AWS SAA 합격으로 가는 길 #148

안녕하세요! 넥스트클라우드의 EduOps 백종훈입니다.

매일 세 문제씩 꾸준히 풀다 보면 어느새 합격의 기쁨을 맛보실 수 있을 거예요. 오늘도 함께 한 걸음 더 나아가 보시죠!

 

문제는 세 가지 단계를 거치며 풀어가겠습니다.

1. 문제의 요구사항 분석하기

2. 관련 AWS 서비스 생각하기

3. 선택지 분석하기

 

바로 문제 풀이 시작합니다.

---

문제1

회사는 Amazon API Gateway 및 AWS Lambda를 사용하여 AWS에서 내부 서버리스 애플리케이션을 호스팅합니다. 회사 직원들은 매일 애플리케이션을 사용하기 시작할 때 대기 시간이 길어지는 문제를 보고합니다. 회사는 대기 시간을 줄이고 싶어합니다.

어떤 솔루션이 이러한 요구 사항을 충족합니까?

 

선택지

A. API 게이트웨이 조절 한도를 늘리십시오.

B. 직원이 매일 애플리케이션을 사용하기 전에 Lambda 프로비저닝 동시성을 높이기 위해 예약된 조정을 설정합니다.

C. Amazon CloudWatch 경보를 생성하여 매일 시작 시 경보 대상으로 Lambda 함수를 시작합니다.

D. Lambda 함수 메모리를 늘립니다.

---

풀이

이 문제는 서버리스 환경에서 발생하는 콜드 스타트(Cold Start) 현상을 이해하고 이를 자동화된 리소스 관리로 해결하는 능력을 평가합니다. AWS Lambda는 미사용 시 자원을 반납했다가 호출 시점에 다시 생성하는 과정에서 초기 지연이 발생하는데, 전 직원이 출근하는 특정 시간대의 트래픽 급증은 이러한 지연을 더욱 심화시킵니다. 따라서 프로비저닝된 동시성을 활성화하여 실행 환경을 미리 예열해 두고, 예약된 조정을 통해 업무 시작 전 인스턴스를 자동으로 확보함으로써 사용자 응답 속도를 즉각적으로 개선할 수 있습니다.

 

정답 : B

 

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

---

1.  문제의 요구사항 분석하기 

• Amazon API Gateway 및 AWS Lambda 기반의 서버리스 환경 운영
• 매일 아침 업무 시작 시 발생하는 긴 대기 시간 문제 해결
• 예측 가능한 트래픽 급증 및 콜드 스타트에 따른 지연 최소화

2. 관련 AWS 서비스 생각하기

• Amazon API Gateway : 외부 사용자의 요청을 받아 적절한 백엔드 서비스(Lambda 등)로 연결해 주는 관문 역할을 수행하며, 트래픽 제한(Throttling)이나 인증을 통해 API 보안과 안정성을 관리합니다.
• AWS Lambda : 서버를 관리할 필요 없이 코드를 실행하는 서비스입니다. 호출이 없을 때는 자원을 반납했다가 호출 시점에 인스턴스를 생성하므로 '콜드 스타트' 지연이 발생할 수 있습니다.
• Amazon CloudWatch : AWS 리소스의 상태를 실시간으로 모니터링하고 로그를 수집하는 서비스입니다. 특정 지표가 임계값을 넘을 때 알람을 생성하거나, 특정 시간에 이벤트를 트리거하여 다른 서비스를 실행하는 등의 자동화 작업에 사용됩니다.

3. 선택지 분석하기

A. API 게이트웨이 조절 한도를 늘리십시오.

→ API Gateway의 조절 한도를 늘리는 설정은 초기 구동 시 발생하는 응답 지연 시간 해결과는 관련이 없습니다.

B. 직원이 매일 애플리케이션을 사용하기 전에 Lambda 프로비저닝 동시성을 높이기 위해 예약된 조정을 설정합니다.

→ ‘예측 가능한 시점’에 맞춰 실행 환경을 미리 준비하여 서버리스의 최대 단점인 ‘콜드 스타트’ 지연을 완전히 제거합니다.

C. Amazon CloudWatch 경보를 생성하여 매일 시작 시 경보 대상으로 Lambda 함수를 시작합니다.

→ CloudWatch 경보를 생성하여 Lambda 함수를 시작하는 것은 수백 명의 동시 접속에 필요한 충분한 실행 환경을 확보하기에 부족하며 관리 효율성이 떨어집니다.

D. Lambda 함수 메모리를 늘립니다.

→ 메모리를 늘리는 것은 콜드 스타트 지연을 근본적으로 해결하지 못합니다.

---

 

이어서 다음 문제입니다.

