정답 · 해설

해설

【핵심 용어】 ▸ Glue DataBrew + Glue (ETL) + Redshift — 노코드 데이터 정리(DataBrew) → ETL 잡(Glue)으로 적재 → Redshift 분석. 모두 서버리스. 【정답 포인트】 ▸ 클린·전처리(DataBrew) + 적재(Glue) + 쿼리(Redshift) = 인프라 관리 0, 복잡 ETL 없이 가장 적은 운영. 【오답 체크】 (A) EMR 운영 부담. (C) Lambda + Firehose는 큰 데이터셋엔 부적합. (D) DMS는 DB 마이그레이션 — 변환·정리 도구 아님.

해설

【핵심 용어】 ▸ S3 VPC Gateway Endpoint — 무료. VPC 라우트 테이블에 추가하면 Lambda 등 VPC 안에서 인터넷 미경유로 S3 도달. 【정답 포인트】 ▸ Lambda(VPC) → S3 타임아웃 = 인터넷 경로 없음. Gateway Endpoint가 가장 비용 효율(무료). 【오답 체크】 (A) NAT Gateway는 비용 발생. (C) S3는 Interface Endpoint도 가능하지만 시간당 + 데이터 처리 비용 발생. (D) Internet Gateway는 보안 위배.

해설

【핵심 용어】 ▸ AWS Glue FindMatches (ML 변환) — 컬럼명/값이 다르더라도 동일 엔티티(같은 고객)를 ML로 매칭. 【정답 포인트】 ▸ 다른 DB·다른 컬럼명을 동일 고객으로 연결 + 최소 운영 = Glue 크롤러 + FindMatches. 학습 데이터 약간만 제공하면 자동. 【오답 체크】 (A) EMR 클러스터 직접 운영 부담. (C) SageMaker Spark ML 직접 구축 부담. (D) EMR + 직접 모델 학습 = 가장 무거운 옵션.

해설

【핵심 용어】 ▸ Glue Crawler 테이블 분리 원인 — (1) 같은 폴더 안 객체의 포맷/압축/스키마가 다르면 다른 테이블로 분리. (2) 폴더 구조(prefix)가 일관되지 않아도 분리. 【정답 포인트】 ▸ A(포맷·압축·스키마 일치) + D(prefix 구조 일관) = 단일 테이블로 카탈로깅하기 위한 표준 조건. 【오답 체크】 (B) 압축 일치 안 해도 됨은 사실과 다름 — 일치해야 단일 테이블. (C) 포맷·압축 일관성 무시도 단일 테이블 보장 못 함. (E) '비슷한 패턴'은 모호 — '구조 일관'이 정확.

해설

【핵심 용어】 ▸ SQS Message Retention Period — 메시지 보관 기간(최대 14일). ▸ Dead-Letter Queue (DLQ) — 처리 실패/만료 직전 메시지를 별도 큐로 이동해 데이터 보존·디버깅. 【정답 포인트】 ▸ A(보관 기간 연장) + C(DLQ 부착) = 만료로 인한 데이터 손실 최소화. 【오답 체크】 (B) Visibility timeout은 처리 중 잠금 시간 — 만료와 무관. (D) Delay queue는 시작 지연 — 데이터 손실 방지 아님. (E) 처리 시간 단축은 도움이 되지만 다운타임 자체엔 효과 없음.

해설

【핵심 용어】 ▸ OpenSearch Dashboards — OpenSearch Service 내장 시각화. 같은 도메인에 데이터가 있으면 즉시 시각화, 추가 ETL 0. 【정답 포인트】 ▸ near real-time + 최소 지연 = 같은 OpenSearch에 저장된 데이터를 OpenSearch Dashboards로 직접. S3/Athena 경유 안 함. 【오답 체크】 (B) Athena Hive + Grafana = S3 경유 + Avro 파싱 지연. (C) Athena + QuickSight = 경로 길고 지연 큼. (D) S3 Select + QuickSight = Avro Select 비효율 + 새로고침 지연.

