SAA-C03

정답 · 해설

각 문제의 정답과 상세 해설을 정리했습니다. 핵심 용어, 정답 근거, 오답 체크, 시험 포인트까지 읽으며 복습하세요.

11 / 41 페이지

문제 327

솔루션 설계자는 Amazon EC2 인스턴스를 호스팅하는 VPC 네트워크를 보호해야 합니다. EC2 인스턴스는 매우 민감한 데이터를 포함하고 프라이빗 서브넷에서 실행됩니다. 회사 정책에 따라 VPC 에서 실행되는 EC2 인스턴스는 타사 URL 을 사용하는 소프트웨어 제품 업데이트를 위해 인터넷에서 승인된 타사 소프트웨어 리포지토리에만 액세스할 수 있습니다. 다른 인터넷 트래픽은 차단되어야 합니다. 어떤 솔루션이 이러한 요구 사항을 충족합니까?

A. 아웃바운드 트래픽을 AWS 네트워크 방화벽 방화벽으로 라우팅하도록 프라이빗 서브넷의 라우팅 테이블을 업데이트합니다. 도메인 목록 규칙 그룹을 구성합니다.✓ 정답
B. AWS WAF 웹 ACL 을 설정합니다. 소스 및 대상 IP 주소 범위 집합을 기반으로 트래픽 요청을 필터링하는 사용자 지정 규칙 집합을 만듭니다.
C. 엄격한 인바운드 보안 그룹 규칙을 구현합니다. URL 을 지정하여 인터넷에서 승인된 소프트웨어 리포지토리에 대한 트래픽만 허용하는 아웃바운드 규칙을 구성합니다.
D. EC2 인스턴스 앞에 Application Load Balancer(ALB)를 구성합니다. 모든 아웃바운드 트래픽을 ALB로 보냅니다. 인터넷에 대한 아웃바운드 액세스를 위해 ALB의 대상 그룹에서 URL 기반 규칙 리스너를 사용합니다.

해설

【핵심 용어】 ▸ AWS 서비스 — 정의 및 용도 ▸ 아키텍처 패턴 — 설계 원칙 【정답 포인트】 ▸ 요구사항 분석 및 최적 서비스 선택 【오답 체크】 ▸ 다른 옵션들은 특정 요구사항 미충족 【시험 포인트】 ▸ 요구사항-서비스 매핑 능력 필수 ▸ 비용, 성능, 관리 편의성 종합 평가

문제 328

한 회사가 AWS 클라우드에서 3 계층 전자상거래 애플리케이션을 호스팅하고 있습니다. 회사는 Amazon S3 에서 웹사이트를 호스팅하고 웹사이트를 판매 요청을 처리하는 API 와 통합합니다. 이 회사는 ALB(Application Load Balancer) 뒤에 있는 3 개의 Amazon EC2 인스턴스에서 API 를 호스팅합니다. API 는 판매 요청을 비동기식으로 처리하는 백엔드 작업자와 함께 정적 및 동적 프런트 엔드 콘텐츠로 구성됩니다. 회사는 신제품 출시 이벤트 기간 동안 판매 요청 건수가 급격하게 급증할 것으로 예상하고 있다. 모든 요청이 성공적으로 처리되도록 하려면 솔루션 설계자가 무엇을 권장해야 합니까?

A. 동적 콘텐츠에 대한 Amazon CloudFront 배포를 추가합니다. 트래픽 증가를 처리하기 위해 EC2 인스턴스 수를 늘립니다.
B. 정적 콘텐츠에 대한 Amazon CloudFront 배포를 추가합니다. Auto Scaling 그룹에 EC2 인스턴스를 배치하여 네트워크 트래픽을 기반으로 새 인스턴스를 시작합니다.
C. 동적 콘텐츠에 대한 Amazon CloudFront 배포를 추가합니다. ALB 앞에 Amazon ElastiCache 인스턴스를 추가하여 API가 처리할 트래픽을 줄입니다.
D. 정적 콘텐츠에 대한 Amazon CloudFront 배포를 추가합니다. Amazon Simple Queue Service(Amazon SQS) 대기열을 추가하여 나중에 EC2 인스턴스에서 처리할 수 있도록 웹 사이트에서 요청을 수신합니다.✓ 정답

해설

문제 329

보안 감사 결과 Amazon EC2 인스턴스가 정기적으로 패치되지 않는 것으로 나타났습니다. 솔루션 설계자는 대규모 EC2 인스턴스 전체에 대해 정기적인 보안 스캔을 실행할 솔루션을 제공해야 합니다. 또한 솔루션은 정기적으로 EC2 인스턴스를 패치하고 각 인스턴스의 패치 상태에 대한 보고서를 제공해야 합니다. 이러한 요구 사항을 충족하는 솔루션은 무엇입니까?

A. EC2 인스턴스에서 소프트웨어 취약성을 스캔하도록 Amazon Macie 를 설정합니다. 각 EC2 인스턴스에서 cron 작업을 설정하여 정기적인 일정에 따라 인스턴스를 패치합니다.
B. 계정에서 Amazon GuardDuty 를 켭니다. 소프트웨어 취약성에 대해 EC2 인스턴스를 스캔하도록 GuardDuty 를 구성합니다. 정기적인 일정에 따라 EC2 인스턴스를 패치하도록 AWS Systems Manager Session Manager를 설정합니다.
C. 소프트웨어 취약성에 대해 EC2 인스턴스를 스캔하도록 Amazon Detective를 설정합니다. 정기적인 일정에 따라 EC2 인스턴스를 패치하도록 Amazon EventBridge 예약 규칙을 설정합니다.
D. 계정에서 Amazon Inspector 를 켭니다. 소프트웨어 취약성에 대해 EC2 인스턴스를 스캔하도록 Amazon Inspector 를 구성합니다. 정기적인 일정에 따라 EC2 인스턴스를 패치하도록 AWS Systems Manager Patch Manager를 설정합니다.✓ 정답

해설

문제 330

회사에서 Amazon RDS DB 인스턴스에 데이터를 저장할 계획입니다. 회사는 미사용 데이터를 암호화해야 합니다. 솔루션 설계자는 이 요구 사항을 충족하기 위해 무엇을 해야 합니까?

