안녕하세요! 넥스트클라우드의 테크니컬 트레이너 김서윤입니다. ☕
오늘도 세 문제 함께 풀어보며 한 걸음 더 합격에 가까워져 볼까요?
문제는 세 가지 단계를 거치며 풀어가겠습니다.
1. 문제의 요구사항 분석하기
2. 관련 AWS 서비스 생각하기
3. 선택지 분석하기
바로 문제 풀이 시작합니다.
문제1
미디어 회사는 연령에 따라 다양한 영화 수요에 따라 구매 후 5분 이내에 스트리밍 콘텐츠를 제공하여 사용자 요구를 충족해야 합니다. 이에 따라 회사는 호스팅 서비스 비용을 최소화하는 것을 목표로 합니다.
이러한 요구 사항에 맞는 솔루션은 무엇입니까?
선택지
A. 모든 미디어 콘텐츠를 Amazon S3에 저장합니다. 영화에 대한 수요가 감소함에 따라 S3 수명 주기 정책을 사용하여 미디어 데이터를 자주 액세스하지 않는 계층으로 전환합니다.
B. 최신 영화 비디오 파일은 S3 Standard에 저장하고 이전 영화 비디오 파일은 S3 Standard-Infrequent Access(S3 Standard-IA)에 저장합니다. 표준 검색을 사용하여 오래된 영화의 비디오 파일을 검색합니다.
C. S3 Intelligent-Tiering에 최신 영화 비디오 파일을 저장합니다. 오래된 영화 비디오 파일의 경우 유연한 검색 기능이 있는 S3 Glacier를 사용하십시오. 신속 검색을 사용하여 오래된 영화의 비디오 파일을 검색합니다.
D. 최신 영화 비디오 파일은 S3 Standard에 저장하고 이전 영화 비디오 파일은 유연한 검색을 통해 S3 Glacier에 저장합니다. 대량 검색을 사용하여 오래된 영화의 비디오 파일을 검색합니다.
풀이
이 문제의 핵심은 5분 이내 콘텐츠 제공이라는 시간 제한과 비용 최소화입니다. 최신 영화는 조회 패턴이 불규칙할 수 있으므로 자동으로 비용을 최적화해 주는 S3 Intelligent-Tiering이 적합합니다. 오래된 영화는 비용이 저렴한 S3 Glacier에 저장하고, 사용자가 구매했을 때 1~5분 안에 데이터를 꺼낼 수 있는 신속 검색(Expedited Retrieval) 옵션을 사용하면 두 가지 요구 사항을 모두 충족합니다.
정답 : C
▼ 자세한 문제 풀이를 원하신 분은 아래 더보기를 통해 확인해 주세요.
1. 문제의 요구사항 분석하기
- 콘텐츠 구매 후 5분 이내에 스트리밍 제공 가능해야 함.
- 호스팅 비용을 최소화해야 함.
- 영화의 연령(최신/구작)에 따라 수요가 달라짐.
2. 관련 AWS 서비스 생각하기
- Amazon S3 Glacier : 데이터 아카이빙을 위한 저비용 스토리지입니다. 데이터를 읽으려면 복원(Retrieval) 과정이 필요하며, 세 가지 복원 옵션을 제공합니다. 신속 검색(Expedited)은 1~5분, 표준 검색(Standard)은 3~5시간, 대량 검색(Bulk)은 5~12시간이 소요됩니다.
- S3 Intelligent-Tiering : 데이터 액세스 패턴을 모니터링하여 액세스가 빈번한 계층과 빈번하지 않은 계층 간에 객체를 자동으로 이동시켜 비용을 최적화하는 Amazon S3의 스토리지 클래스입니다.
3. 선택지 분석하기
A. 모든 미디어 콘텐츠를 Amazon S3에 저장합니다. 영화에 대한 수요가 감소함에 따라 S3 수명 주기 정책을 사용하여 미디어 데이터를 자주 액세스하지 않는 계층으로 전환합니다.
→ 전환될 하위 계층이 불분명합니다. 만약 Glacier Deep Archive로 전환되면 복원에 최대 12시간이 걸려 5분 이내 스트리밍 요구 사항을 충족할 수 없습니다.