해설

【핵심 용어】 ▸ Kinesis Data Firehose + Lambda 변환 → OpenSearch — 관리형 적재 + 변환. 직접 컨슈머 코드 X. 【정답 포인트】 ▸ KDS → Firehose(Lambda 변환) → OpenSearch = 가장 가벼운 관리형 경로. 자동 버퍼링·재시도·확장. 【오답 체크】 (B) Logstash는 운영 부담 큼. (C) Lambda → Kinesis Agent는 비표준 조합. (D) KCL은 직접 컨슈머 코드 작성·운영 부담.

해설

【핵심 용어】 ▸ Lake Formation Row-level Filter — 특정 조건을 만족하는 행을 사용자 그룹으로부터 숨김. 컬럼 단위와 별개. 【정답 포인트】 ▸ '캐나다 고객 행 차단' = 행 단위 필터. 'country = Canada' 조건의 행을 제외. 【오답 체크】 (B) IAM은 행 단위 필터 표현 어려움. (C) 컬럼 필터는 컬럼 숨김 — 행 차단 아님. (D) 태그 기반 행 차단은 직접 구현 부담.

해설

【핵심 용어】 ▸ Redshift IdP 등록 — Query Editor v2/IAM Identity Center 통합 시 Redshift 콘솔 또는 SQL로 외부 IdP를 등록 → 로그인 페더레이션. 【정답 포인트】 ▸ Redshift Query Editor 페더레이션 첫 단계 = Redshift 안에서 IdP 등록(CREATE IDENTITY PROVIDER 등). Cluster 콘솔 설정이 아닌 DB 객체 등록. 【오답 체크】 (A) 클러스터 설정에는 IdP 등록 항목이 없음. (C) Secrets Manager는 자격 저장 — IdP 등록 도구가 아님. (D) ACM은 인증서 관리 — IdP와 무관.

해설

【핵심 용어】 ▸ EMR Compute Optimized (C5/C6) — CPU 집중 워크로드. 같은 CPU 성능에 메모리·비용 낮음. ▸ 메모리 30% 미만 + CPU 100% 도달 = CPU 바운드 워크로드 신호. 【정답 포인트】 ▸ CPU 바운드 + 메모리 여유 = compute-optimized 노드. 동일 vCPU에 더 적은 메모리·비용으로 절감. 【오답 체크】 (A) 노드 더 추가는 비용 증가. (B) 메모리 최적화는 메모리 여유 상황과 반대. (D) 쿨다운 단축은 스케일 빈도 영향이지 노드 효율과 무관.

해설

【핵심 용어】 ▸ Redshift UPSERT 패턴 — 스테이징 테이블에 신규 데이터 적재 → MERGE/UPDATE/INSERT로 본 테이블 갱신. 중복 방지의 표준. 【정답 포인트】 ▸ 스테이징 테이블 + UPDATE 기존 행 + INSERT 신규 행 = 중복 없는 갱신. 【오답 체크】 (B) MySQL 우회는 불필요한 인프라. (C) Spark dropDuplicates만으론 본 테이블의 기존 행과 중복 판단 못 함. (D) ResolveChoice는 스키마 충돌 해결이지 dedup 아님.

해설

【핵심 용어】 ▸ Redshift COPY 단일 명령 — 여러 파일 경로(매니페스트 또는 prefix)를 한 번에 입력하면 클러스터의 모든 슬라이스가 병렬 적재. 【정답 포인트】 ▸ 단일 COPY = 클러스터 슬라이스 풀 활용으로 최대 처리량. 여러 COPY 호출은 트랜잭션 오버헤드 + 부하 분산 부족. 【오답 체크】 (A) 다중 COPY = 병렬도 떨어짐. (B) S3DistCp + HDFS 우회는 추가 단계. (C) INSERT는 가장 느린 적재 방식.

해설

【핵심 용어】 ▸ Lake Formation FindMatches Transform — ML 기반 fuzzy 매칭. 공통 키 없어도 같은 엔티티 식별. 【정답 포인트】 ▸ 공통 ID 없는 매칭 = FindMatches. Glue ETL 파이프라인에서 변환으로 사용. 【오답 체크】 (A) Macie는 PII 탐지. (B) Filter 클래스는 일반 필터링. (C) 파티션은 매칭 도구 아님.