A. AWS Key Management Service(AWS KMS)에서 키를 생성합니다. DB 인스턴스에 대한 암호화를 활성화합니다.✓ 정답
B. 암호화 키를 생성합니다. AWS Secrets Manager에 키를 저장합니다. 키를 사용하여 DB 인스턴스를 암호화합니다.
C. AWS Certificate Manager(ACM)에서 인증서를 생성합니다. 인증서를 사용하여 DB 인스턴스에서 SSL/TLS를 활성화합니다.
D. AWS Identity and Access Management(IAM)에서 인증서를 생성합니다. 인증서를 사용하여 DB 인스턴스에서 SSL/TLS를 활성화합니다.

해설

문제 331

회사는 30일 이내에 데이터 센터에서 AWS 클라우드로 20TB의 데이터를 마이그레이션해야 합니다. 회사의 네트워크 대역폭은 15Mbps 로 제한되며 사용률이 70%를 초과할 수 없습니다. 솔루션 설계자는 이러한 요구 사항을 충족하기 위해 무엇을 해야 합니까?

A. AWS Snowball을 사용하십시오.✓ 정답
B. AWS DataSync를 사용합니다.
C. 안전한 VPN 연결을 사용하십시오.
D. Amazon S3 Transfer Acceleration을 사용합니다.

해설

문제 332

회사는 직원들에게 기밀 및 민감한 파일에 대한 안전한 액세스를 제공해야 합니다. 회사는 권한이 있는 사용자만 파일에 액세스할 수 있기를 원합니다. 파일은 직원의 장치에 안전하게 다운로드되어야 합니다. 파일은 온프레미스 Windows 파일 서버에 저장됩니다. 그러나 원격 사용량의 증가로 인해 파일 서버의 용량이 부족합니다. 이러한 요구 사항을 충족하는 솔루션은 무엇입니까?

A. 파일 서버를 퍼블릭 서브넷의 Amazon EC2 인스턴스로 마이그레이션합니다. 인바운드 트래픽을 직원의 IP 주소로 제한하도록 보안 그룹을 구성합니다.
B. 파일을 Amazon FSx for Windows File Server 파일 시스템으로 마이그레이션합니다. Amazon FSx 파일 시스템을 온프레미스 Active Directory 와 통합합니다. AWS 클라이언트 VPN을 구성합니다.✓ 정답
C. 파일을 Amazon S3 로 마이그레이션하고 프라이빗 VPC 엔드포인트를 생성합니다. 다운로드를 허용하려면 서명된 URL을 만듭니다.
D. 파일을 Amazon S3 로 마이그레이션하고 퍼블릭 VPC 엔드포인트를 생성합니다. 직원이 AWS IAM Identity Center(AWS Single Sign-On)로 로그인하도록 허용합니다.

해설

문제 333

회사의 애플리케이션은 ALB(Application Load Balancer) 뒤의 Amazon EC2 인스턴스에서 실행됩니다. 인스턴스는 여러 가용 영역에 걸쳐 Amazon EC2 Auto Scaling 그룹에서 실행됩니다. 매월 1 일 자정에 월말 재무 계산 일괄 처리가 실행되면 응용 프로그램이 훨씬 느려집니다. 이로 인해 EC2 인스턴스의 CPU 사용률이 즉시 100%에 도달하여 애플리케이션이 중단됩니다. 애플리케이션이 워크로드를 처리하고 다운타임을 방지할 수 있도록 하기 위해 솔루션 설계자는 무엇을 권장해야 합니까?

A. ALB 앞에 Amazon CloudFront 배포를 구성합니다.
B. CPU 사용률을 기반으로 EC2 Auto Scaling 단순 조정 정책을 구성합니다.
C. 월별 일정을 기반으로 EC2 Auto Scaling 예약 조정 정책을 구성합니다.✓ 정답
D. EC2 인스턴스에서 일부 워크로드를 제거하도록 Amazon ElastiCache를 구성합니다.

해설

문제 334

회사는 고객이 온프레미스 Microsoft Active Directory 를 사용하여 Amazon S3 에 저장된 파일을 다운로드할 수 있는 기능을 제공하려고 합니다. 고객의 애플리케이션은 SFTP 클라이언트를 사용하여 파일을 다운로드합니다. 운영 오버헤드를 최소화하고 고객의 애플리케이션을 변경하지 않으면서 이러한 요구 사항을 충족하는 솔루션은 무엇입니까?

A. Amazon S3 용 SFTP 로 AWS Transfer Family 를 설정합니다. 통합된 Active Directory 인증을 구성합니다.✓ 정답
B. 온프레미스 클라이언트를 Amazon S3 와 동기화하도록 AWS DMS(AWS Database Migration Service)를 설정합니다. 통합된 Active Directory 인증을 구성합니다.
C. AWS IAM Identity Center(AWS Single Sign-On)를 사용하여 온프레미스 위치와 S3 위치 간에 동기화하도록 AWS DataSync를 설정합니다.
D. SFTP로 Windows Amazon EC2 인스턴스를 설정하여 온프레미스 클라이언트를 Amazon S3와 연결합니다. AWS Identity and Access Management(IAM)를 통합합니다.

해설

문제 335

회사에서 갑자기 수요가 증가하고 있습니다. 회사는 Amazon 머신 이미지(AMI)에서 대규모 Amazon EC2 인스턴스를 프로비저닝해야 합니다. 인스턴스는 Auto Scaling 그룹에서 실행됩니다. 회사는 요구 사항을 충족하기 위해 최소 초기화 대기 시간을 제공하는 솔루션이 필요합니다. 어떤 솔루션이 이러한 요구 사항을 충족합니까?

