정답 · 해설

해설

【핵심 용어】 ▸ S3 Gateway Endpoint — VPC에서 S3로 가는 트래픽이 인터넷 우회 없이 AWS 백본을 통하도록 하는 엔드포인트. 라우트 테이블 항목으로 동작. ▸ AWS Glue Connection — Glue 작업이 데이터 소스에 접근할 때 쓰는 연결 메타데이터(서브넷/SG 포함). 【정답 포인트】 ▸ S3 Gateway Endpoint는 보안 그룹이 아닌 라우트 테이블 기반. VPC의 라우트 테이블에 엔드포인트로 가는 prefix list 경로(인바운드/아웃바운드)가 등록되어 있어야 트래픽이 흐른다. 【오답 체크】 (A) Gateway Endpoint는 보안 그룹이 적용되지 않음 — SG 변경은 무의미. (B) S3 버킷 정책은 인증/권한 문제일 때 영향. 네트워크 경로 문제와는 별개. (C) FQDN 설정은 연결 설정 문법 이슈로, VPC 엔드포인트 오류와는 무관.

해설

【핵심 용어】 ▸ AWS Lake Formation — S3 데이터 레이크의 카탈로그·세분화 권한 관리 서비스. ▸ Row-level Security — 같은 테이블 안에서도 사용자별로 보이는 행을 필터링하는 기능. 데이터 필터 사용. 【정답 포인트】 ▸ 단일 S3 버킷 + 분석가별 국가 필터 = Lake Formation의 행 수준 보안이 정확한 매핑. 테이블 분리·리전 이동·뷰 생성 같은 운영 부담 없이 데이터 필터로 즉시 적용. 【오답 체크】 (A) 국가별 테이블 분리 = 운영·관리 부담 큼. (C) 데이터를 리전 이동시키는 건 거버넌스 요구와 무관. (D) Redshift 적재 + 뷰 + IAM 분리 = 운영 부담 큼. 또한 S3 데이터 허브 그대로 활용 못 함.

해설

【핵심 용어】 ▸ AWS Data Exchange — 서드파티 데이터셋 구독·소비를 관리형으로 제공. API/S3 통합으로 즉시 활용. ▸ AWS DataSync — 온프레↔AWS 파일 전송용. 외부 데이터셋 카탈로그가 아님. 【정답 포인트】 ▸ 서드파티 데이터셋 통합 + 최소 노력 = Data Exchange. 구독만 하면 분석 플랫폼에 즉시 연동. 【오답 체크】 (B) DataSync는 파일 전송 도구이지 데이터 마켓플레이스 아님. (C)(D) Kinesis Data Streams는 실시간 스트림 처리용. CodeCommit·ECR은 코드/이미지 저장소이지 데이터 소스 아님.

해설

【핵심 용어】 ▸ Data Mesh — 도메인별 데이터 소유 + 중앙 카탈로그·거버넌스 결합 패턴. ▸ Lake Formation — Glue 카탈로그 기반 중앙 권한·거버넌스. Data Mesh의 거버넌스 레이어로 표준. ▸ S3 + Athena — 데이터 레이크 스토리지 + 서버리스 분석의 정석 조합. 【정답 포인트】 ▸ B(S3+Athena) — 도메인별 분산 저장 + 서버리스 분석. ▸ E(Lake Formation) — 중앙 거버넌스·권한·교차 계정 공유의 표준. 【오답 체크】 (A) Aurora·프로비저닝 Redshift는 단일 데이터 웨어하우스 모델로 데이터 메시 분산 패턴과 어긋남. (C) DataBrew는 시각적 데이터 정리 도구이지 거버넌스/접근 제어 도구 아님. (D) RDS·EMR도 메시의 카탈로그·거버넌스 역할을 못 함.

