AWS SAA C03 연습 문제 (501~525번)

정답은 C입니다. 수집과 저장에는 Kinesis Data Firehose가 전공이고, 흐르는 데이터를 즉석에서 분석(SQL 등)하는 데는 Kinesis Data Analytics가 딱입니다. 이 둘을 연결하면 데이터가 징검다리를 건너듯 '수집 -> 분석 -> S3 저장' 과정이 매끄럽고 자동화된 흐름으로 이어집니다. 별도의 서버 관리도 필요 없어 매우 효율적입니다. 다른 옵션인 A는 실시간 분석은 가능하지만 S3 저장 로직을 직접 코딩해야 하며, D는 대량의 스트리밍 데이터를 처리하기엔 가성비가 떨어집니다.

정답은 C와 D입니다. 성능과 복원력을 동시에 잡으려면 '공유 저장소'와 '분산 처리'가 핵심입니다. 여러 서버가 똑같은 이미지 파일을 안정적으로 읽을 수 있게 EFS(C)를 공유 하드로 사용하고, 서버가 죽어도 즉시 새 서버가 살아나도록 Auto Scaling 그룹과 로드 밸런서(D)를 구성해야 합니다. 여기에 CloudFront(D)까지 더하면 전 세계 사용자에게 빛의 속도로 이미지를 배송할 수 있습니다. 다른 옵션인 A(S3 마운트)는 성능이 불안정할 수 있고, B는 메인 서버가 고장 나면 전체가 멈추는 위험(SPOF)이 있습니다.

정답은 A입니다. 계정 간의 경계를 안전하게 넘나드는 정석은 '교차 계정 IAM 역할(Cross-Account Role)'입니다. 고객이 자신의 계정에 역할을 하나 만들고, 거기에 우리 회사 계정 ID를 '신뢰할 수 있는 주체'로 등록하면 됩니다. 우리는 필요할 때만 그 역할을 '수임(AssumeRole)'해서 일을 본 뒤 빠지면 되므로, 고객의 진짜 비밀번호를 알 필요도 없고 보안상 가장 깔끔합니다. 다른 옵션들처럼 아이디나 암호를 직접 주고받는 행위는 보안 사고의 지름길이며 AWS 권장 사항에 어긋납니다.

정답은 C입니다. 연결해야 할 VPC가 많아질수록 Transit Gateway의 진가가 드러납니다. 모든 VPC를 일일이 연결할 필요 없이 중앙 허브(Transit Gateway)에 꽃기만 하면 됩니다. 네트워크 팀은 이 허브 하나만 관리하면 되니 운영 효율이 최고이며, 계정이 수백 개여도 확장성에 전혀 문제가 없습니다. 다른 옵션인 A(피어링)는 연결 개수가 많아지면 관리가 불가능해지는 '네트워크 지옥'에 빠지게 되고, B는 보안상 매우 위험합니다.

정답은 C입니다. '중단되어도 상관없는 밤샘 작업'은 스팟 인스턴스를 위한 최고의 무대입니다. 스팟 인스턴스는 AWS에서 남는 서버 자원을 최대 90%까지 할인해주거든요. 물론 AWS가 필요하면 언제든 서버를 회수해갈 수 있지만, 질문에서처럼 '실패해도 다른 서버가 다시 하면 되는' 구조라면 저렴한 요금의 달콤함만 누리면 됩니다. 다른 옵션인 A와 B는 24시간 내내 돌리는 서버에 적합하며, 밤에만 잠깐 쓰는 용도로는 스팟 인스턴스의 가성비를 이길 수 없습니다.

정답은 C입니다. 서버를 경유하는 업로드는 서버의 CPU와 네트워크를 낭비하게 만듭니다. '미리 서명된 URL'을 쓰면 앱 서버는 아주 작은 '입장권(URL)'만 발행해주고, 실제 무거운 사진 업로드는 사용자와 S3가 일대일로 알아서 처리합니다. 서버는 가벼워지고, S3는 무제한 확장이 가능하니 수백만 명이 동시에 올려도 끄떡없습니다. 다른 옵션인 A는 서버가 병목 지점이 될 수 있고, D는 일반 사용자가 직접 파일 시스템에 접근하는 게 보안상 불가능합니다.