B. 최신 영화 비디오 파일은 S3 Standard에 저장하고 이전 영화 비디오 파일은 S3 Standard-Infrequent Access(S3 Standard-IA)에 저장합니다. 표준 검색을 사용하여 오래된 영화의 비디오 파일을 검색합니다.
→ Standard-IA는 즉각적인 액세스를 제공하므로 검색(복원) 절차 자체가 필요하지 않습니다. 또한 구작을 아카이브 스토리지보다 비싼 곳에 두어 비용 최소화 목적에 맞지 않습니다.
C. S3 Intelligent-Tiering에 최신 영화 비디오 파일을 저장합니다. 오래된 영화 비디오 파일의 경우 유연한 검색 기능이 있는 S3 Glacier를 사용하십시오. 신속 검색을 사용하여 오래된 영화의 비디오 파일을 검색합니다.
→ Intelligent-Tiering으로 최신 영화 비용을 최적화하고, 구작은 저렴한 Glacier에 보관하면서 신속 검색으로 5분 SLA를 맞추는 방식으로 요구사항을 모두 만족합니다.
D. 최신 영화 비디오 파일은 S3 Standard에 저장하고 이전 영화 비디오 파일은 유연한 검색을 통해 S3 Glacier에 저장합니다. 대량 검색을 사용하여 오래된 영화의 비디오 파일을 검색합니다.
→ Glacier의 대량 검색은 복원에 5~12시간이 소요됩니다. 5분 이내에 영화를 스트리밍해야 하는 실시간 서비스 요구 사항을 기술적으로 지원하지 못합니다.
이어서 다음 문제입니다.
문제2
회사에는 원치 않는 콘텐츠가 포함된 사진이 회사의 웹 애플리케이션에 업로드되는 것을 방지하는 솔루션이 필요합니다. 솔루션에는 기계 학습(ML) 모델 교육이 포함되어서는 안 됩니다.
어떤 솔루션이 이러한 요구 사항을 충족합니까?
선택지
A. Amazon SageMaker Autopilot을 사용하여 모델을 생성하고 배포합니다. 새 사진이 업로드될 때 웹 애플리케이션이 호출하는 실시간 엔드포인트를 만듭니다.
B. Amazon Rekognition을 사용하여 원치 않는 콘텐츠를 감지하는 AWS Lambda 함수를 생성합니다. 새 사진이 업로드될 때 웹 애플리케이션이 호출하는 Lambda 함수 URL을 생성합니다.
C. Amazon Comprehend를 사용하여 원치 않는 콘텐츠를 감지하는 Amazon CloudFront 함수를 생성합니다. 기능을 웹 애플리케이션과 연결합니다.
D. Amazon Rekognition Video를 사용하여 원치 않는 콘텐츠를 감지하는 AWS Lambda 함수를 생성합니다. 새 사진이 업로드될 때 웹 애플리케이션이 호출하는 Lambda 함수 URL을 생성합니다.
풀이
기계 학습 모델을 직접 훈련하지 않고 사진(이미지)에서 부적절한 콘텐츠를 감지하려면 사전 학습된 AI 서비스인 Amazon Rekognition을 사용해야 합니다. 이를 AWS Lambda와 결합하면 사진 업로드 시 실시간으로 원치 않는 콘텐츠를 자동으로 필터링할 수 있어 요구사항을 충족합니다.
정답 : B
▼ 자세한 문제 풀이를 원하신 분은 아래 더보기를 통해 확인해 주세요.
1. 문제의 요구사항 분석하기
- 사진에 포함된 원치 않는 콘텐츠(부적절한 이미지 등)를 차단해야 함.
- 기계 학습(ML) 모델을 직접 교육(Training)해서는 안 됨.
- 웹 애플리케이션과 통합 가능한 솔루션이어야 함.
2. 관련 AWS 서비스 생각하기
- Amazon Rekognition : 딥 러닝 기술을 사용하여 이미지를 분석하는 서비스입니다. 객체 감지, 얼굴 인식, 텍스트 추출뿐만 아니라 노골적이거나 암시적인 콘텐츠를 감지하는 조정(Content Moderation) 기능도 제공합니다. 이미 학습된 모델을 API로 제공하므로 사용자가 직접 훈련할 필요가 없습니다.
