정답 · 해설

해설

【핵심 용어】 ▸ Redshift ML — Redshift에서 SageMaker 모델을 SQL로 호출. 기존 모델 endpoint 호출도 SQL UDF로 통합. 【정답 포인트】 ▸ A(Redshift ML로 추천 생성) — Redshift 안에서 SQL로 ML 호출. ▸ B(SQL로 원격 SageMaker endpoint 호출) — 이미 배포된 endpoint를 SQL UDF로 사용. 【오답 체크】 (C) 정기 export로 오프라인 학습 = 실시간 추천 시나리오와 다름. (D) SageMaker Autopilot이 Redshift 대시보드를 만드는 게 아님. (E) Redshift를 파일 보관용으로 쓰는 건 비용 비효율.

해설

【핵심 용어】 ▸ AWS Glue DataBrew Recipe — 컬럼 이름 변경, 행 제외, 새 컬럼 생성, 필터링 등을 GUI에서 클릭만으로. 코드 0. 【정답 포인트】 ▸ 컬럼 rename·삭제·새 컬럼·필터링 = DataBrew 레시피의 표준 변환 모음. 가장 적은 개발 노력. 【오답 체크】 (A) Python 잡은 코드 작성 부담. (B) 커스텀 크롤러로 변환 불가 — 크롤러는 메타데이터만. (C) 워크플로 + 다중 잡은 과한 구조.

해설

【핵심 용어】 ▸ Redshift ANALYZE COMPRESSION — 각 컬럼에 대한 권장 압축 인코딩을 분석·제안. 결과로 ALTER TABLE 또는 재로드. 【정답 포인트】 ▸ '최적 인코딩 추천' = ANALYZE COMPRESSION. ANALYZE(통계 갱신)와 다름. 【오답 체크】 (A) ANALYZE는 옵티마이저 통계용 — 압축 분석 아님. (C) VACUUM REINDEX는 인터리브 정렬 키 인덱스 재구성. (D) RECLUSTER 옵션은 표준 명령 아님.

해설

【핵심 용어】 ▸ S3 Lifecycle 30일 후 Standard-IA — 처음 30일은 즉시 접근 가능 + 이후 가끔 접근 + 비용 절감. 【정답 포인트】 ▸ '30일 즉시 + 이후 드문 접근' 패턴 = Standard-IA 전환. 가장 직접적인 비용 절감. 【오답 체크】 (B) Intelligent-Tiering은 패턴이 명확할 때 오버엔지니어링. (C) Glacier Deep Archive는 즉시 접근 X. (D) 처음부터 Standard-IA = 30일 안에 접근하면 검색 비용 부담.

해설

【핵심 용어】 ▸ QuickSight LAC-A (Level-Aware Calculation - Aggregate) — 시각화의 드릴다운 레벨에 관계없이 지정된 레벨로 집계. 예: 리전 총합 유지. 【정답 포인트】 ▸ 드릴다운에 관계없이 리전 총합 유지 = LAC-A 함수. 【오답 체크】 (A) 테이블 계산은 행 단위. (B) 단순 계산 필드는 레벨 인지 없음. (D) LAC-W는 윈도 기반 — 집계 레벨 고정과 다름.

해설

【핵심 용어】 ▸ Amazon Macie — S3 객체에서 PII·금융정보 자동 분류·탐지. Automated Sensitive Data Discovery로 지속 모니터. 【정답 포인트】 ▸ PII 자동 탐지 + 최소 수동 = Macie. 직접 코드 작성·유지 불필요. 【오답 체크】 (B) CloudTrail은 API 호출 로그 — PII 콘텐츠 탐지 도구 아님. (C) Lambda 직접 PII 탐지는 코드 작성·유지. (D) SQL 쿼리는 잠재 PII 패턴 직접 정의 — 운영 부담.