A. aws ec2 register-image 명령을 사용하여 스냅샷에서 AMI 를 생성합니다. AWS Step Functions를 사용하여 Auto Scaling 그룹의 AMI를 교체하십시오.
B. 스냅샷에서 Amazon Elastic Block Store(Amazon EBS) 빠른 스냅샷 복원을 활성화합니다. 스냅샷을 사용하여 AMI 를 프로비저닝합니다. Auto Scaling 그룹의 AMI 를 새 AMI 로 교체합니다.✓ 정답
C. Amazon Data Lifecycle Manager(Amazon DLM)에서 AMI 생성을 활성화하고 수명 주기 규칙을 정의합니다. Auto Scaling 그룹에서 AMI 를 수정하는 AWS Lambda 함수를 생성합니다.
D. Amazon EventBridge를 사용하여 AMI를 프로비저닝하는 AWS Backup 수명 주기 정책을 호출합니다. EventBridge에서 Auto Scaling 그룹 용량 제한을 이벤트 소스로 구성합니다.

해설

【핵심 용어】 ▸ EBS 빠른 스냅샷 복원(FSR) — 스냅샷 초기화 시간 단축 (90%+ 개선) ▸ "최소 초기화 대기 시간" → 인스턴스 부팅 시간 최소화 ▸ AMI ← 스냅샷 ← FSR → 빠른 볼륨 생성 【정답 포인트】 ▸ "최소 초기화 대기" → EBS FSR 기술만 가능 ▸ FSR은 스냅샷 복원 시간 획기적 단축 (수분 → 초단위) ▸ Auto Scaling 그룹 + FSR 스냅샷 AMI = 빠른 인스턴스 기동 ▸ 비용 효율적 (스냅샷 기반) 【오답 체크】 (A) register-image + Step Functions는 수동 프로세스, 초기화 시간 개선 안 함 (C) DLM은 스냅샷 관리, FSR 미사용 → 초기화 시간 개선 없음 (D) EventBridge + Backup은 복구 오케스트레이션, 스냅샷 성능 향상 안 함 【시험 포인트】 패턴: "부팅 시간 최소화" → EBS FSR | "일반 스냅샷" = 느린 복원 최적화: FSR 스냅샷 + AMI = 초단위 인스턴스 프로비저닝

문제 336

회사는 Amazon Aurora MySQL DB 클러스터를 스토리지로 사용하는 다중 계층 웹 애플리케이션을 호스팅합니다. 애플리케이션 계층은 Amazon EC2 인스턴스에서 호스팅됩니다. 회사의 IT 보안 지침에 따라 데이터베이스 자격 증명을 암호화하고 14일마다 교체해야 합니다. 최소한의 운영 노력으로 이 요구 사항을 충족하려면 솔루션 설계자가 무엇을 해야 합니까?

A. 새 AWS Key Management Service(AWS KMS) 암호화 키를 생성합니다. AWS Secrets Manager 를 사용하여 적절한 자격 증명과 함께 KMS 키를 사용하는 새 암호를 생성합니다. 암호를 Aurora DB 클러스터와 연결합니다. 14일의 사용자 지정 순환 기간을 구성합니다.✓ 정답
B. AWS Systems Manager Parameter Store 에서 두 개의 매개변수를 생성합니다. 하나는 사용자 이름을 문자열 매개변수로 사용하고 다른 하나는 SecureString 유형을 암호로 사용합니다. 암호 매개변수에 대해 AWS Key Management Service(AWS KMS) 암호화를 선택하고 애플리케이션 계층에서 이러한 매개변수를 로드합니다. 14일마다 암호를 교체하는 AWS Lambda 함수를 구현합니다.
C. 자격 증명이 포함된 파일을 AWS KMS(AWS Key Management Service) 암호화 Amazon Elastic File System(Amazon EFS) 파일 시스템에 저장합니다. 애플리케이션 계층의 모든 EC2 인스턴스에 EFS 파일 시스템을 탑재합니다. 응용 프로그램이 파일을 읽을 수 있고 슈퍼 사용자만 파일을 수정할 수 있도록 파일 시스템의 파일에 대한 액세스를 제한합니다. 14 일마다 Aurora 에서 키를 교체하고 새 자격 증명을 파일에 쓰는 AWS Lambda 함수를 구현합니다.
D. 애플리케이션이 자격 증명을 로드하는 데 사용하는 AWS KMS(AWS Key Management Service) 암호화 Amazon S3 버킷에 자격 증명이 포함된 파일을 저장합니다. 올바른 자격 증명이 사용되도록 정기적으로 파일을 응용 프로그램에 다운로드하십시오. 14일마다 Aurora 자격 증명을 교체하고 이 자격 증명을 S3 버킷의 파일에 업로드하는 AWS Lambda 함수를 구현합니다.

해설

【핵심 용어】 ▸ AWS Secrets Manager — 자격증명 저장소, KMS 암호화, 자동 순환(rotation) ▸ "14일 자동 순환" → Secrets Manager 기본 기능 ▸ "암호화" + "교체" + "최소 운영" → Secrets Manager 설계의 정확한 용도 【정답 포인트】 ▸ "암호화" → Secrets Manager + KMS (자동 암호화) ▸ "14일 교체" → Secrets Manager 자동 순환(Rotation) 정책 설정 ▸ "최소 운영" → AWS 관리형, 별도 Lambda/수동 작업 불필요 ▸ "RDS 연결" → Secrets Manager가 RDS 암호 직접 업데이트 지원 【오답 체크】 (B) Parameter Store는 순환 기능 없음, Lambda로 수동 교체 → 운영 오버헤드 증가 (C) EFS 파일 저장은 구식, Lambda 수동 관리 필수 → 오버헤드 증가 (D) S3 파일 저장은 불편, 주기적 다운로드 필요 → 운영 비효율 【시험 포인트】 패턴: "암호화 + 자동 순환" → Secrets Manager | "수동 관리" → Parameter Store 매핑: Secrets Manager = KMS 암호화 + 자동 Rotation + RDS 통합

문제 337

회사에서 AWS 에 웹 애플리케이션을 배포했습니다. 이 회사는 조정 요구 사항을 지원하기 위해 기본 DB 인스턴스와 5 개의 읽기 전용 복제본을 사용하여 MySQL 용 Amazon RDS에서 백엔드 데이터베이스를 호스팅합니다. 읽기 전용 복제본은 기본 DB 인스턴스보다 1 초 이상 뒤처져서는 안 됩니다. 데이터베이스는 정기적으로 예약된 저장 프로시저를 실행합니다. 웹 사이트의 트래픽이 증가함에 따라 복제본은 피크 로드 기간 동안 추가 지연을 경험합니다. 솔루션 설계자는 복제 지연을 최대한 줄여야 합니다. 솔루션 설계자는 애플리케이션 코드에 대한 변경을 최소화하고 지속적인 운영 오버헤드를 최소화해야 합니다. 이러한 요구 사항을 충족하는 솔루션은 무엇입니까?