정답은 A입니다. 전 세계 어디서든 똑같은 데이터를 1초 미만의 빠른 속도로 만나게 해주는 비법은 DynamoDB 글로벌 테이블입니다. 이 기능을 켜면 우리가 직접 복제 로직을 짤 필요 없이, AWS가 알아서 전 세계 리전에 데이터를 실시간으로 뿌려줍니다. 사용자는 가장 가까운 리전에서 자기 데이터를 읽고 쓸 수 있어 체감 속도가 비약적으로 향상됩니다. 다른 옵션인 B는 읽기 성능은 좋지만, 업데이트(쓰기) 속도가 리전 간 거리 때문에 1초를 넘길 가능성이 높습니다.

정답은 B와 D입니다. (참고: 원문 옵션 1, 3 선택이 정답) 정답은 B와 D입니다. 아, 실수했네요. 정답은 A(AMI 수명 주기 정책)와 C(AWS Backup)입니다. 두 기능 모두 \\\\\\\"태그가 'Production'인 서버는 매일 백업하고 옆 리전으로 보내줘!\\\\\\\"라는 규칙만 설정해두면 알아서 작동합니다. 수작업(B)이나 복잡한 코딩(D) 없이 AWS의 기본 자동화 기능을 쓰는 것이 운영상 가장 현명합니다. 다른 옵션인 E는 파일 데이터는 옮겨주지만, 서버 자체(상태)를 복구하는 백업으로는 부족합니다.

정답은 B입니다. 나쁜 녀석들을 서브넷 입구에서 바로 쫓아버리는 '수문장' 역할은 네트워크 ACL(NACL)이 담당합니다. 보안 그룹은 '허용' 규칙만 가능하지만, NACL은 특정 IP를 콕 집어 '거부(Deny)'할 수 있는 강력한 기능이 있습니다. 나쁜 트래픽이 서버 근처까지 오지도 못하게 길목(서브넷)에서 쳐내는 것이 가장 효과적인 방어법입니다. 다른 옵션인 A와 C(보안 그룹)는 '거부' 기능이 아예 없어서 이런 차단 용도로는 쓸 수 없습니다.

정답은 C입니다. (참고: 원문 정답은 index 2인 'VPC 피어링 + IP 기반 인바운드 규칙'이 맞음) 정답은 B입니다. 두 리전의 VPC를 직접 잇는 '리전 간 VPC 피어링(Inter-Region Peering)'을 맺으세요. 그리고 유럽 서버의 'IP 주소'를 호주 DB의 보안 그룹 허용 목록에 넣어주면 됩니다. 리전이 다르면 상대방 보안 그룹 ID를 직접 알아차릴 수 없기 때문에, 확실하게 'IP 주소 대역'으로 문을 열어주는 것이 정석입니다. 다른 옵션인 D는 리전 간 피어링 시 보안 그룹 ID 참조가 불가능하므로 IP 기반 설정이 여전히 필요합니다.

정답은 C입니다. 개발 환경처럼 사용 패턴이 들쭉날쭉한 곳엔 Aurora Serverless가 제격입니다. 사람이 없거나 작업을 안 할 때는 서버가 조용히 잠들고(비용 0원!), 다시 쿼리가 들어오는 순간 빛의 속도로 깨어나서 일을 합니다. 덕분에 쥐도 새도 모르게 비용을 절반 이하로 줄일 수 있는 효자 서비스입니다. 다른 옵션인 B는 사람이 직접 해야 하므로 너무 번거롭고 실수할 위험이 큽니다.

정답은 A입니다. '규정 준수'와 '자동화'의 콤비 플레이입니다. AWS Config가 경찰처럼 자원들을 감시하다가 태그 없는 녀석을 발견하면 즉시 '태그 달기'라는 조치를 취하게 합니다. 그럼 미리 짜둔 백업 계획(Backup Plan)이 그 태그를 보고 알아서 백업을 시작하죠. 이렇게 하면 관리자의 손길 없이도 100% 백업 보장 시스템을 완성할 수 있습니다. 다른 옵션들은 사람이 직접 개입해야 하거나 백업과는 거리가 먼 보안 도구들을 제안하고 있어 탈락입니다.

