無料DBS 問題集No.1-100 (Amazon AWS Certified Database – Specialty)

正确答案: B
Correct answer is B as a manual snapshot needs to be taken to be able to restore Redshift to the point before upgrade.,Refer AWS documentation – Redshift Snapshots,Snapshots are point-in-time backups of a cluster. There are two types of snapshots: automated and manual. Amazon Redshift stores these snapshots internally in Amazon S3 by using an encrypted Secure Sockets Layer (SSL) connection.,Amazon Redshift automatically takes incremental snapshots that track changes to the cluster since the previous automated snapshot. Automated snapshots retain all of the data required to restore a cluster from a snapshot. You can create a snapshot schedule to control when automated snapshots are taken, or you can take a manual snapshot any time.,When you restore from a snapshot, Amazon Redshift creates a new cluster and makes the new cluster available before all of the data is loaded, so you can begin querying the new cluster immediately. The cluster streams data on demand from the snapshot in response to active queries, then loads the remaining data in the background.,When you launch a cluster, you can set the retention period for automated and manual snapshots. You can change the retention period for automated and manual snapshots by modifying the cluster. You can change the retention period for a manual snapshot when you create the snapshot or by modifying the snapshot.,You can take a manual snapshot any time. By default, manual snapshots are retained indefinitely, even after you delete your cluster. You can specify the retention period when you create a manual snapshot, or you can change the retention period by modifying the snapshot. If you create a snapshot using the Amazon Redshift console, it defaults the snapshot retention period to 365 days.,If a snapshot is deleted, you can’t start any new operations that reference that snapshot. However, if a restore operation is in progress, that restore operation will run to completion.,Option A is wrong as it would only copy the data.,Option C is wrong as you cannot copy the automated snapshot. Also, automated snapshot are controlled by time and size and would not represent the data before upgrade.,Option D is wrong as waitForSnapshotAvailable needs to be called after triggering the manual snapshot creation and it can be verified from console as well.

正しい答え: B

正しい答えはBです。アップグレード前の状態にRedshiftを復元するためには、手動でスナップショットを撮る必要があります。

AWSのドキュメントを参照してください – Redshiftスナップショット

スナップショットはクラスタの時点バックアップです。スナップショットには2種類があります: 自動スナップショットと手動スナップショット。Amazon Redshiftは、これらのスナップショットをAmazon S3に内部的に保存し、暗号化されたSSL接続を使用します。

Amazon Redshiftは、自動スナップショットを増分で撮り、前回の自動スナップショット以降のクラスタの変更を追跡します。自動スナップショットは、スナップショットからクラスタを復元するために必要なすべてのデータを保持します。スナップショットのスケジュールを作成して自動スナップショットが撮影されるタイミングを制御することも、任意のタイミングで手動スナップショットを撮ることもできます。

スナップショットから復元すると、Amazon Redshiftは新しいクラスタを作成し、新しいクラスタをデータがすべてロードされる前に利用可能にしますので、新しいクラスタをすぐにクエリできます。クラスタは、アクティブなクエリに応じてスナップショットからデータをオンデマンドでストリーミングし、その後残りのデータをバックグラウンドでロードします。

クラスタを起動する際に、自動スナップショットおよび手動スナップショットの保持期間を設定できます。クラスタを変更することで、自動スナップショットおよび手動スナップショットの保持期間を変更できます。手動スナップショットの保持期間は、スナップショットを作成する際に設定するか、スナップショットを変更することで変更できます。

手動スナップショットはいつでも撮ることができます。デフォルトでは、手動スナップショットはクラスタを削除した後でも無期限に保持されます。手動スナップショットを作成する際に保持期間を指定するか、スナップショットを変更して保持期間を変更できます。Amazon Redshiftコンソールを使用してスナップショットを作成すると、スナップショットの保持期間は365日に設定されます。

スナップショットが削除された場合、そのスナップショットを参照する新しい操作は開始できません。ただし、復元操作が進行中の場合、その復元操作は完了するまで実行されます。

オプションAは誤りです。データをコピーするだけです。

オプションCは誤りです。自動スナップショットをコピーすることはできません。また、自動スナップショットは時間とサイズによって管理され、アップグレード前のデータを反映しません。