A. 데이터베이스를 Amazon Aurora MySQL 로 마이그레이션합니다. 읽기 전용 복제본을 Aurora 복제본으로 교체하고 Aurora Auto Scaling 을 구성합니다. 저장 프로시저를 Aurora MySQL 기본 함수로 바꿉니다.✓ 정답
B. 데이터베이스 앞에 Redis 클러스터용 Amazon ElastiCache 를 배포합니다. 응용 프로그램이 데이터베이스를 쿼리하기 전에 캐시를 확인하도록 응용 프로그램을 수정하십시오. 저장 프로시저를 AWS Lambda 함수로 바꿉니다.
C. 데이터베이스를 Amazon EC2 인스턴스에서 실행되는 MySQL 데이터베이스로 마이그레이션합니다. 모든 복제본 노드에 대해 컴퓨팅에 최적화된 대규모 EC2 인스턴스를 선택합니다. EC2 인스턴스에서 저장 프로시저를 유지합니다.
D. 데이터베이스를 Amazon DynamoDB 로 마이그레이션합니다. 필요한 처리량을 지원하고 온디맨드 용량 확장을 구성하기 위해 많은 수의 RCU(읽기 용량 단위)를 프로비저닝합니다. 저장 프로시저를 DynamoDB 스트림으로 바꿉니다.

해설

【핵심 용어】 ▸ Aurora MySQL — 저지연 복제(밀리초 단위), 복제본 Auto Scaling ▸ "복제 지연 최소화" → Aurora가 RDS 표준보다 우수 ▸ "저장 프로시저" → Aurora 함수로 변환, 코드 변경 최소 【정답 포인트】 ▸ "복제 지연" → Aurora 고속 복제 (RDS 바이너리 로그보다 빠름) ▸ "1초 이내" 지연 요구 → Aurora의 밀리초 복제만 충족 ▸ "피크 시간 부하" → Aurora Auto Scaling으로 읽기 처리량 동적 증가 ▸ "저장 프로시저" → Aurora 함수로 비교적 쉬운 마이그레이션 ▸ "최소 코드 변경" → SQL 기반 함수 변환 【오답 체크】 (B) 캐시는 읽기 부하 감소, 복제 지연 직접 해결 불가 · 저장 프로시저는 캐시 불가 (C) EC2 MySQL은 수동 관리, 복제 지연 개선 미보장 · 운영 오버헤드 증가 (D) DynamoDB는 SQL 기반이 아님, 저장 프로시저 변환 불가능 【시험 포인트】 패턴: "복제 지연" → Aurora | "읽기 부하" → ElastiCache/Aurora 복제 마이그레이션: RDS → Aurora = 최소 코드 변경 + 복제 성능 극대화

문제 338

솔루션 설계자는 대용량 SaaS(Software as a Service) 플랫폼에 대한 재해 복구(DR) 계획을 만들어야 합니다. 플랫폼의 모든 데이터는 Amazon Aurora MySQL DB 클러스터에 저장됩니다. DR 계획은 데이터를 보조 AWS 리전에 복제해야 합니다. 이러한 요구 사항을 가장 비용 효율적으로 충족하는 솔루션은 무엇입니까?

A. 보조 리전의 Aurora 클러스터에 MySQL 바이너리 로그 복제를 사용합니다. 보조 리전에서 Aurora 클러스터용 DB 인스턴스 1개를 프로비저닝합니다.
B. DB 클러스터에 대한 Aurora 글로벌 데이터베이스를 설정합니다. 설정이 완료되면 보조 리전에서 DB 인스턴스를 제거합니다.
C. AWS Database Migration Service(AWS DMS)를 사용하여 데이터를 보조 리전의 Aurora 클러스터에 지속적으로 복제합니다. 보조 리전에서 DB 인스턴스를 제거합니다.
D. DB 클러스터에 대한 Aurora 글로벌 데이터베이스를 설정합니다. 보조 리전에서 최소 하나의 DB 인스턴스를 지정합니다.✓ 정답

해설

【핵심 용어】 ▸ Aurora 글로벌 데이터베이스 — 다중 리전 자동 복제, 읽기 가용성 높음 ▸ "보조 인스턴스 필요" → 글로벌 DB는 최소 1개 인스턴스 필수 (읽기 처리) ▸ "비용 효율" → 글로벌 DB가 DMS/바이너리 로그보다 관리 효율 【정답 포인트】 ▸ "DR 계획" + "다중 리전" → Aurora 글로벌 데이터베이스 최적 ▸ "자동 복제" → 글로벌 DB (설정 후 자동 동기화) ▸ "비용 효율" → 글로벌 DB는 리전당 최소 1 인스턴스, DMS/바이너리보다 저비용 ▸ "인스턴스 제거 불가" → 읽기 쿼리 처리 필요 (최소 1개 필수) 【오답 체크】 (A) 바이너리 로그는 복제 지연 가능, 글로벌 DB보다 낮은 신뢰성 (B) "인스턴스 제거" → 보조 리전에서 쿼리 불가, DR 기능 저하 (C) DMS는 지속 복제 + 운영 오버헤드, 글로벌 DB보다 비용 높음 【시험 포인트】 패턴: "다중 리전 DR" + "자동 복제" = Aurora 글로벌 DB 비용: (A) < 글로벌(최소 1) < (C) | 신뢰성: 글로벌 > (A) > (C)

문제 339

회사에는 Amazon RDS MySQL DB 인스턴스에서 정보를 검색하는 자격 증명이 내장된 사용자 지정 애플리케이션이 있습니다. 경영진은 최소한의 프로그래밍 노력으로 애플리케이션을 더 안전하게 만들어야 한다고 말합니다. 솔루션 설계자는 이러한 요구 사항을 충족하기 위해 무엇을 해야 합니까?

