AWS SAA-C03 한국어 샘플 22번

[문제 22]

한 회사가 AWS에서 온라인 마켓플레이스 웹 애플리케이션을 실행하고 있습니다. 이 애플리케이션은 피크 시간 동안 수십만 명의 사용자에게 서비스를 제공합니다. 회사는 수백만 건의 금융 거래 세부 정보를 다른 여러 내부 애플리케이션과 공유하기 위해 확장 가능하고 실시간에 가까운 솔루션이 필요합니다. 또한 짧은 대기 시간의 검색을 위해 문서 데이터베이스에 저장하기 전에 중요한 데이터를 제거하기 위해 거래를 처리해야 합니다. 솔루션 설계자는 이러한 요구 사항을 충족하기 위해 무엇을 권장해야 합니까?

A. 트랜잭션 데이터를 Amazon DynamoDB에 저장합니다.
쓰기 시 모든 트랜잭션에서 중요한 데이터를 제거하도록 DynamoDB에 규칙을 설정합니다. DynamoDB Streams를 사용하여 트랜잭션 데이터를 다른 애플리케이션과 공유합니다.

B. 트랜잭션 데이터를 Amazon Kinesis Data Firehose로 스트리밍하여 Amazon DynamoDB 및 Amazon S3에 데이터를 저장합니다.
Kinesis Data Firehose와 AWS Lambda 통합을 사용하여 민감한 데이터를 제거합니다. 다른 애플리케이션은 Amazon S3에 저장된 데이터를 사용할 수 있습니다.

C. 트랜잭션 데이터를 Amazon Kinesis Data Streams로 스트리밍합니다.
AWS Lambda 통합을 사용하여 모든 트랜잭션에서 중요한 데이터를 제거한 다음 Amazon DynamoDB에 트랜잭션 데이터를 저장합니다. 다른 애플리케이션은 Kinesis 데이터 스트림에서 트랜잭션 데이터를 사용할 수 있습니다.

D. 일괄 처리된 트랜잭션 데이터를 Amazon S3에 파일로 저장합니다.
Amazon S3에서 파일을 업데이트하기 전에 AWS Lambda를 사용하여 모든 파일을 처리하고 중요한 데이터를 제거합니다. 그런 다음 Lambda 함수는 Amazon DynamoDB에 데이터를 저장합니다. 다른 애플리케이션은 Amazon S3에 저장된 트랜잭션 파일을 사용할 수 있습니다.

[문제 분석]

이 문제는 실시간 처리와 짧은 대기 시간의 데이터 처리가 필요한 트랜잭션 데이터를 다루고 있습니다. 금융 거래 데이터는 여러 내부 애플리케이션과 공유해야 하며, 중요한 데이터를 제거한 후 검색 가능한 형태로 문서 데이터베이스에 저장해야 합니다. 이 문제의 핵심은 실시간 데이터 스트리밍, 민감한 데이터 처리, 그리고 확장성입니다.

[각 보기 분석]

A. 트랜잭션 데이터를 Amazon DynamoDB에 저장하고 DynamoDB Streams를 사용하여 공유

• 설명: Amazon DynamoDB는 확장성이 뛰어난 NoSQL 데이터베이스이며, DynamoDB Streams를 사용해 트랜잭션 데이터를 실시간으로 다른 애플리케이션에 공유할 수 있습니다. 그러나 트랜잭션 데이터를 실시간으로 처리하여 민감한 데이터를 제거하는 기능이 부족합니다.
• 부적합: DynamoDB 자체에는 실시간 데이터 처리 및 변환 기능이 부족하며, Lambda와 통합하여 처리해야 합니다. 또한 실시간 스트리밍 요구 사항을 충분히 충족하지 못합니다.

B. Amazon Kinesis Data Firehose로 스트리밍하여 DynamoDB와 S3에 저장

• 설명: Kinesis Data Firehose는 실시간 스트리밍 데이터를 다양한 대상(S3, Redshift 등)으로 전송할 수 있으며, Lambda와 통합하여 민감한 데이터 제거를 처리할 수 있습니다. 그러나 Firehose는 배치 처리 성격이 강하고 실시간 스트림과 차이가 있습니다.
• 부적합: 실시간 처리를 요구하는 트랜잭션 처리 시나리오에 적합하지 않습니다.

C. 트랜잭션 데이터를 Amazon Kinesis Data Streams로 스트리밍하고 Lambda로 처리

• 설명: Kinesis Data Streams는 실시간 스트리밍 서비스로, 트랜잭션 데이터를 초당 수백만 개의 레코드로 스트리밍할 수 있습니다. 또한, AWS Lambda와 통합하여 민감한 데이터를 제거하고, 처리된 데이터를 DynamoDB에 저장할 수 있습니다. 다른 애플리케이션은 Kinesis 스트림을 통해 실시간 데이터를 사용할 수 있습니다.
• 적합성: 이 방법은 실시간 데이터 스트리밍, 민감한 데이터 제거, 트랜잭션 데이터 처리 및 저장 요구 사항을 모두 충족합니다.

