AWS SAA 합격으로 가는 길 #200

 

안녕하세요! 넥스트클라우드의 테크니컬 트레이너 김서윤입니다. 🍃

8월의 마지막 금요일이에요! 가을 기척이 느껴지는 요즘, 오늘도 세 문제 함께 풀어볼게요.

 

문제는 세 가지 단계를 거치며 풀어가겠습니다.

1. 문제의 요구사항 분석하기

2. 관련 AWS 서비스 생각하기

3. 선택지 분석하기

 

바로 문제 풀이 시작합니다.

---

문제1

회사는 높은 블록 스토리지 용량을 사용하여 온프레미스에서 워크로드를 실행합니다. 회사의 일일 최대 입력 및 초당 출력 트랜잭션은 15,000 IOPS를 넘지 않습니다. 이 회사는 워크로드를 Amazon EC2로 마이그레이션하고 스토리지 용량과 독립적으로 디스크 성능을 프로비저닝하려고 합니다.

 

이러한 요구 사항을 가장 비용 효율적으로 충족하는 Amazon Elastic Block Store(Amazon EBS) 볼륨 유형은 무엇입니까?

 

선택지

A. GP2 볼륨 유형

B. io2 볼륨 유형

C. GP3 볼륨 유형

D. io1 볼륨 유형

---

풀이

용량과 별개로 성능을 지정할 수 있으면서 비용이 가장 낮은 유형을 골라야 합니다. gp3는 볼륨 크기와 무관하게 IOPS를 따로 설정할 수 있고 최대 16,000 IOPS까지 지원하면서 프로비저닝 IOPS 계열보다 훨씬 저렴하므로 조건에 부합합니다.

 

정답 : C

 

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

---

1.  문제의 요구사항 분석하기

• 최대 15,000 IOPS 수준의 성능 확보
• 스토리지 용량과 독립적인 디스크 성능 지정
• 높은 블록 스토리지 용량의 수용
• 가장 비용 효율적인 볼륨 선택

2. 관련 AWS 서비스 생각하기

• Amazon EBS(Elastic Block Store) : Amazon EC2 인스턴스에 연결해 사용하는 블록 스토리지 서비스로, 물리 서버에 디스크를 붙이듯 볼륨을 만들어 운영체제나 데이터베이스 파일을 저장합니다. 인스턴스를 종료해도 볼륨의 데이터는 남으며, 스냅샷을 떠 두면 다른 가용 영역이나 리전에서 복원할 수 있습니다. 성능과 비용 특성이 다른 여러 볼륨 유형을 제공하므로 워크로드에 맞게 고르는 것이 중요합니다.
  • gp2 : 범용 SSD 1세대로, 볼륨 크기 1GiB당 3 IOPS가 자동으로 주어지는 방식입니다. 성능을 높이려면 필요 이상으로 용량을 키워야 하므로 용량과 성능을 따로 정할 수 없습니다.
  • gp3 : 범용 SSD 2세대로, 기본 3,000 IOPS를 제공하며 볼륨 크기와 무관하게 최대 16,000 IOPS까지 따로 지정할 수 있습니다. 같은 성능을 기준으로 gp2보다 저렴한 편이라 일반적인 워크로드에서 우선 검토됩니다.
  • io1과 io2 : 프로비저닝 IOPS SSD 계열로 매우 높은 성능과 내구성을 제공하며 IOPS를 세밀하게 지정할 수 있습니다. 다만 단가가 범용 SSD보다 높아 성능 요구가 특별히 큰 경우에 선택합니다.
• Amazon EC2(Elastic Compute Cloud) : 필요한 사양의 가상 서버를 원하는 만큼 만들어 사용하는 컴퓨팅 서비스입니다. 인스턴스에는 EBS 볼륨을 연결해 데이터를 저장하며, 인스턴스 유형에 따라 볼륨과 주고받을 수 있는 대역폭이 달라집니다. 온프레미스 서버를 옮겨 올 때는 필요한 처리 성능뿐 아니라 디스크 성능까지 함께 고려해 구성해야 기대한 만큼의 성능이 나옵니다. 인스턴스와 볼륨은 서로 독립적으로 다룰 수 있어, 필요에 따라 볼륨만 교체하거나 크기와 성능을 나중에 조정하는 것도 가능합니다.