A. AWS Key Management Service(AWS KMS)를 사용하여 키를 생성합니다. AWS KMS에서 데이터베이스 자격 증명을 로드하도록 애플리케이션을 구성합니다. 자동 키 순환을 활성화합니다.
B. 애플리케이션 사용자를 위해 RDS for MySQL 데이터베이스에서 자격 증명을 생성하고 자격 증명을 AWS Secrets Manager에 저장합니다. Secrets Manager에서 데이터베이스 자격 증명을 로드하도록 애플리케이션을 구성합니다. Secret Manager에서 자격 증명을 교체하는 AWS Lambda 함수를 생성합니다.
C. 애플리케이션 사용자를 위해 RDS for MySQL 데이터베이스에서 자격 증명을 생성하고 자격 증명을 AWS Secrets Manager에 저장합니다. Secrets Manager에서 데이터베이스 자격 증명을 로드하도록 애플리케이션을 구성합니다. Secrets Manager 를 사용하여 RDS for MySQL 데이터베이스에서 애플리케이션 사용자의 자격 증명 교체 일정을 설정합니다.✓ 정답
D. 애플리케이션 사용자를 위해 RDS for MySQL 데이터베이스에서 자격 증명을 생성하고 자격 증명을 AWS Systems Manager Parameter Store에 저장합니다. Parameter Store에서 데이터베이스 자격 증명을 로드하도록 애플리케이션을 구성합니다. Parameter Store 를 사용하여 RDS for MySQL 데이터베이스에서 애플리케이션 사용자에 대한 자격 증명 교체 일정을 설정합니다.

해설

【핵심 용어】 ▸ AWS Secrets Manager — 자격증명 저장소, 자동 순환, RDS 네이티브 통합 ▸ "자동 교체" → Secrets Manager가 RDS 암호 자동 변경 가능 ▸ "최소 프로그래밍" → Lambda 수동 개발 대신 Secrets Manager 자동화 【정답 포인트】 ▸ "내장 자격 증명" 보안화 → Secrets Manager 저장소 이동 ▸ "최소 프로그래밍 노력" → Secrets Manager 자동 순환 (Lambda 불필요) ▸ "RDS 통합" → Secrets Manager가 RDS 사용자 암호 직접 변경 ▸ "애플리케이션 코드" → Secrets Manager API 호출 추가만 필요 (간단) 【오답 체크】 (A) KMS는 키 관리용, 자격증명 저장소 아님 · 순환 자동화 미지원 (B) Lambda로 수동 교체 → "최소 프로그래밍" 위반 (D) Parameter Store는 순환 기능 없음, RDS 통합 미지원 (수동 교체) 【시험 포인트】 패턴: "자격증명 관리" + "자동 순환" = Secrets Manager | "수동" = Parameter Store 통합: Secrets Manager + RDS = 자동 암호 로테이션 (RDS 사용자 직접 변경)

문제 340

미디어 회사는 AWS 에서 웹 사이트를 호스팅합니다. 웹 사이트 애플리케이션의 아키텍처에는 Application Load Balancer(ALB) 뒤에 있는 Amazon EC2 인스턴스 플릿과 Amazon Aurora 에서 호스팅되는 데이터베이스가 포함됩니다. 회사의 사이버 보안 팀은 애플리케이션이 SQL 주입에 취약하다고 보고합니다. 회사는 이 문제를 어떻게 해결해야 할까요?

A. ALB 앞에서 AWS WAF를 사용합니다. 적절한 웹 ACL을 AWS WAF와 연결합니다.✓ 정답
B. 고정 응답으로 SQL 주입에 응답하는 ALB 수신기 규칙을 생성합니다.
C. 모든 SQL 삽입 시도를 자동으로 차단하려면 AWS Shield Advanced에 가입하십시오.
D. 모든 SQL 주입 시도를 자동으로 차단하도록 Amazon Inspector를 설정합니다.

해설

【핵심 용어】 ▸ AWS WAF — 웹 애플리케이션 방화벽, L7 필터링, SQL 주입 탐지/차단 ▸ 웹 ACL — SQL 주입 패턴 감지, 악의적 요청 필터링 ▸ ALB 앞 배치 → 애플리케이션 도달 전 공격 차단 【정답 포인트】 ▸ "SQL 주입" → L7 웹 공격, WAF만 탐지 가능 ▸ "ALB 앞" → WAF 위치 최적 (백엔드 보호) ▸ "웹 ACL" → SQL 주입 규칙 자동으로 포함 ▸ "사이버 보안" → 공격 차단 필수 → WAF 필요 【오답 체크】 (B) ALB 리스너는 L4(포트/프로토콜), L7 패턴 분석 불가 (C) Shield Advanced는 DDoS 방어, SQL 주입 미지원 (D) Inspector는 취약점 스캔, 실시간 공격 차단 불가 【시험 포인트】 패턴: "웹 공격" (SQL, XSS 등) → WAF | "DDoS" → Shield | "취약점" → Inspector 배치: ALB ← WAF ← (공격 차단) ← EC2 (보호)

문제 341

회사에는 AWS Lake Formation 에서 관리하는 Amazon S3 데이터 레이크가 있습니다. 이 회사는 데이터 레이크의 데이터를 Amazon Aurora MySQL 데이터베이스에 저장된 운영 데이터와 결합하여 Amazon QuickSight 에서 시각화를 생성하려고 합니다. 회사는 회사의 마케팅 팀이 데이터베이스의 열 하위 집합에만 액세스할 수 있도록 열 수준 권한을 적용하려고 합니다. 최소한의 운영 오버헤드로 이러한 요구 사항을 충족하는 솔루션은 무엇입니까?