정답은 A입니다. 가장 클래식하면서도 강력한 서버리스 패턴입니다. S3에 파일이 들어오는 '이벤트'가 발생하면, 람다라는 작은 일꾼이 쓱 나타나 크기를 줄이고 사라집니다. 서버를 미리 켜둘 필요도 없고, 사진이 만 장 들어오면 람다 만 개가 동시에 나타나 처리하므로 확장성 걱정도 전혀 없습니다. 다른 옵션인 C는 쓸데없이 서버를 켜둬서 돈이 나가고, D는 관리해야 할 컨테이너 설정이 너무 많습니다.

정답은 B입니다. 인터넷을 막았으면 내부 통로를 따로 뚫어줘야 합니다. VPC 엔드포인트(PrivateLink)를 만들면, 노드들이 인터넷을 거치지 않고 VPC 안에서 바로 쿠버네티스 대장(API 서버)에게 보고할 수 있습니다. 보안은 철저히 유지하면서 시스템 내부 통신은 원활하게 만드는 고풍격 보안 설계입니다. 다른 옵션인 C는 보안 규정에 어긋나고, D는 아웃바운드를 연다고 해서 인터넷 게이트웨이 없는 프라이빗 노드가 갑자기 대장을 찾을 수 있는 건 아닙니다.

정답은 A, B, C입니다. Redshift는 단순한 창고가 아닙니다. 코딩으로 데이터를 주무르는 컨테이너 앱을 위해 API 통로(A)를 열어주고, 금융권에서도 쓸 만큼 보안(B)이 철저하며, 분석할 때만 비용을 내는 서버리스 옵션(C)까지 갖췄습니다. 대규모 데이터 분석이 필요할 때 가장 먼저 고려해야 할 현대적인 데이터 창고(Data Warehouse)입니다. 다른 옵션인 D는 캐시 서비스(ElastiCache 등)의 몫이며, E는 분석 전용이지 실시간 주문 결제용(OLTP)으로는 어울리지 않습니다.

정답은 B입니다. 람다는 평소엔 쉬다가 요청이 오면 깨어나는데, 이때 아주 잠깐의 준비 시간(Cold Start)이 걸립니다. 하지만 '프로비저닝된 동시성(Provisioned Concurrency)'을 켜두면, 람다 일꾼들이 유료 대기실에서 손님을 기다리며 대기합니다. 덕분에 첫 손님부터 1초의 지체도 없이 즉각적인 응답이 가능해집니다. 다른 옵션인 D(예약된 동시성)는 실행 횟수만 제한할 뿐, 응답 속도를 빠르게 해주는 기능은 아닙니다.

정답은 A입니다. 가장 좋은 해결책은 늘 옵션 창에 숨어 있습니다. SSM 세션 매니저는 자체적으로 S3 연동 기능을 지원합니다. 복잡하게 로그 수집기를 깔거나 코드를 짤 필요 없이, 설정 창에서 \\\\\\\"이 일기장(로그)은 저 금고(S3)에 넣어줘!\\\\\\\"라고 체크 한 번만 하면 끝납니다. 운영상 가장 가벼운 정석입니다. 다른 옵션들은 서버마다 무언가를 설치하거나 불필요한 중간 단계를 거치고 있어 비효율적입니다.

정답은 A입니다. 데이터가 얼마나 쌓일지 일일이 감시하기 힘들다면 '스토리지 자동 확장'이 답입니다. 남은 공간이 부족해지면 RDS가 알아서 하드디스크를 늘려줍니다. 서비스 중단도 없고 관리자의 수고도 제로입니다. 단, 최대 얼마까지 늘릴지는 미리 정해둬야 예산 폭탄을 피할 수 있습니다. 다른 옵션인 D는 복원하는 동안 서비스를 멈춰야 하므로 '다운타임 금지' 조건에서 탈락입니다.

정답은 B입니다. 사내 표준이나 엄선된 솔루션을 내놓는 전용 매장이 Service Catalog입니다. 관리자가 미리 검증된 설계도(CloudFormation)를 상품으로 등록해두면, 고객(사용자)은 권한 내에서 쇼핑하듯 '배포' 버튼만 누르면 됩니다. 배포 권한 통제와 일관성 유지를 한 번에 잡는 최고의 비즈니스 도구입니다. 다른 옵션인 A는 고객이 직접 코드를 만져야 하므로 지원 부담이 크고 배포가 일관되지 않을 수 있습니다.