해설

【핵심 용어】 ▸ Lambda Layer — 공통 코드/라이브러리를 패키지로 만들어 여러 Lambda 함수가 공유. 한 번 업데이트하면 연결된 함수 전체 반영. 【정답 포인트】 ▸ 공통 Python 스크립트의 중앙 관리 = Lambda Layer. 함수 코드 본체 수정 없이 layer 버전만 갱신해 일괄 배포. 【오답 체크】 (A) Lambda execution context 객체에 포인터 저장 = 표준 패턴 아님(런타임 격리). (C) 환경 변수에 S3 포인터만 두면 함수마다 다운로드 로직 직접 구현 필요. (D) Alias는 함수 버전 라우팅이지 코드 공유 메커니즘 아님.

해설

【핵심 용어】 ▸ Glue Workflows — Glue 크롤러+잡+트리거를 단일 워크플로로 묶는 네이티브 오케스트레이션. 별도 비용 없음. ▸ MWAA — Airflow 관리형. 강력하지만 비용·관리 부담 큼. 【정답 포인트】 ▸ Glue ETL 한정 + 비용 효율 = Glue Workflows. 추가 서비스 비용 없이 네이티브로 처리. 【오답 체크】 (A) Step Functions는 가능하지만 추가 비용. Glue 단독 시나리오에선 과한 선택. (C) Glue Studio는 시각적 작성 도구이지 오케스트레이션 도구 아님. (D) MWAA는 클러스터 비용 발생, 비용 효율과 거리.

해설

【핵심 용어】 ▸ Redshift Data API — HTTPS 기반 비동기 쿼리 인터페이스. 드라이버·커넥션 풀 불필요. Lambda·웹 앱에 적합. ▸ JDBC — 영속 커넥션 필요 → 웹 트래픽 패턴에 부담. 【정답 포인트】 ▸ 웹 트레이딩 앱 + 최소 운영 = Data API. 인증은 IAM·Secrets Manager로, 응답은 비동기 콜백. 【오답 체크】 (A) Redshift는 WebSocket 미지원. (C) JDBC는 커넥션 관리 부담 + 보안그룹/네트워크 설정 필요. (D) S3 Select는 정적 파일용. 실시간 거래 데이터엔 부적합.

해설

【핵심 용어】 ▸ Athena Workgroup — 쿼리 격리·접근 제어·비용 한도 단위. 사용자/팀/앱별로 격리 가능. ▸ 태그 기반 IAM — workgroup 태그를 조건으로 IAM 정책 적용 가능. 【정답 포인트】 ▸ 동일 계정 내 사용자/팀/앱 분리 + 권한 제어 = Workgroup이 표준. 쿼리 이력·비용·결과 위치까지 분리됨. 【오답 체크】 (A) 버킷 분리는 데이터는 분리해도 Athena 쿼리 격리·이력 분리는 안 됨. (C) 단일 IAM role + Athena = 격리 효과 부족. (D) Glue Catalog 정책은 메타데이터 권한 제어이지 쿼리 프로세스 격리는 아님.

해설

【핵심 용어】 ▸ Glue FLEX Execution Class — 우선순위 낮은 잡을 유휴 용량에서 실행. 최대 ~35% 비용 절감, 시작 시간은 비결정적. ▸ STANDARD — 일반 우선순위. 즉시 실행이지만 단가 높음. 【정답 포인트】 ▸ '시간 제약 없음 + 비용 절감' = FLEX. 일일 ETL 같은 비긴급 작업에 적합. 【오답 체크】 (B) Spot Instance는 EMR·EC2 개념. Glue 잡 자체 옵션엔 없음(WorkerType이 따로). (C) STANDARD는 항상 즉시 실행이라 비용 절감 없음. (D) GlueVersion은 런타임 버전 선택이지 비용과 직접 무관.