A. Amazon EMR을 사용하여 데이터베이스에서 QuickSight SPICE 엔진으로 직접 데이터를 수집하십시오. 필요한 열만 포함합니다.
B. AWS Glue Studio 를 사용하여 데이터베이스에서 S3 데이터 레이크로 데이터를 수집합니다. IAM 정책을 QuickSight 사용자에게 연결하여 열 수준 액세스 제어를 적용합니다. QuickSight에서 Amazon S3를 데이터 원본으로 사용합니다.
C. AWS Glue Elastic Views 를 사용하여 Amazon S3 의 데이터베이스에 대한 구체화된 보기를 생성합니다. QuickSight 사용자에 대한 열 수준 액세스 제어를 적용하려면 S3 버킷 정책을 생성합니다. QuickSight에서 Amazon S3를 데이터 원본으로 사용합니다.
D. Lake Formation 청사진을 사용하여 데이터베이스에서 S3 데이터 레이크로 데이터를 수집합니다. Lake Formation 을 사용하여 QuickSight 사용자에 대한 열 수준 액세스 제어를 적용합니다. QuickSight에서 Amazon Athena를 데이터 원본으로 사용합니다.✓ 정답

해설

【핵심 용어】 ▸ Lake Formation 청사진 — 데이터 레이크 데이터 수집 자동화 ▸ Lake Formation 권한 — 열 수준(column-level) 접근 제어 ▸ Athena + Lake Formation — 권한 통합 쿼리 (LSAC) 【정답 포인트】 ▸ "데이터 레이크" + "열 수준 권한" → Lake Formation 권한 관리 ▸ "Aurora + S3 데이터" 결합 → Lake Formation 청사진 (자동 수집) ▸ "마케팅 팀" + "열 제한" → Lake Formation 권한 (QuickSight 연동) ▸ "최소 운영 오버헤드" → Lake Formation 자동화 (IAM 복잡도 없음) 【오답 체크】 (A) EMR은 SPICE 집계용, 권한 통제 복잡 · Lake Formation과 무관 (B) IAM 정책은 S3 객체 수준, 열 수준 제어 불가 (C) Glue Elastic Views는 뷰 생성, 열 수준 권한 미지원 (S3 정책 불가) 【시험 포인트】 패턴: "데이터 레이크 + 행/열 권한" → Lake Formation | "IAM" = 객체 수준만 통합: Lake Formation (수집+권한) → Athena → QuickSight (일관된 권한)

문제 342

트랜잭션 처리 회사에는 Amazon EC2 인스턴스에서 실행되는 매주 스크립팅된 배치 작업이 있습니다. EC2 인스턴스는 Auto Scaling 그룹에 있습니다. 트랜잭션 수는 다를 수 있지만 각 실행에서 기록되는 기준 CPU 사용률은 60% 이상입니다. 회사는 작업이 실행되기 30 분 전에 용량을 프로비저닝해야 합니다. 현재 엔지니어는 Auto Scaling 그룹 파라미터를 수동으로 수정하여 이 작업을 완료합니다. 회사에는 Auto Scaling 그룹 수에 필요한 용량 추세를 분석할 리소스가 없습니다. 회사는 Auto Scaling 그룹의 원하는 용량을 수정하는 자동화된 방법이 필요합니다. 최소한의 운영 오버헤드로 이러한 요구 사항을 충족하는 솔루션은 무엇입니까?

A. Auto Scaling 그룹에 대한 동적 조정 정책을 생성합니다. CPU 사용률 메트릭을 기반으로 확장하도록 정책을 구성합니다. 지표의 대상 값을 60%로 설정합니다.
B. Auto Scaling 그룹에 대한 예약 조정 정책을 생성합니다. 원하는 적정 용량, 최소 용량, 최대 용량을 설정합니다. 반복을 매주로 설정합니다. 일괄 작업이 실행되기 전 30 분으로 시작 시간을 설정합니다.
C. Auto Scaling 그룹에 대한 예측 조정 정책을 생성합니다. 예측을 기반으로 확장하도록 정책을 구성합니다. 스케일링 지표를 CPU 사용률로 설정합니다. 지표의 대상 값을 60%로 설정합니다. 정책에서 작업이 실행되기 30분 전에 사전 실행되도록 인스턴스를 설정합니다.✓ 정답
D. Auto Scaling 그룹의 CPU 사용률 지표 값이 60%에 도달하면 AWS Lambda 함수를 호출하는 Amazon EventBridge 이벤트를 생성합니다. Auto Scaling 그룹의 원하는 용량과 최대 용량을 20% 늘리도록 Lambda 함수를 구성합니다.

해설

【핵심 용어】 ▸ 예측 조정(Predictive Scaling) — ML 기반 예측, 사전 확장 ▸ "사전 실행" 옵션 — 부하 예상 시점 전 미리 확장 ▸ "CPU 60% + 매주" → 패턴 예측 가능 → 예측 조정 최적 【정답 포인트】 ▸ "매주 정기 배치" → 반복 패턴 학습 가능 ▸ "30분 전 미리" → 예측 조정의 "사전 실행" 기능 ▸ "CPU 60% 기준" → 메트릭 기반 예측 ▸ "최소 운영 오버헤드" → ML 자동 학습, 수동 설정 불필요 【오답 체크】 (A) 동적 조정은 CPU 100% 도달 후 반응 → 이미 중단됨 · "30분 전" 미달 (B) 예약은 정확한 시간 필요, "트랜잭션 수 변동" 반영 불가 (D) EventBridge + Lambda는 수동 오버헤드, 규칙 수정 필요 【시험 포인트】 패턴: "정기 + 변동" → 예측 조정 | "정확 일시" → 예약 조정 | "반응" → 동적 조정 최적화: 예측 조정 + 사전 실행 = ML 기반 자동 사전 확장

문제 343

솔루션 설계자는 회사의 재해 복구(DR) 아키텍처를 설계하고 있습니다. 이 회사에는 예약된 백업이 있는 프라이빗 서브넷의 Amazon EC2 인스턴스에서 실행되는 MySQL 데이터베이스가 있습니다. DR 설계에는 여러 AWS 리전이 포함되어야 합니다. 최소한의 운영 오버헤드로 이러한 요구 사항을 충족하는 솔루션은 무엇입니까?