해설

【핵심 용어】 ▸ Athena CREATE TABLE AS SELECT ... WITH NO DATA — 스키마 복제 + 데이터 0행. 빈 동일 스키마 테이블 생성의 표준. 【정답 포인트】 ▸ 빈 카피 = CTAS WITH NO DATA. 【오답 체크】 (A) LIKE 구문은 Athena Trino에선 표준 호환 일부 한정. (C) WITH NO DATA 없으면 데이터까지 복제. (D) WHERE 1=1은 모든 행 — 데이터 복제됨.

해설

【핵심 용어】 ▸ Athena 쿼리에 데이터 없음 = (1) 잘못된 S3 경로 + (2) 새 파티션이 카탈로그에 등록 안 됨. 【정답 포인트】 ▸ A(S3 경로 확인) + C(MSCK REPAIR로 파티션 발견) = 두 가지 일반 원인 모두 해결. 【오답 체크】 (B) 타임아웃은 데이터가 없는 원인이 아님. (D) 재시작은 의미 없음. (E) 테이블 재생성 전에 점검·복구가 우선.

해설

【핵심 용어】 ▸ Amazon MWAA — Python DAG로 EMR/HTTP/Salesforce/Redshift 등 다양한 오퍼레이터 사용. 자동 재시도·실패 처리 내장. 【정답 포인트】 ▸ Python 오케스트레이션 + 다양한 외부 시스템 + 재시도 = MWAA. Airflow의 BashOperator·SparkSubmitOperator·HttpOperator·RedshiftOperator 등. 【오답 체크】 (B) Step Functions는 가능하지만 Python 코드보다 ASL JSON. (C) Glue는 Glue 잡·크롤러 한정. (D) EventBridge는 단순 트리거.

해설

【핵심 용어】 ▸ Lambda Layer — 공통 코드/라이브러리를 패키지화하여 여러 함수가 공유. 한 번 업데이트로 일괄 반영. 【정답 포인트】 ▸ 여러 Lambda에서 같은 Python 스크립트 공유 + 일괄 갱신 = Lambda Layer. 【오답 체크】 (A) execution context 객체에 포인터는 비표준. (C) S3 + 환경 변수는 함수마다 직접 다운로드 로직 필요. (D) Alias는 버전 라우팅 — 코드 공유 메커니즘 아님.

해설

【핵심 용어】 ▸ S3 Object Lambda — S3 GET 요청 경로에 Lambda 끼워 응답을 동적으로 변환. PII 마스킹·요약. ▸ Amazon Comprehend Detect PII — 텍스트에서 PII 탐지. 【정답 포인트】 ▸ 같은 데이터 + 팀별 다른 마스킹 + 최소 운영 = Object Lambda + Comprehend. 데이터 복제 0. 【오답 체크】 (A) Macie는 탐지지만 마스킹 변환 직접 아님. (C) Firehose 변환은 인입 단계 — 기존 데이터에 적용 어려움. (D) DataBrew로 별도 버킷은 데이터 중복.

해설

【핵심 용어】 ▸ CloudTrail Data Events for S3 — 객체 단위 PUT/GET/DELETE 등 사용자별 이벤트 기록 + IAM 사용자명 포함. CloudWatch로 알람. 【정답 포인트】 ▸ 객체 단위 + 사용자명 = CloudTrail Data Events. CloudWatch 알람으로 위반 감지. 【오답 체크】 (A) Config는 리소스 구성 변경 — 객체 액세스 위반 아님. (B) CloudWatch 객체 메트릭은 사용자명 단위 알람 어려움. (D) S3 server access logs는 사용자명 일부 한정 — CloudTrail이 더 정확.

해설

【핵심 용어】 ▸ Redshift SUPER 데이터 타입 — JSON 등 반정형 데이터를 그대로 저장. PartiQL로 쿼리. 변환 단계 0. 【정답 포인트】 ▸ 일부 컬럼이 JSON + 최소 노력 = SUPER 컬럼. AWS Glue로 평탄화 불필요. 【오답 체크】 (B) Glue 평탄화 = 추가 ETL 단계. (C) Athena 사용은 Redshift DW 통합 어색. (D) Lambda 평탄화도 추가 단계.

