사항을 충족하는 솔루션은 무엇입니까?

 

선택지

A. Amazon Kinesis 데이터 스트림을 생성하여 Amazon S3에 데이터를 저장합니다. 데이터를 분석할 Amazon Kinesis Data Analytics 애플리케이션을 생성합니다. AWS Lambda 함수를 호출하여 데이터를 Kinesis Data Analytics 애플리케이션으로 보냅니다.

B. Amazon Kinesis 데이터 스트림을 생성하여 Amazon S3에 데이터를 저장합니다. 데이터를 분석할 Amazon EMR 클러스터를 생성합니다. AWS Lambda 함수를 호출하여 데이터를 EMR 클러스터로 보냅니다.

C. Amazon Kinesis Data Firehose 전송 스트림을 생성하여 Amazon S3에 데이터를 저장합니다. 데이터를 분석할 Amazon EMR 클러스터를 생성합니다.

D. Amazon Kinesis Data Firehose 전송 스트림을 생성하여 Amazon S3에 데이터를 저장합니다. 데이터를 분석할 Amazon Kinesis Data Analytics 애플리케이션을 생성합니다.

---

풀이

Amazon Kinesis Data Firehose는 스트리밍 데이터를 자동으로 Parquet 형식으로 변환하고 암호화하여 S3에 저장할 수 있는 완전관리형 서비스입니다. Kinesis Data Analytics는 실시간 스트림 분석을 제공하며, 두 서비스를 함께 사용하면 인프라 관리 없이 거의 실시간 분석과 저장을 동시에 처리할 수 있습니다.

 

정답 : D 

 

▼ 자세한 문제 풀이를 원하신 분은 아래 더보기를 통해 확인해 주세요.

1.  문제의 요구사항 분석하기

• 거의 실시간으로 대량의 데이터 수집 및 분석
• 데이터 암호화 필요
• Parquet 형식으로 데이터 저장

2. 관련 AWS 서비스 생각하기

Amazon Kinesis Data Streams는 대량의 데이터 스트림을 수집, 처리 및 분석할 수 있는 확장 가능한 스트리밍 데이터 서비스입니다. 실시간 데이터 분석 및 처리 애플리케이션을 구축하는 데 사용할 수 있습니다.

 

Amazon Kinesis Data Analytics는 SQL 또는 Java를 사용하여 스트리밍 데이터를 실시간으로 분석할 수 있는 완전관리형 서비스입니다. 다양한 데이터 소스(예: Kinesis Data Streams)에서 데이터를 읽고 분석하며, 결과를 Amazon S3, Amazon Kinesis Data Firehose 등에 저장할 수 있습니다.

 

Amazon Kinesis Data Firehose는 스트리밍 데이터를 Amazon S3, Amazon Redshift, Amazon OpenSearch Service 등과 같은 대상으로 직접 캡처, 변환 및 로드할 수 있는 완전관리형 서비스입니다. 데이터를 Amazon S3에 저장할 때 Parquet 형식으로 변환할 수 있으며, 저장 중에 자동으로 암호화됩니다. 따라서 운영 오버헤드를 최소화하며 데이터 수집, 분석, 저장 요구사항을 모두 충족합니다.

 

Amazon EMR(Elastic MapReduce)은 클라우드에서 빅데이터 프레임워크를 쉽게 실행하고 확장할 수 있는 관리형 클러스터 플랫폼입니다. 대량의 데이터를 처리하고 분석하는 데 사용할 수 있지만, 실시간 데이터 처리에는 적합하지 않습니다.

3. 선택지 분석하기

A. Amazon Kinesis 데이터 스트림을 생성하여 Amazon S3에 데이터를 저장합니다. 데이터를 분석할 Amazon Kinesis Data Analytics 애플리케이션을 생성합니다. AWS Lambda 함수를 호출하여 데이터를 Kinesis Data Analytics 애플리케이션으로 보냅니다.

→ Kinesis Data Streams는 S3에 직접 저장하지 않고, Lambda 함수를 추가로 구현해야 하며, Parquet 변환 로직도 별도로 구현해야 하므로 운영 부담이 큽니다.

 

B. Amazon Kinesis 데이터 스트림을 생성하여 Amazon S3에 데이터를 저장합니다. 데이터를 분석할 Amazon EMR 클러스터를 생성합니다. AWS Lambda 함수를 호출하여 데이터를 EMR 클러스터로 보냅니다.

→ EMR 클러스터는 배치 처리에 최적화되어 거의 실시간 분석에 부적합하며, 클러스터 관리와 Lambda 구현으로 운영 오버헤드가 높습니다.

 

C. Amazon Kinesis Data Firehose 전송 스트림을 생성하여 Amazon S3에 데이터를 저장합니다. 데이터를 분석할 Amazon EMR 클러스터를 생성합니다.

→ EMR은 거의 실시간 분석이 아닌 배치 처리용이며, 클러스터 프로비저닝과 관리가 필요하여 운영 부담이 큽니다.

 

D. Amazon Kinesis Data Firehose 전송 스트림을 생성하여 Amazon S3에 데이터를 저장합니다. 데이터를 분석할 Amazon Kinesis Data Analytics 애플리케이션을 생성합니다.

→ Kinesis Data Firehose가 자동으로 Parquet 변환 및 암호화하여 S3에 저장하고, Kinesis Data Analytics가 실시간 분석을 제공하여 모든 요구사항을 최소 운영 오버헤드로 충족합니다.

 

감사합니다. 다음 글에서 만나요! 😊