3. 선택지 분석하기

A. GP2 볼륨 유형

→ 성능이 볼륨 크기에 묶여 용량과 따로 지정할 수 없습니다.

 

B. io2 볼륨 유형

→ 성능은 충분하나 단가가 높아 비용 효율이 떨어집니다.

 

C. GP3 볼륨 유형

→ 용량과 무관하게 16,000 IOPS까지 지정되고 더 저렴한 표준 방식입니다.

 

D. io1 볼륨 유형

→ io2보다 내구성이 낮으면서 범용 SSD보다 비쌉니다.

---

 

이어서 다음 문제입니다.

---

문제2

회사는 의료 애플리케이션의 데이터를 저장해야 합니다. 애플리케이션의 데이터는 자주 변경됩니다. 새로운 규정은 저장된 데이터의 모든 수준에서 감사 액세스를 요구합니다. 회사는 스토리지 용량이 부족한 온프레미스 인프라에서 애플리케이션을 호스팅합니다. 솔루션 설계자는 새로운 규정을 만족하면서 기존 데이터를 AWS로 안전하게 마이그레이션해야 합니다.

 

이러한 요구 사항을 충족하는 솔루션은 무엇입니까?

 

선택지

A. AWS DataSync를 사용하여 기존 데이터를 Amazon S3로 이동합니다. AWS CloudTrail을 사용하여 데이터 이벤트를 기록합니다.

B. AWS Snowcone을 사용하여 기존 데이터를 Amazon S3로 이동합니다. AWS CloudTrail을 사용하여 관리 이벤트를 기록합니다.

C. Amazon S3 Transfer Acceleration을 사용하여 기존 데이터를 Amazon S3로 이동합니다. AWS CloudTrail을 사용하여 데이터 이벤트를 기록합니다.

D. AWS Storage Gateway를 사용하여 기존 데이터를 Amazon S3로 이동합니다. AWS CloudTrail을 사용하여 관리 이벤트를 기록합니다.

---

풀이

데이터를 안전하게 옮기는 방법과 저장된 데이터에 대한 접근 기록을 모두 확보해야 합니다. AWS DataSync는 암호화와 무결성 검증을 갖춘 전송을 제공하고, CloudTrail의 데이터 이벤트는 객체 단위 접근까지 기록하므로 두 요구를 함께 충족합니다.

 

정답 : A

 

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

---

1.  문제의 요구사항 분석하기

• 온프레미스 기존 데이터의 안전한 AWS 이전
• 저장된 데이터의 모든 수준에 대한 감사 기록
• 자주 변경되는 의료 데이터의 보관
• 부족한 온프레미스 스토리지 용량의 해소

2. 관련 AWS 서비스 생각하기

• AWS DataSync : 온프레미스 스토리지와 AWS 스토리지 사이에서 대량의 데이터를 옮겨 주는 완전관리형 전송 서비스입니다. 여러 파일을 병렬로 처리해 일반적인 복사 도구보다 훨씬 빠르며, 전송 구간을 암호화하고 옮긴 데이터가 원본과 같은지 무결성을 자동으로 검증합니다. 작업별 대역폭 상한 지정과 일정 예약, 변경분만 옮기는 증분 전송도 지원해 반복적인 이전에도 적합합니다. 전송 대상으로는 Amazon S3와 Amazon EFS, Amazon FSx 계열을 지원합니다.
• AWS CloudTrail : AWS 계정에서 이루어진 API 호출과 활동을 기록해 누가 언제 무엇을 했는지 남겨 주는 감사 서비스입니다. 기록된 로그는 S3 버킷에 저장하거나 CloudWatch Logs로 보내 장기 보관하고 검색할 수 있어, 규정 준수 증빙과 보안 사고 조사에 활용됩니다. 기록 대상은 이벤트 종류에 따라 나뉘므로 필요한 범위를 정확히 켜 두는 것이 중요하며, 켜 두지 않은 종류의 활동은 나중에 소급해 확인할 수 없습니다.
  • 관리 이벤트 : 버킷 생성이나 정책 변경처럼 리소스 자체를 다루는 제어 평면 동작을 기록하며 기본으로 활성화됩니다.
  • 데이터 이벤트 : S3 객체 읽기와 쓰기처럼 데이터에 직접 접근하는 동작을 기록하며, 별도로 활성화해야 저장된 데이터 수준의 감사가 가능합니다.
• Amazon S3(Simple Storage Service) : 파일을 객체 단위로 저장하는 오브젝트 스토리지 서비스로, 용량 제한 없이 사용한 만큼만 요금을 냅니다. 여러 시설에 걸쳐 데이터를 중복 저장해 높은 내구성을 제공하며, 저장 시 암호화와 버전 관리, 객체 잠금 같은 규정 준수 기능을 갖추고 있어 민감한 데이터를 다루는 분야에서도 널리 쓰입니다. 저장 용량을 미리 확보해 둘 필요가 없어 온프레미스 용량 부담을 덜어내는 이전 대상으로 자주 선택됩니다.
  • S3 Transfer Acceleration : 전 세계 엣지 로케이션을 경유해 원거리 업로드 속도를 높여 주는 기능으로, 전송 속도 개선이 목적이며 접근 기록을 남기는 기능과는 별개입니다.
• AWS Snow 패밀리 : 네트워크로 옮기기 어려운 규모의 데이터를 물리 장비에 담아 배송하는 방식으로 이전하는 서비스 제품군입니다. 회선 사정과 무관하게 대용량을 옮길 수 있는 대신 장비 배송과 반납에 며칠이 걸리므로, 자주 변경되는 데이터를 지속적으로 반영하는 용도와는 성격이 다릅니다. 장비는 물리적으로 봉인되고 데이터는 암호화되어 보관되며, 가장 작은 Snowcone은 저장 용량이 8TB 수준입니다.