---

문제2

회사는 온프레미스 서버를 사용하여 애플리케이션을 호스팅을 하며, 회사의 저장 용량이 부족하여 해당 애플리케이션은 블록 스토리지와 NFS 스토리지를 함께 사용합니다.

회사는 기존 애플리케이션을 재설계하지 않고 로컬 캐싱을 지원하는 고성능 솔루션이 필요한 상황입니다.

이러한 요구 사항을 충족하기 위해 솔루션 설계자는 어떤 작업 조합을 수행해야 합니까? (두 가지를 선택하세요.)

 

선택지

A. Amazon S3를 온프레미스 서버에 파일 시스템으로 탑재합니다.

B. NFS 스토리지를 대체할 AWS Storage Gateway 파일 게이트웨이를 배포합니다.

C. AWS Snowball Edge를 배포하여 온프레미스 서버에 NFS 마운트를 프로비저닝합니다.

D. 블록 스토리지를 대체할 AWS Storage Gateway 볼륨 게이트웨이를 배포합니다.

E. Amazon Elastic File System(Amazon EFS) 볼륨을 배포하고 온프레미스 서버에 탑재합니다.

---

풀이

이 문제는 온프레미스 환경을 유지하면서 기존 애플리케이션을 재설계하지 않고, 로컬 캐싱을 지원하는 고성능 솔루션이 필요한 상황입니다. AWS Storage Gateway는 온프레미스 애플리케이션과 클라우드 스토리지를 연결하면서 로컬 캐시를 제공하므로 요구사항에 부합합니다. 따라서 NFS 스토리지를 대체할 AWS Storage Gateway 파일 게이트웨이를 배포하고, 블록 스토리지를 대체할 AWS Storage Gateway 볼륨 게이트웨이를 배포해야 합니다.

 

정답 : B,D

 

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

---

1.  문제의 요구사항 분석하기

• 온프레미스 서버 환경 유지
• 블록 스토리지와 NFS 스토리지를 모두 지원
• 기존 애플리케이션 재설계 불필
• 로컬 캐싱을 지원하는 고성능 스토리지 솔루션이 필요

2. 관련 AWS 서비스 생각하기

• AWS Storage Gateway File Gateway : 온프레미스 애플리케이션에서 NFS 또는 SMB 프로토콜로 Amazon S3를 파일 시스템처럼 사용할 수 있게 해줍니다
• AWS Storage Gateway Volume Gateway : 온프레미스 서버에 iSCSI 기반 블록 스토리지를 제공합니다.
• Amazon S3 : 대규모 확장성과 내구성을 제공하는 객체 스토리지이며, 직접 마운트하여 블록/NFS 스토리지로 사용하기에는 부적절합니다.
• Amazon EFS : 관리형 NFS 파일 시스템이지만 온프레미스를 직접 마운트하는 건 네트워크 및 아키텍처 제약이 존재합니다.

3. 선택지 분석하기

A. Amazon S3를 온프레미스 서버에 파일 시스템으로 탑재합니다.

→ S3는 객체 스토리지로 직접 파일 시스템 마운트 및 로컬 캐싱 지원이 불가합니다.

B. NFS 스토리지를 대체할 AWS Storage Gateway 파일 게이트웨이를 배포합니다.

→ 온프레미스 NFS 환경을 유지하며 로컬 캐싱과 S3 연동을 지원하므로 적합합니다.

C. AWS Snowball Edge를 배포하여 온프레미스 서버에 NFS 마운트를 프로비저닝합니다.

→ Snowball Edge는 대량 데이터 전송에 적합하지만, 지속적인 NFS 스토리지 제공에는 적절하지 않습니다.

D. 블록 스토리지를 대체할 AWS Storage Gateway 볼륨 게이트웨이를 배포합니다.

→ 온프레미스 블록 스토리지를 유지하면서 로컬 캐시와 클라우드 확장을 제공하기에 적절합니다.

E. Amazon Elastic File System(Amazon EFS) 볼륨을 배포하고 온프레미스 서버에 탑재합니다.

→ EFS는 NFS 스토리지 대체 옵션이 될 수 있지만, 블록 스토리지 대체 옵션은 아니기에 적절하지 않습니다.

 

---

 

마지막 문제 살펴보겠습니다.

---

문제3

한 회사에서 AI를 사용하여 고객 서비스 통화 품질을 확인하려고 합니다.

회사는 현재 영어를 포함하여 4개 언어로 통화를 관리하며, 앞으로 새로운 언어를 제공할 예정입니다.회사는 기계 학습 모델을 정기적으로 유지 관리할 리소스가 없으며, 통화 녹음에서 서면 감정 분석 보고서를 작성해야 합니다.