- AWS Lambda : 서버를 프로비저닝하거나 관리할 필요 없이 코드를 실행할 수 있는 이벤트 기반 서버리스 컴퓨팅 서비스입니다. 이미지 업로드 이벤트에 맞춰 Rekognition API를 호출하는 함수로 활용됩니다.
- Amazon SageMaker : 머신 러닝 모델을 구축, 훈련 및 배포하는 서비스입니다.
- Amazon Comprehend : 텍스트 안에서 인사이트를 찾아내는 자연어 처리(NLP) 서비스입니다.
3. 선택지 분석하기
A. Amazon SageMaker Autopilot을 사용하여 모델을 생성하고 배포합니다. 새 사진이 업로드될 때 웹 애플리케이션이 호출하는 실시간 엔드포인트를 만듭니다.
→ SageMaker Autopilot은 기계 학습 모델을 자동으로 구축하고 훈련하는 도구입니다. 기계 학습 모델 교육을 포함해서는 안 된다는 제약 조건을 위반하므로 요구사항을 충족하지 못합니다.
B. Amazon Rekognition을 사용하여 원치 않는 콘텐츠를 감지하는 AWS Lambda 함수를 생성합니다. 새 사진이 업로드될 때 웹 애플리케이션이 호출하는 Lambda 함수 URL을 생성합니다.
→ 사전 학습된 Rekognition의 이미지 조정 기능을 Lambda와 연결하여, 별도의 모델 훈련 과정 없이 사진 속 부적절한 콘텐츠를 실시간으로 차단할 수 있는 솔루션입니다.
C. Amazon Comprehend를 사용하여 원치 않는 콘텐츠를 감지하는 Amazon CloudFront 함수를 생성합니다. 기능을 웹 애플리케이션과 연결합니다.
→ Amazon Comprehend는 텍스트를 분석하는 서비스입니다. 사진(이미지) 데이터를 분석하여 원치 않는 시각적 콘텐츠를 감지하는 기능은 서비스 설계상 지원하지 않습니다.
D. Amazon Rekognition Video를 사용하여 원치 않는 콘텐츠를 감지하는 AWS Lambda 함수를 생성합니다. 새 사진이 업로드될 때 웹 애플리케이션이 호출하는 Lambda 함수 URL을 생성합니다.
→ Amazon Rekognition Video는 비디오 파일이나 실시간 영상 스트리밍을 분석하는 전용 서비스입니다. 정적인 사진(이미지)을 분석해야 하는 현재 시나리오의 데이터 유형과는 서비스 용도가 맞지 않습니다.
마지막 문제 살펴보겠습니다.
문제3
회사는 AWS로 마이그레이션하고 애플리케이션에 Amazon EC2 온디맨드 인스턴스를 사용할 계획입니다. 마이그레이션 테스트 단계에서 기술 팀은 애플리케이션이 실행되고 메모리를 로드하여 완전한 생산성을 발휘하는 데 오랜 시간이 걸린다는 사실을 관찰했습니다.
다음 테스트 단계에서 애플리케이션 실행 시간을 단축할 솔루션은 무엇입니까?
선택지
A. 두 개 이상의 EC2 온디맨드 인스턴스를 시작합니다. Auto Scaling 기능을 활성화하고 다음 테스트 단계에서 EC2 온디맨드 인스턴스를 사용할 수 있도록 하십시오.
B. EC2 스팟 인스턴스를 시작하여 애플리케이션을 지원하고 다음 테스트 단계에서 사용할 수 있도록 애플리케이션을 확장합니다.
C. 최대 절전 모드를 활성화한 상태에서 EC2 온디맨드 인스턴스를 시작합니다. 다음 테스트 단계에서 EC2 Auto Scaling 웜 풀을 구성합니다.
D. 용량 예약을 통해 EC2 온디맨드 인스턴스를 시작합니다. 다음 테스트 단계에서 추가 EC2 인스턴스를 시작하십시오.
풀이
이 문제는 부팅 시 메모리 로딩 시간이 길어 초기 생산성이 떨어지는 애플리케이션의 성능을 최적화하는 방법을 묻고 있습니다. EC2 최대 절전 모드를 사용하면 메모리 상태를 EBS에 저장했다가 빠르게 복원할 수 있으며, EC2 Auto Scaling 웜 풀을 통해 미리 초기화된 인스턴스를 대기시켜 애플리케이션 실행 시간을 단축할 수 있습니다.