3. 선택지 분석하기

A. AWS DataSync를 사용하여 기존 데이터를 Amazon S3로 이동합니다. AWS CloudTrail을 사용하여 데이터 이벤트를 기록합니다.

→ 암호화 전송에 데이터 이벤트로 객체 단위 감사까지 남기는 표준 방식입니다.

 

B. AWS Snowcone을 사용하여 기존 데이터를 Amazon S3로 이동합니다. AWS CloudTrail을 사용하여 관리 이벤트를 기록합니다.

→ 관리 이벤트만으로는 데이터 접근 기록을 남길 수 없습니다.

 

C. Amazon S3 Transfer Acceleration을 사용하여 기존 데이터를 Amazon S3로 이동합니다. AWS CloudTrail을 사용하여 데이터 이벤트를 기록합니다.

→ Transfer Acceleration은 가속 기능일 뿐 이전 수단이 아닙니다.

 

D. AWS Storage Gateway를 사용하여 기존 데이터를 Amazon S3로 이동합니다. AWS CloudTrail을 사용하여 관리 이벤트를 기록합니다.

→ 관리 이벤트만 기록해 데이터 수준 감사 요구를 못 채웁니다.

---

 

마지막 문제 살펴보겠습니다.

---

문제3

한 전자상거래 회사에서 기계 학습(ML) 알고리즘을 사용하여 모델을 구축하고 훈련하려고 합니다. 회사는 모델을 사용하여 복잡한 시나리오를 시각화하고 고객 데이터의 추세를 감지합니다. 아키텍처 팀은 ML 모델을 보고 플랫폼과 통합하여 증강 데이터를 분석하고 비즈니스 인텔리전스 대시보드에서 직접 데이터를 사용하려고 합니다.

 

최소한의 운영 오버헤드로 이러한 요구 사항을 충족하는 솔루션은 무엇입니까?

 

선택지

A. AWS Glue를 사용하여 ML 변환을 생성하여 모델을 구축하고 교육합니다. Amazon OpenSearch Service를 사용하여 데이터를 시각화합니다.

B. Amazon SageMaker를 사용하여 모델을 구축하고 교육합니다. Amazon QuickSight를 사용하여 데이터를 시각화합니다.

C. AWS Marketplace에서 사전 구축된 ML Amazon 머신 이미지(AMI)를 사용하여 모델을 구축하고 교육합니다. Amazon OpenSearch Service를 사용하여 데이터를 시각화합니다.

D. Amazon QuickSight를 사용하여 계산된 필드를 사용하여 모델을 구축하고 교육합니다. Amazon QuickSight를 사용하여 데이터를 시각화합니다.

---

풀이

모델을 만들고 훈련하는 일과 그 결과를 대시보드로 보여 주는 일을 관리형 서비스로 나누어 맡기는 구성이 필요합니다. Amazon SageMaker가 모델 구축과 훈련을 담당하고 Amazon QuickSight가 결과를 시각화하며 서로 연동되므로, 운영 부담을 가장 낮게 유지할 수 있습니다.