A. MySQL 데이터베이스를 여러 EC2 인스턴스로 마이그레이션합니다. DR 지역에서 대기 EC2 인스턴스를 구성합니다. 복제를 켭니다.
B. MySQL 데이터베이스를 Amazon RDS 로 마이그레이션합니다. 다중 AZ 배포를 사용합니다. 다른 가용 영역에서 기본 DB 인스턴스에 대한 읽기 복제를 켭니다.
C. MySQL 데이터베이스를 Amazon Aurora 글로벌 데이터베이스로 마이그레이션합니다. 기본 리전에서 기본 DB 클러스터를 호스팅합니다. DR 리전에서 보조 DB 클러스터를 호스팅합니다.✓ 정답
D. S3 CRR(Cross-Region Replication)용으로 구성된 Amazon S3 버킷에 MySQL 데이터베이스의 예약된 백업을 저장합니다. 데이터 백업을 사용하여 DR 지역에서 데이터베이스를 복원하십시오.

해설

【핵심 용어】 ▸ Aurora 글로벌 데이터베이스 — 여러 리전에 걸친 자동 비동기 복제 ▸ 기본/보조 클러스터 — 장애 조치 및 읽기 확장 지원 【정답 포인트】 ▸ 다중 리전 DR → Aurora 글로벌 DB 자동 구성 ▸ 운영 오버헤드 최소화 → 완전 관리형 서비스 선택 ▸ EC2 자관 MySQL → RDS/Aurora로 현대화 【오답 체크】 ▸ (A) EC2 기반 복제는 운영 부담 높음, 수동 구성 필요 ▸ (B) 다중 AZ만 커버, 다중 리전 DR 불충분 ▸ (D) 백업 기반 복구는 느린 복구 시간, 운영 부담 【시험 포인트】 ▸ DR 요구 + 여러 리전 → Aurora 글로벌 DB 패턴 ▸ 운영 오버헤드 최소 → 완전 관리형 솔루션 선택

문제 344

회사에는 Amazon Simple Queue Service(Amazon SQS)를 사용하여 메시지를 구문 분석하는 Java 애플리케이션이 있습니다. 애플리케이션은 크기가 256KB 보다 큰 메시지를 구문 분석할 수 없습니다. 회사는 응용 프로그램이 50MB 만큼 큰 메시지를 구문 분석할 수 있는 기능을 제공하는 솔루션을 구현하려고 합니다. 코드를 가장 적게 변경하여 이러한 요구 사항을 충족하는 솔루션은 무엇입니까?

A. Java 용 Amazon SQS 확장 클라이언트 라이브러리를 사용하여 Amazon S3 에서 256KB보다 큰 메시지를 호스팅합니다.✓ 정답
B. Amazon SQS 대신 Amazon EventBridge 를 사용하여 애플리케이션에서 큰 메시지를 게시합니다.
C. 256KB보다 큰 메시지를 처리하도록 Amazon SQS의 제한을 변경합니다.
D. Amazon Elastic File System(Amazon EFS)에 256KB 보다 큰 메시지를 저장합니다. 메시지에서 이 위치를 참조하도록 Amazon SQS를 구성합니다.

해설

【핵심 용어】 ▸ SQS 확장 클라이언트 라이브러리 — S3 페이로드 오프로딩 ▸ 256KB 한계 — SQS 메시지 크기 제약 ▸ S3 호스팅 — 대용량 메시지 저장소 【정답 포인트】 ▸ 코드 최소 변경 → 라이브러리 변경만으로 해결 ▸ SQS 한계 극복 → S3 페이로드 오프로딩 패턴 ▸ 50MB 지원 → S3 용량 충분, 메시지는 포인터 전송 【오답 체크】 ▸ (B) EventBridge는 이벤트 라우팅용, 메시지 큐 아님 ▸ (C) SQS 한계는 변경 불가능한 제약사항 ▸ (D) EFS는 파일시스템, SQS 통합 솔루션 아님 【시험 포인트】 ▸ SQS 크기 제약 + 대용량 필요 → 확장 라이브러리 + S3 ▸ 코드 최소화 → 사전 구축된 라이브러리 선택

문제 345

회사에서 주요 웹 애플리케이션 중 하나의 콘텐츠에 대한 액세스를 제한하고 AWS 에서 사용할 수 있는 권한 부여 기술을 사용하여 콘텐츠를 보호하려고 합니다. 이 회사는 서버리스 아키텍처와 100 명 미만의 사용자를 위한 인증 솔루션을 구현하려고 합니다. 솔루션은 기본 웹 애플리케이션과 통합하고 웹 콘텐츠를 전역적으로 제공해야 합니다. 솔루션은 또한 회사의 사용자 기반이 성장함에 따라 확장되어야 하며 가능한 한 가장 낮은 로그인 대기 시간을 제공해야 합니다. 이러한 요구 사항을 가장 비용 효율적으로 충족하는 솔루션은 무엇입니까?

A. 인증에 Amazon Cognito 를 사용하십시오. 인증을 위해 Lambda@Edge 를 사용합니다. Amazon CloudFront를 사용하여 전 세계적으로 웹 애플리케이션을 제공합니다.✓ 정답
B. 인증을 위해 Microsoft Active Directory용 AWS Directory Service를 사용합니다. 승인을 위해 AWS Lambda 를 사용합니다. Application Load Balancer 를 사용하여 웹 애플리케이션을 전역적으로 제공합니다.
C. 인증에 Amazon Cognito 를 사용합니다. 승인을 위해 AWS Lambda 를 사용합니다. Amazon S3 Transfer Acceleration 을 사용하여 전 세계적으로 웹 애플리케이션을 제공합니다.
D. 인증을 위해 Microsoft Active Directory용 AWS Directory Service를 사용합니다. 인증을 위해 Lambda@Edge 를 사용합니다. AWS Elastic Beanstalk 를 사용하여 전 세계적으로 웹 애플리케이션을 제공합니다.