정답 : C
▼ 자세한 문제 풀이를 원하신 분은 아래 더보기를 통해 확인해 주세요.
1. 문제의 요구사항 분석하기
- AWS 마이그레이션 시 EC2 온디맨드 인스턴스 활용 계획 수립.
- 부팅 및 메모리 로딩 지연으로 인한 초기 생산성 저하 문제 해결.
- 인스턴스 실행 및 준비 시간을 단축할 수 있는 아키텍처 설계.
2. 관련 AWS 서비스 생각하기
- Amazon EC2 온디맨드 인스턴스 : 장기 약정이나 선결제 없이 필요한 시점에 즉시 컴퓨팅 자원을 할당받아 사용한 시간만큼만 비용을 지불하는 기본 구매 옵션으로, 트래픽 예측이 어렵거나 단기적인 테스트 및 개발 환경에서 유연하게 활용됩니다.
- EC2 최대 절전 모드(Hibernation) : 인스턴스의 메모리(RAM) 상태를 루트 EBS 볼륨에 저장해 두었다가, 다시 시작할 때 저장된 메모리 내용을 복원하는 기능입니다. 일반 재부팅과 달리 애플리케이션 초기화 과정을 생략할 수 있어 기동 시간을 크게 줄여 줍니다.
- EC2 Auto Scaling 웜 풀(Warm Pool) : 애플리케이션의 초기 설정과 메모리 로딩을 미리 마친 '사전 초기화된 인스턴스'를 중지 또는 최대 절전 상태로 대기시키는 기능으로, 확장이 필요한 순간 부팅 지연 시간을 제거하여 스케일 아웃 속도를 높일 수 있습니다.
3. 선택지 분석하기
A. 두 개 이상의 EC2 온디맨드 인스턴스를 시작합니다. Auto Scaling 기능을 활성화하고 다음 테스트 단계에서 EC2 온디맨드 인스턴스를 사용할 수 있도록 하십시오.
→ Auto Scaling 활성화만으로는 메모리 로딩과 같은 애플리케이션 내부의 초기화 지연 문제를 근본적으로 해결할 수 없습니다.
B. EC2 스팟 인스턴스를 시작하여 애플리케이션을 지원하고 다음 테스트 단계에서 사용할 수 있도록 애플리케이션을 확장합니다.
→ EC2 스팟 인스턴스는 비용 절감에는 유리하지만, 인스턴스 중단 가능성이 있어 성능 안정성과 초기 실행 시간 단축과는 무관합니다.
C. 최대 절전 모드를 활성화한 상태에서 EC2 온디맨드 인스턴스를 시작합니다. 다음 테스트 단계에서 EC2 Auto Scaling 웜 풀을 구성합니다.
→ 최대 절전 모드로 메모리 상태를 보존하고 웜 풀을 통해 준비된 인스턴스를 즉시 공급함으로써 실행 시간을 가장 효과적으로 단축합니다.
D. 용량 예약을 통해 EC2 온디맨드 인스턴스를 시작합니다. 다음 테스트 단계에서 추가 EC2 인스턴스를 시작하십시오.
→ 용량 예약은 인스턴스 실행 자리를 확보해 줄 뿐, 내부 애플리케이션의 실행 속도를 개선하지 못합니다.
오늘도 끝까지 읽어주셔서 감사합니다. 다음 포스팅에서 또 만나요!
'AWS > SAA 준비' 카테고리의 다른 글
| AWS SAA 합격으로 가는 길 #173 (0) | 2026.04.27 |
|---|---|
| AWS SAA 합격으로 가는 길 #172 (0) | 2026.04.24 |
| AWS SAA 합격으로 가는 길 #170 (0) | 2026.04.13 |
| AWS SAA 합격으로 가는 길 #169 (0) | 2026.04.03 |
| AWS SAA 합격으로 가는 길 #168 (0) | 2026.03.30 |