해설

【핵심 용어】 ▸ S3 Event Notification — 객체 생성/삭제 등 이벤트를 Lambda·SNS·SQS로 직접 전달. ▸ Suffix Filter — 키 끝 문자열로 필터링(.csv 등). 【정답 포인트】 ▸ 직접 Lambda 호출 + suffix .csv 필터 = 가장 단순한 경로. SNS·EventBridge 중간 단계 불필요. 【오답 체크】 (B) ObjectTagging은 업로드 시점이 아닌 태그 변경 시 트리거 — 시나리오 불일치. (C) s3:* 이벤트는 너무 광범위(삭제·복원 등 모두). 비용·중복 호출 증가. (D) SNS 경유는 추가 컴포넌트 필요 → 운영 오버헤드↑.

해설

【핵심 용어】 ▸ Apache Parquet — 컬럼형 저장 포맷. 특정 컬럼만 읽을 때 I/O 대폭 절감, 압축률도 우수. ▸ Snappy — 빠른 압축/해제. Parquet의 사실상 표준 압축. 【정답 포인트】 ▸ '특정 컬럼만 select' 패턴 + Parquet의 컬럼 푸시다운 + Snappy 압축 = Athena 스캔량·비용·시간 모두 최소. 【오답 체크】 (A) JSON은 행 기반 + 파싱 비용. Parquet 대비 느림. (B)(D) CSV 압축만으론 여전히 행 기반 — 컬럼 쿼리 최적화 불가.

해설

【핵심 용어】 ▸ Amazon Managed Service for Apache Flink — 스트림 데이터 실시간 처리 관리형. 윈도 집계·이벤트 시간 연산 강점. ▸ Amazon Timestream — 시계열 DB, 밀리초 응답. ▸ Grafana — 시계열 시각화 표준 (Timestream 네이티브 지원). 【정답 포인트】 ▸ Kinesis → Flink → Timestream → Grafana 경로가 가장 짧고 지연이 낮음. S3 적재 단계 우회. 【오답 체크】 (B) S3 → Lambda → Aurora → QuickSight = 경로 길고 지연 큼. (C) Firehose 직접 Timestream 적재 가능하지만 QuickSight는 새로고침 주기로 인해 Grafana 대비 느림. (D) Glue bookmarks는 배치 ETL용, 실시간 아님.

해설

【핵심 용어】 ▸ AWSGlueServiceRole — Glue가 서비스 동작에 필요한 최소 권한 묶음. 크롤러·잡·카탈로그 호출 포함. ▸ Glue Crawler 출력 = 데이터베이스(논리 그룹)에 테이블 생성. 별도 S3 출력 경로가 아님. 【정답 포인트】 ▸ 카탈로그 갱신 목적이면 'database name' 출력이 필수. AWSGlueServiceRole로 최소 권한 + 일일 스케줄. 【오답 체크】 (A) AmazonS3FullAccess는 과다 권한 + 출력 경로 설정이 데이터 카탈로그가 아닌 S3여서 잘못된 매핑. (C) DPU는 잡 리소스 단위로 크롤러에 직접 할당 X. (D) AWSGlueServiceRole은 맞지만 출력을 'S3 경로'로 두면 카탈로그 갱신 안 됨.

해설

【핵심 용어】 ▸ Redshift Data API → EventBridge — 쿼리 완료/실패 같은 이벤트를 EventBridge로 자동 발행 가능. ▸ EventBridge Rule → Lambda — 표준 이벤트 라우팅. 【정답 포인트】 ▸ Redshift 적재 완료 시점에 즉시 Lambda 호출하려면 Data API의 EventBridge 연동이 정답. 폴링·중간 큐 불필요. 【오답 체크】 (A) Lambda가 Lambda를 부르는 구조는 비용·복잡도↑. (C) SQS 폴링은 지연·관리 부담 발생. (D) CloudTrail은 API 감사 로그이며 적재 완료 이벤트 신호로 적합하지 않음.

해설

【핵심 용어】 ▸ AWS DataSync — 온프레↔AWS 파일 전송 자동화. 증분(변경분만) + 스케줄 + 다양한 포맷 지원. 【정답 포인트】 ▸ 5TB + 일 5% 증분 + 다양한 포맷 + 스케줄 = DataSync의 정확한 사용 사례. 검증·재시도·암호화 내장. 【오답 체크】 (B) Glue는 ETL용. 단순 파일 동기화엔 과잉. (C) Direct Connect는 네트워크 연결 자체이지 전송 자동화·스케줄 기능 아님. (D) S3 Transfer Acceleration은 업로드 속도 가속이지 자동 동기화·증분 전송 아님.