또한 통화 녹음 텍스트는 영어로 번역되어야 합니다.

이러한 요구 사항을 충족하는 단계 조합은 무엇입니까? (3개를 선택하세요.)

 

선택지

A. Amazon Comprehend를 사용하여 오디오 녹음을 영어로 번역하십시오.

B. Amazon Lex를 사용하여 작성된 감정 분석 보고서를 생성합니다.

C. Amazon Polly를 사용하여 오디오 녹음을 텍스트로 변환합니다.

D. Amazon Transcribe를 사용하여 모든 언어의 오디오 녹음을 텍스트로 변환합니다.

E. Amazon Translate를 사용하여 모든 언어의 텍스트를 영어로 번역합니다.

F. Amazon Comprehend를 사용하여 감정 분석 보고서를 생성합니다.

---

풀이

이 문제는 음성 데이터(오디오)를 텍스트로 변환하고, 이를 다시 영어로 번역한 뒤, 최종적으로 텍스트의 감정을 분석하는 파이프라인을 구축하는 능력을 묻습니다. 핵심은 각 작업에 맞는 전용 AI 서비스를 선택하는 것입니다. Amazon Transcribe는 음성을 텍스트로 변환하고, Amazon Translate는 다국어 번역을 수행하며, Amazon Comprehend는 텍스트 내의 감정을 분석합니다. 이 서비스들은 모두 완전 관리형이므로 모델을 직접 유지 관리할 필요가 없습니다.

 

정답 : D,E,F

 

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

---

1.  문제의 요구사항 분석하기

• 고객 서비스 통화 녹음(오디오)을 처리 가능한 데이터 형식으로 변환
• 다국어(4개 이상) 통화 내용을 영어로 일관되게 번역
• 번역된 텍스트에서 긍정/부정 등의 감정을 분석하여 보고서를 작성
• ML 모델을 직접 유지 관리할 리소스가 없으므로 완전 관리형 AI 서비스를 사용

2. 관련 AWS 서비스 생각하기

• Amazon Transcribe : 음성 인식(ASR) 서비스로, 오디오 파일이나 실시간 음성을 텍스트로 변환합니다. 다양한 언어를 지원하며 화자 분리 기능을 제공하여 통화 분석에 최적입니다.
• Amazon Translate : 신경망 기계 번역 서비스로, 빠르고 정확한 언어 번역을 제공합니다. 다국어 고객 지원 데이터를 영어로 통합하는 데 사용됩니다.
• Amazon Comprehend : 자연어 처리(NLP) 서비스입니다. 텍스트에서 인사이트를 추출하며, 특히 감정 분석 기능을 통해 고객의 통화 태도가 어떠했는지 파악할 수 있습니다.
• Amazon Polly : 텍스트를 자연스러운 음성으로 변환하는(TTS) 서비스입니다. 본 문제의 요구사항(음성 -> 텍스트)과는 반대의 기능을 수행합니다.
• Amazon Lex : 대화형 인터페이스(챗봇)를 구축하는 서비스입니다. 음성이나 텍스트를 통해 사용자와 대화하는 로직을 만들 때 사용됩니다.

3. 선택지 분석하기

A. Amazon Comprehend를 사용하여 오디오 녹음을 영어로 번역하십시오.

→ Comprehend는 텍스트 분석 서비스이며 번역 기능을 수행하지 않습니다.

B. Amazon Lex를 사용하여 작성된 감정 분석 보고서를 생성합니다.

→ Lex는 대화형 챗봇 구축용이며, 기존 녹음 파일의 사후 감정 분석 보고서 작성에는 적합하지 않습니다.

C. Amazon Polly를 사용하여 오디오 녹음을 텍스트로 변환합니다.

→ Polly는 텍스트를 음성으로 바꾸는 도구입니다. 오디오를 텍스트로 바꾸는 것은 Transcribe의 역할입니다.

D. Amazon Transcribe를 사용하여 모든 언어의 오디오 녹음을 텍스트로 변환합니다.

→ 음성 기반 데이터를 텍스트 기반 분석이 가능하도록 만드는 필수적인 첫 번째 단계입니다.

E. Amazon Translate를 사용하여 모든 언어의 텍스트를 영어로 번역합니다.

→ 요구사항에 명시된 영어 번역을 수행하기 위한 가장 효율적인 방법입니다.

F. Amazon Comprehend를 사용하여 감정 분석 보고서를 생성합니다.

→ 번역된 텍스트에서 감정(Sentiment) 데이터를 추출하여 최종 보고서를 만드는 마지막 단계입니다.

---

문제 풀어보시느라 고생 많으셨습니다. 다음 포스팅에서 또 만나용~🙂