정답은 B입니다. 트래픽 예측이 불가능할 땐 '온디맨드 모드'가 정답입니다. 우리가 용량을 계산할 필요도 없고, 트래픽이 몰리면 알아서 받아주고 안 쓰면 요금을 안 받습니다. 여기에 일반적인 데이터 읽기/쓰기에 최적화된 Standard 클래스를 조합하는 것이 가장 기본적이면서도 비용 효율적인 시작점입니다. 다른 옵션인 Standard-IA는 저장할 데이터 양은 많은데 거의 읽지 않는 '창고'용이라, 활발한 앱 서비스에는 오히려 어울리지 않습니다.

정답은 C입니다. 비밀번호를 주고받는 것보다 '권한을 임시로 빌리는 것'이 훨씬 안전합니다. 비즈니스 계정들이 각자의 금고(DB)에 대해 중앙 앱이 들어올 수 있도록 '신뢰 관계'를 맺어둔 IAM 역할을 만들어두면, 중앙 앱은 필요할 때만 그 역할을 빌려 입고(STS AssumeRole) 우아하게 데이터를 읽어올 수 있습니다. 매번 열쇠를 바꿀 필요도 없어 관리가 매우 편합니다. 다른 옵션인 B(비밀키 저장)는 보안상 매우 위험하며, 키 유출 시 큰 사고로 이어질 수 있습니다.

정답은 B와 C입니다. 쿠버네티스의 자동화는 2단계로 이루어야 합니다. 먼저 '포드(앱 단위)'를 늘려주는 HPA(B)가 필요하고, 그러다 포드가 너무 많아져서 서버(노드)가 꽉 차면 진짜 서버 숫자를 늘려주는 Cluster Autoscaler(C)가 출동해야 합니다. 이 콤비가 갖춰져야만 24시간 자율 주행 아키텍처가 완성됩니다. 다른 옵션인 A는 너무 원시적인 방법이며, D는 부하 원인을 해결하는 게 아니라 사용자 경험을 해칠 수 있습니다.

정답은 D입니다. 여러 곳에 흩어진 데이터를 한눈에 모아보는 '연합 쿼리(Federated Query)' 기능을 써보세요. Athena는 서버 없이 작동하며, 전용 커넥터를 통해 DynamoDB에 든 데이터를 마치 하나의 테이블처럼 SQL로 요리할 수 있게 해줍니다. 무엇보다 DB 엔진에 직접 무거운 쿼리를 날리는 게 아니므로 실제 서비스 성능에 주는 영향도 거의 없습니다. 다른 옵션인 C는 데이터가 늘어날수록 람다 코드가 복잡해지고 타임아웃 오류가 날 확률이 높습니다.

정답은 C입니다. 방대한 텍스트 로그 파일 속에서 보물찾기를 할 때 최고의 도구는 Athena입니다. S3에 저장된 CloudTrail 로그를 Athena에 연결하면, 익숙한 SQL(예: WHERE errorCode='AccessDenied')로 수 초 만에 나쁜 로그들만 골라낼 수 있습니다. 서버를 띄울 필요도 없고 쓴 만큼만 돈을 내니 가장 경제적이고 확실한 방법입니다. 다른 옵션인 D(QuickSight)는 분석보다는 '보고'용에 가까워, 구체적인 원인 행위를 찾아내기엔 Athena가 훨씬 강력합니다.

정답은 A입니다. 비용 데이터를 우리 시스템에 녹여내고 싶다면 'Cost Explorer API'가 정답입니다. 이 API는 단순한 지출 내역뿐만 아니라, AWS의 기계 학습 모델이 계산한 '향후 12개월 예측치'까지 친절하게 알려줍니다. 프로그래밍 방식으로 데이터를 쏙쏙 가져올 수 있어 '운영 대시보드' 구축에 최적입니다. 다른 옵션들처럼 사람의 손(csv 다운로드)을 거치거나 이메일을 뜯어보는 방식은 자동화 시대에 어울리지 않는 비효율적인 방식입니다.