해설

【핵심 용어】 ▸ AWS DMS (Database Migration Service) — 동종/이종 DB 마이그레이션 + 지속 복제(CDC). 최소 다운타임이 핵심 강점. 【정답 포인트】 ▸ 매월 반복되는 SQL Server → RDS SQL Server 이전 + 다운타임 최소화 + 비용 효율 = DMS. 설정 후 변경분만 지속 동기화. 【오답 체크】 (A) Lambda는 직접 DB 마이그레이션 도구가 아님. (C) Direct Connect는 회선이지 DB 이전 도구 아님. (D) DataSync는 파일 시스템 동기화로 트랜잭션 DB엔 부적합.

해설

【핵심 용어】 ▸ Glue Trigger — 시간/이벤트 기반 ETL 잡 시작. 매시간 스케줄에 표준. ▸ Glue Connection — RDS·MongoDB 같은 데이터 소스에 안전하게 접속하는 메타데이터(SG·서브넷·자격). 【정답 포인트】 ▸ A(시간 트리거) — 매시간 자동 실행. ▸ D(Glue Connection) — RDS·MongoDB 접근의 표준 메커니즘. 【오답 체크】 (B) DataBrew는 데이터 정리 시각화 도구지 통합 ETL 오케스트레이션 아님. (C) Lambda 스케줄링은 가능하나 매시간 잡 호출 + 모니터링 직접 구현해야 해 운영 부담 증가. (E) Redshift Data API는 적재 후 쿼리용이지 ETL 트리거가 아님.

해설

【핵심 용어】 ▸ Concurrency Scaling — Redshift가 일시적으로 추가 클러스터를 자동 띄워 동시 쿼리 처리량 확장. 분 단위 과금. ▸ WLM Queue — 워크로드 관리 큐 단위로 우선순위·동시성 설정. 【정답 포인트】 ▸ Concurrency Scaling은 클러스터 생성 옵션이 아닌 WLM 큐별 설정. 큐 단위로 켜야 동작. 【오답 체크】 (A) Redshift Serverless는 별도 워크그룹 모델로 WLM·동시성 스케일링 개념 자체가 다름. (C) 클러스터 생성 시 옵션이 아님 — 사후 WLM 설정. (D) 일일 사용량 쿼터 같은 옵션은 존재하지 않음.

해설

【핵심 용어】 ▸ Step Functions Wait state — 지정 시간 또는 조건까지 대기. 폴링 패턴에 표준. ▸ Athena 쿼리는 비동기. start_query_execution → 폴링으로 결과 확인. 【정답 포인트】 ▸ A(Lambda + Boto3 start_query_execution) — Athena 쿼리 시작. ▸ B(Step Functions Wait + get_query_execution 폴링) — 15분 초과 쿼리도 안전하게 완료 대기. 【오답 체크】 (C)(D) Glue Python shell도 가능하지만 슬립 루프는 비용·관리 비효율. (E) MWAA + AWS Batch는 강력하지만 무거움. 비용 효율과 거리.

해설

【핵심 용어】 ▸ Amazon EMR — Hadoop 에코시스템(Pig·Oozie·Spark·HBase·Flink) 관리형. 페타바이트 규모 처리 표준. 【정답 포인트】 ▸ 기존 Pig·Oozie·Spark·HBase·Flink를 그대로 + 페타바이트 처리 = EMR이 가장 호환되는 선택. EMR Serverless로 서버리스도 가능. 【오답 체크】 (A) Glue는 Spark 기반이지만 Pig·Oozie·HBase 미지원. (C) Lambda는 페타바이트 ETL에 부적합. (D) Redshift는 ETL 엔진이 아닌 데이터 웨어하우스.