 

정답 : B

 

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

---

1.  문제의 요구사항 분석하기

• 머신 러닝 모델의 구축과 훈련
• 비즈니스 인텔리전스 대시보드에서의 직접 활용
• 모델과 보고 플랫폼의 통합
• 최소한의 운영 오버헤드

2. 관련 AWS 서비스 생각하기

• Amazon SageMaker : 머신 러닝 모델을 준비하고 훈련하고 배포하기까지의 과정을 하나로 묶어 제공하는 완전관리형 서비스입니다. 데이터 준비와 알고리즘 선택, 훈련 인프라 준비와 결과 모델의 서비스화까지 필요한 자원을 자동으로 마련해 주므로, 사용자는 서버를 직접 준비하지 않고 모델 자체에 집중할 수 있습니다. 널리 쓰이는 알고리즘과 프레임워크를 기본 제공해 처음 시작하기에도 부담이 적습니다.
• Amazon QuickSight : 데이터를 표와 그래프로 구성해 공유하는 완전관리형 비즈니스 인텔리전스(BI) 서비스입니다. 여러 데이터 소스에 연결해 대시보드를 만들 수 있고, 접속한 사용자 수만큼만 요금을 내는 방식이라 초기 부담이 적습니다. 머신 러닝 기반 인사이트 기능을 통해 SageMaker에서 만든 모델의 예측 결과를 대시보드에 함께 표시할 수 있어, 분석 결과를 별도 도구 없이 곧바로 공유하기에 알맞습니다.
• AWS Glue : 흩어져 있는 데이터를 모아 정제하고 변환해 분석에 쓸 수 있게 만들어 주는 서버리스 데이터 통합 서비스입니다. 데이터의 구조를 파악해 카탈로그로 정리하고 변환 작업을 실행해 주며, 중복 레코드를 찾아내는 것과 같은 제한적인 머신 러닝 변환 기능도 제공합니다. 서버를 준비하지 않고도 대량의 데이터를 정해진 흐름에 따라 처리할 수 있어 분석 이전 단계의 준비 작업에 널리 쓰입니다. 다만 일반적인 예측 모델을 만들고 훈련하는 용도의 서비스는 아닙니다.
• Amazon OpenSearch Service : 대량의 로그와 문서를 저장하고 빠르게 검색할 수 있게 해 주는 관리형 검색 및 분석 서비스입니다. 함께 제공되는 대시보드로 검색 결과와 로그 추이를 시각화할 수 있어 운영 모니터링과 로그 분석에 널리 쓰입니다. 저장한 데이터를 여러 노드에 나누어 두고 필요에 따라 노드를 늘려 처리량을 키울 수 있습니다. 다만 성격은 검색 기반 분석에 가까워 비즈니스 인텔리전스 대시보드 도구와는 쓰임새가 구분됩니다.

3. 선택지 분석하기

A. AWS Glue를 사용하여 ML 변환을 생성하여 모델을 구축하고 교육합니다. Amazon OpenSearch Service를 사용하여 데이터를 시각화합니다.

→ Glue의 ML 변환은 데이터 정제용이라 예측 모델 훈련에 맞지 않습니다.

 

B. Amazon SageMaker를 사용하여 모델을 구축하고 교육합니다. Amazon QuickSight를 사용하여 데이터를 시각화합니다.

→ SageMaker가 훈련을, QuickSight가 시각화를 관리형으로 맡는 표준 방식입니다.

 

C. AWS Marketplace에서 사전 구축된 ML Amazon 머신 이미지(AMI)를 사용하여 모델을 구축하고 교육합니다. Amazon OpenSearch Service를 사용하여 데이터를 시각화합니다.

→ 인스턴스를 직접 띄우고 패치와 확장까지 관리해야 합니다.

 

D. Amazon QuickSight를 사용하여 계산된 필드를 사용하여 모델을 구축하고 교육합니다. Amazon QuickSight를 사용하여 데이터를 시각화합니다.

→ 계산된 필드는 값 가공 기능이라 모델 훈련 수단이 아닙니다.

---

 

오늘도 함께해 주셔서 감사합니다. 8월의 마지막 주말, 편안하게 쉬어 가세요!