D. 일괄 처리된 데이터를 Amazon S3에 저장하고 Lambda로 처리

• 설명: Amazon S3는 배치 처리와 대규모 데이터 저장에 적합하지만, 실시간 데이터 처리에는 적합하지 않습니다. 또한, 트랜잭션 처리 후 실시간으로 다른 애플리케이션에 데이터를 제공해야 하는 요구 사항을 충족하지 못합니다.
• 부적합: S3는 배치 처리에 적합하며, 실시간 스트리밍 데이터 처리에 적합하지 않습니다.

[정답 분석]

가장 적합한 답은 C. Amazon Kinesis Data Streams를 사용하여 실시간으로 트랜잭션 데이터를 스트리밍하고, Lambda로 민감한 데이터를 제거한 후 데이터를 Amazon DynamoDB에 저장하는 것입니다. 이 방법은 실시간 데이터 처리, 민감한 정보 보호, 트랜잭션 데이터를 저장 및 공유하는 요구 사항을 충족합니다.

[서비스 및 관련 옵션]

1. Amazon Kinesis Data Streams: 실시간 데이터 스트리밍 서비스로, 대규모 실시간 데이터를 처리하고 공유할 수 있습니다.
2. AWS Lambda: 서버리스 컴퓨팅 서비스로, 트랜잭션 데이터를 실시간으로 처리하고, 중요한 데이터를 제거할 수 있습니다.
3. Amazon DynamoDB: 확장 가능하고 짧은 대기 시간의 NoSQL 데이터베이스로, 트랜잭션 데이터를 저장하고, 실시간 검색을 지원합니다.

[도메인]

이 문제는 도메인 1: 복원력 있고 고성능 아키텍처 설계에 속합니다. 이 도메인은 실시간 데이터 처리와 확장성을 고려한 솔루션 설계와 관련이 있습니다.

1. 태스크 설명: 태스크 1.3: 트랜잭션 처리와 민감한 데이터 보호를 위한 확장 가능한 실시간 아키텍처 설계.
2. 관련 지식:

1) Amazon Kinesis Data Streams를 사용한 실시간 데이터 스트리밍.
2) Lambda와의 통합을 통한 실시간 데이터 처리.

[시험에서 주로 출제되는 핵심 개념]

Amazon Kinesis Data Streams

Amazon Kinesis Data Streams (KDS)는 실시간 데이터 스트리밍 서비스로, 초당 수백만 건의 레코드를 처리할 수 있습니다. 이는 대규모 트랜잭션 데이터를 실시간으로 처리하고, 다른 서비스와 통합하여 데이터를 저장하거나 분석하는 데 사용됩니다.

1. 실시간 데이터 처리

• Kinesis Data Streams는 대규모 트랜잭션 데이터와 같은 실시간 데이터 스트림을 처리하는 데 적합합니다.
• Kinesis 스트림은 Lambda와 통합되어, 데이터를 처리하고 필터링할 수 있습니다. Lambda 함수는 민감한 데이터를 제거하거나 변환 작업을 수행할 수 있습니다.

2. 확장성

• Kinesis 스트림은 자동 확장을 통해 증가하는 데이터 수요를 처리할 수 있으며, 필요에 따라 샤드를 추가하여 처리량을 늘릴 수 있습니다.

3. 데이터 보존

• Kinesis는 스트리밍 데이터를 기본적으로 24시간 보존하지만, 최대 7일까지 보존 기간을 확장할 수 있습니다. 이를 통해 스트리밍 데이터의 실시간 처리뿐 아니라 과거 데이터를 분석할 수도 있습니다.

시험에서 자주 출제되는 주제

1. Kinesis Data Streams와 Lambda 통합

• Kinesis와 Lambda의 통합을 통한 실시간 데이터 처리 시나리오가 자주 출제됩니다. 트랜잭션 데이터를 필터링하거나 민감한 정보를 제거하는 과정이 중요한 주제로 다뤄집니다.

2. 확장성과 처리량

• Kinesis 샤드의 확장성을 이해하고, 실시간으로 데이터를 처리하는 방식에 대한 질문이 나올 수 있습니다. 샤드 수와 처리량의 관계에 대한 이해가 필요합니다.

3. Kinesis의 실시간 데이터 보존 및 처리 흐름

• 데이터를 Kinesis로 스트리밍한 후 Lambda와 통합하여 실시간으로 데이터를 처리하고, 그 결과를 DynamoDB와 같은 저장소에 기록하는 과정이 자주 출제됩니다.