해설

【핵심 용어】 ▸ Cognito — 완전 관리형 인증/사용자 관리 ▸ Lambda@Edge — 엣지에서의 실시간 인증 검증 ▸ CloudFront — 글로벌 콘텐츠 배포 및 저지연 【정답 포인트】 ▸ 서버리스 + 인증 → Cognito + Lambda@Edge 조합 ▸ 글로벌 배포 + 저지연 → CloudFront 엣지 네트워크 ▸ 확장성 + 저비용 → 관리형 서비스 스택 【오답 체크】 ▸ (B) Directory Service는 온프레미스 AD용, 복잡성 증가 ▸ (C) S3 Transfer Acceleration은 업로드 가속화용 ▸ (D) Elastic Beanstalk는 글로벌 배포에 부적절 【시험 포인트】 ▸ 서버리스 + 글로벌 + 저지연 → CloudFront + Lambda@Edge ▸ 소규모 사용자 → Cognito로 충분한 확장성

문제 346

회사의 데이터 센터에 노후화된 NAS(Network-Attached Storage) 어레이가 있습니다. NAS 어레이는 SMB 공유 및 NFS 공유를 클라이언트 워크스테이션에 제공합니다. 회사는 새 NAS 어레이를 구매하기를 원하지 않습니다. 회사는 또한 NAS 어레이의 지원 계약을 갱신하는 데 드는 비용을 원하지 않습니다. 일부 데이터는 자주 액세스되지만 대부분의 데이터는 비활성 상태입니다. 솔루션 설계자는 데이터를 Amazon S3 로 마이그레이션하고 S3 수명 주기 정책을 사용하며 클라이언트 워크스테이션에 대해 동일한 모양과 느낌을 유지하는 솔루션을 구현해야 합니다. 솔루션 설계자는 AWS Storage Gateway를 솔루션의 일부로 식별했습니다. 솔루션 설계자는 이러한 요구 사항을 충족하기 위해 어떤 유형의 스토리지 게이트웨이를 프로비저닝해야 합니까?

A. 볼륨 게이트웨이
B. 테이프 게이트웨이
C. Amazon FSx 파일 게이트웨이
D. Amazon S3 파일 게이트웨이✓ 정답

해설

【핵심 용어】 ▸ S3 파일 게이트웨이 — NFS/SMB 프로토콜로 S3 액세스 ▸ 파일 인터페이스 — 동일한 UX 유지 ▸ 수명 주기 정책 — 저장소 비용 최적화 【정답 포인트】 ▸ NAS 대체 → S3 파일 게이트웨이로 매끄러운 전환 ▸ NFS/SMB 지원 → 워크스테이션 변경 없음 ▸ S3 백엔드 → 수명 주기 정책 활용 가능 【오답 체크】 ▸ (A) 볼륨 게이트웨이는 블록 스토리지용 ▸ (B) 테이프 게이트웨이는 백업 보관용 ▸ (C) FSx 게이트웨이는 Windows 파일 서버용 【시험 포인트】 ▸ NAS → 파일 게이트웨이 → S3로 마이그레이션 ▸ 파일 프로토콜 지원 필요 → S3 파일 게이트웨이 선택

문제 336

회사는 Amazon Aurora MySQL DB 클러스터를 스토리지로 사용하는 다중 계층 웹 애플리케이션을 호스팅합니다. 애플리케이션 계층은 Amazon EC2 인스턴스에서 호스팅됩니다. 회사의 IT 보안 지침에 따라 데이터베이스 자격 증명을 암호화하고 14일마다 교체해야 합니다. 최소한의 운영 노력으로 이 요구 사항을 충족하려면 솔루션 설계자가 무엇을 해야 합니까?

A. 새 AWS Key Management Service(AWS KMS) 암호화 키를 생성합니다. AWS Secrets Manager 를 사용하여 적절한 자격 증명과 함께 KMS 키를 사용하는 새 암호를 생성합니다. 암호를 Aurora DB 클러스터와 연결합니다. 14일의 사용자 지정 순환 기간을 구성합니다.✓ 정답
B. AWS Systems Manager Parameter Store 에서 두 개의 매개변수를 생성합니다. 하나는 사용자 이름을 문자열 매개변수로 사용하고 다른 하나는 SecureString 유형을 암호로 사용합니다. 암호 매개변수에 대해 AWS Key Management Service(AWS KMS) 암호화를 선택하고 애플리케이션 계층에서 이러한 매개변수를 로드합니다. 14일마다 암호를 교체하는 AWS Lambda 함수를 구현합니다.
C. 자격 증명이 포함된 파일을 AWS KMS(AWS Key Management Service) 암호화 Amazon Elastic File System(Amazon EFS) 파일 시스템에 저장합니다. 애플리케이션 계층의 모든 EC2 인스턴스에 EFS 파일 시스템을 탑재합니다. 응용 프로그램이 파일을 읽을 수 있고 슈퍼 사용자만 파일을 수정할 수 있도록 파일 시스템의 파일에 대한 액세스를 제한합니다. 14 일마다 Aurora 에서 키를 교체하고 새 자격 증명을 파일에 쓰는 AWS Lambda 함수를 구현합니다.
D. 애플리케이션이 자격 증명을 로드하는 데 사용하는 AWS KMS(AWS Key Management Service) 암호화 Amazon S3 버킷에 자격 증명이 포함된 파일을 저장합니다. 올바른 자격 증명이 사용되도록 정기적으로 파일을 응용 프로그램에 다운로드하십시오. 14일마다 Aurora 자격 증명을 교체하고 이 자격 증명을 S3 버킷의 파일에 업로드하는 AWS Lambda 함수를 구현합니다.

해설