해설

【핵심 용어】 ▸ Amazon AppFlow + Salesforce — SaaS 통합 관리형, 스케줄·필터 내장. ▸ AWS Glue + MySQL JDBC — DB 데이터 인입. ▸ Step Functions — 오케스트레이션 (MWAA 대비 가벼움). 【정답 포인트】 ▸ Salesforce(AppFlow) + MySQL(Glue) + 매일 야간 = Step Functions로 가볍게 오케스트레이션. 최소 운영. 【오답 체크】 (A) MWAA는 무거움. (B) MWAA 무거움. (D) Kinesis + Flink는 실시간용 — 매일 1회 시나리오에 과한 인프라.

해설

【핵심 용어】 ▸ S3 Lifecycle Configuration — 객체 나이 기반 자동 만료/이동. 추가 인프라 0, 직접 코드 0. 【정답 포인트】 ▸ 1년 후 자동 삭제 + 최소 운영 = Lifecycle expiration 규칙. 가장 직접적. 【오답 체크】 (B) Lambda 직접 삭제 = 코드 작성·유지. (C) EC2 cron = 인프라 운영. (D) Step Functions도 추가 컴포넌트.

해설

【핵심 용어】 ▸ Step Functions Choice State — 입력 데이터 조건에 따라 분기. 예: 데이터 타입에 따라 다른 변환 경로. 【정답 포인트】 ▸ 데이터 내용에 따라 분기 = Choice. 가장 직관적. 【오답 체크】 (A) Parallel은 동시 분기 실행. (C) Task는 단일 작업. (D) Map은 컬렉션 반복.

해설

【핵심 용어】 ▸ CloudTrail 에러 분석 = WHERE errorcode IS NOT NULL + 시간 필터 + GROUP BY + ORDER BY count DESC + LIMIT. 【정답 포인트】 ▸ 에러만 + 2024년 이후 + 가장 빈번한 10개 = errorcode IS NOT NULL + eventtime ≥ 2024-01-01 + count DESC + LIMIT 10. 【오답 체크】 (B) errorcode IS NOT NULL 누락 — 정상 이벤트도 포함. (C) ORDER BY eventname asc는 빈도순 아님. (D) ORDER BY 누락 = 가장 최근/빈번 보장 안 됨.

해설

【핵심 용어】 ▸ Amazon Macie — S3 PII 자동 탐지·분류. 최소 운영. 【정답 포인트】 ▸ S3 + PII 탐지 + 최소 운영 = Macie. 【오답 체크】 (A) Textract는 OCR. (B) Storage Lens는 비용·사용 분석. (D) SageMaker Data Wrangler는 ML 데이터 준비 — PII 탐지 도구 아님.

해설

【핵심 용어】 ▸ Redshift RBAC (Role-Based Access Control) — 데이터베이스 role을 만들고 SCHEMA/TABLE/COLUMN 권한을 role에 부여 → 사용자에게 role 할당. 【정답 포인트】 ▸ 100명 사용자 + 직무·민감도 기반 권한 = RBAC. 객체 단위 grant + role 할당으로 관리 단순화. 【오답 체크】 (B) RLS만으론 객체 단위 권한 부족. (C) CLS만으론 컬럼 단위 한정. (D) DDM은 마스킹이지 객체 권한 아님.

해설

【핵심 용어】 ▸ Glue Data Quality DQDL Ruleset — 특정 Glue 테이블에 룰 적용 + 일정 실행. ▸ Amazon DataZone Glue 데이터 소스 — 데이터 품질 점수를 포털에 자동 게시. 【정답 포인트】 ▸ DQDL 룰 + Glue 테이블 + DataZone Glue 데이터 소스 + 데이터 품질 활성화 = DataZone에 점수 표시. 【오답 체크】 (A) DataZone에 Redshift 소스로는 Glue 테이블 룰 점수 게시 어색. (B) ETL 잡 변환 룰은 잡 결과지 카탈로그 테이블 단위 점수 게시 패턴 다름. (D) Redshift 소스 + 잡 룰 조합은 표준 패턴 아님.