해설

【핵심 용어】 ▸ Athena 쿼리 = S3 prefix/path 기반. 같은 폴더에 .json이 있으면 크롤러 exclude 여부와 별개로 Athena가 읽으려 시도(스키마 추론 충돌). 【정답 포인트】 ▸ .json을 다른 path로 이동 = Athena가 아예 안 보게 + .csv 접근 영향 0. 【오답 체크】 (A) 크롤러 exclude를 해도 같은 path면 Athena가 여전히 읽음. (B) Athena 콘솔로 exclude는 표준 기능 아님. (D) 버킷 정책 차단은 .csv 접근에도 영향.

해설

【핵심 용어】 ▸ KMS 암호화 객체 읽기 = S3 권한 + KMS 키 권한(kms:Decrypt) 둘 다 필요. 【정답 포인트】 ▸ Lambda role에 S3 권한만 있고 KMS Decrypt 권한 누락 = 객체 읽기 실패. KMS 정책에 Lambda role 허용 추가. 【오답 체크】 (A) S3 권한 자체는 설정됨. (B) SDK 버전 문제는 일반적 원인 아님. (C) 다른 리전이라도 권한이면 동작.

해설

【핵심 용어】 ▸ AWS Glue Data Quality API — 룰 생성/수정/삭제를 프로그램적으로. Lambda + Boto3로 1,000개 테이블 일괄 처리. 【정답 포인트】 ▸ 1,000개 룰 일괄 수정 + 최소 운영 = Lambda + Glue Data Quality API 호출. 코드 한 번 작성으로 모두 처리. 【오답 체크】 (A) 1,000개 잡 생성·관리 부담 큼. (C) EMR은 과도. (D) 콘솔 수동 편집 = 1,000개면 비현실적.

해설

【핵심 용어】 ▸ git rebase master — 현재 브랜치를 master 최신 위에 재정렬. 머지 충돌을 PR 전에 해결. 【정답 포인트】 ▸ Branch A가 이미 머지된 상태에서 Branch B의 PR 직전 = master rebase로 최신 변경분 반영. 깔끔한 히스토리. 【오답 체크】 (A) git diff + commit는 의미 없음. (B) git pull master는 잘못된 문법(원격 추적 브랜치 필요). (D) git fetch -b는 표준 옵션 아님.

해설

【핵심 용어】 ▸ Compound Sort Key — 정의된 컬럼 순서대로 leftmost prefix 일치 시 효율적. 첫 컬럼 없이 두 번째 컬럼만 쿼리하면 효과 작음. 【정답 포인트】 ▸ A(첫 컬럼만) — 정렬 키 첫 컬럼 매치, 매우 효율. ▸ B(첫+두 번째 순서) — 정확한 prefix 매치, 매우 효율. 【오답 체크】 (C) WHERE 순서는 옵티마이저가 처리하지만 prefix는 의미상 leftmost가 핵심 — B가 더 정렬 키 활용. (D) Role ID만(가장 오른쪽) 사용은 prefix 무시 — 정렬 키 활용 못 함. (E) Role ID(3번째)만 단독 매치는 첫·두 번째 건너뜀 — 비효율.

해설

【핵심 용어】 ▸ Glue Dynamic Frame file-grouping — 작은 파일을 자동으로 그룹화해 단일 파티션으로 처리. 1KB JSON 수백만 개 같은 small files 문제 해결. 【정답 포인트】 ▸ 수백만 1KB 파일 = small files 문제. file-grouping 옵션 켜면 처리 시간 대폭 감소. 【오답 체크】 (A) Lambda 사전 그룹핑은 추가 단계. (C) Redshift COPY는 직접 적재이지만 변환·Parquet 단계 없음. (D) EMR 그룹핑은 인프라 부담.

해설

【핵심 용어】 ▸ MWAA 로그 스트림 — WebServer/Scheduler/DAGProcessing/Worker/Task. 워크플로 실행 실패 진단은 Task 로그가 핵심. 【정답 포인트】 ▸ 워크플로 실패 원인 = Task 로그(Operator 단위 stdout/stderr). 【오답 체크】 (A) WebServer는 UI. (B) Scheduler는 DAG 트리거. (C) DAGProcessing은 DAG 파일 파싱.