オプションDは誤りです。waitForSnapshotAvailableは手動スナップショット作成をトリガーした後に呼び出す必要があり、コンソールからも確認できます。

正确答案: A
Correct answer is A as we need to tackle 2 issues. First is to capture real time sensor data and store it for analysis. Second is to respond to emergency notifications events with low latency. First can be handled using Kinesis Firehose to load data in Redshift for analysis. Second can be handled using SQS for notifications and DynamoDB for quick analysis or processing.,Refer AWS documentation – Kinesis Firehose FAQs,Amazon Kinesis Data Firehose buffers incoming streaming data to a certain size or for a certain period of time before delivering it to destinations. You can configure buffer size and buffer interval while creating your delivery stream. Buffer size is in MBs and ranges from 1MB to 128MB for Amazon S3 destination and 1MB to 100MB for Amazon Elasticsearch Service destination. Buffer interval is in seconds and ranges from 60 seconds to 900 seconds. Please note that in circumstances where data delivery to destination is falling behind data writing to delivery stream, Firehose raises buffer size dynamically to catch up and make sure that all data is delivered to the destination.,Option B is wrong as SQS is not suitable for real time sensor data collection and not is DynamoDB for analytics. Also, Redshift with Kinesis would not provide quick handling for data as Kinesis works on buffer interval and buffer size.,Option C is wrong as DynamoDB is not ideal for batch analytics.,Option D is wrong as Kinesis would not work emergency services handling as it works on buffer interval and buffer size.

正しい答え: A

正しい答えはAです。2つの問題に対処する必要があるからです。最初の問題は、リアルタイムのセンサーデータをキャプチャして分析のために保存することです。次の問題は、低遅延で緊急通知イベントに対応することです。最初の問題は、Kinesis Firehoseを使用してデータをRedshiftにロードし、分析を行うことで対応できます。次の問題は、通知のためにSQSを使用し、迅速な分析や処理のためにDynamoDBを使用することで対応できます。

AWSのドキュメントをご参照ください – Kinesis Firehose FAQ

Amazon Kinesis Data Firehoseは、データを指定されたサイズまたは指定された時間の間バッファリングし、その後、宛先にデータを配信します。配信ストリームを作成する際に、バッファサイズとバッファインターバルを設定できます。バッファサイズはMB単位で、Amazon S3宛先の場合は1MBから128MB、Amazon Elasticsearch Service宛先の場合は1MBから100MBの範囲です。バッファインターバルは秒単位で、60秒から900秒の範囲です。データが配信ストリームへの書き込みに追いつかない場合、Firehoseはバッファサイズを動的に増加させて追いつき、すべてのデータが宛先に配信されることを確認します。

オプションBは誤りです。SQSはリアルタイムのセンサーデータ収集には適しておらず、DynamoDBも分析には適していません。また、KinesisとRedshiftを組み合わせても、Kinesisはバッファインターバルとバッファサイズに基づいて動作するため、データの迅速な処理には対応できません。

オプションCは誤りです。DynamoDBはバッチ分析には適していません。

オプションDは誤りです。Kinesisは緊急サービスの処理には適していません。なぜなら、Kinesisはバッファインターバルとバッファサイズに基づいて動作するからです。

正确答案: A, C, E
Correct answers are A, C & E,Option A as KMS keys are specific to the region and a new key needs to be created in the destination region.,Option C as the grant needs to be provided for Redshift to use the master key in the destination region,Option E as the replication needs to be enabled on the source region.,Refer AWS documentation – Cross Region KMS Encrypted Snapshot & Redshift – Copying AWS KMS-Encrypted Snapshots to Another AWS Region,When you launch an Amazon Redshift cluster, you can choose to encrypt it with a master key from the AWS Key Management Service (AWS KMS). AWS KMS keys are specific to a region. If you want to enable cross-region snapshot copy for an AWS KMS-encrypted cluster, you must configure a snapshot copy grant for a master key in the destination region so that Amazon Redshift can perform encryption operations in the destination region.,AWS KMS keys are specific to an AWS Region. If you enable copying of Amazon Redshift snapshots to another AWS Region, and the source cluster and its snapshots are encrypted using a master key from AWS KMS, you need to configure a grant for Amazon Redshift to use a master key in the destination AWS Region. This grant enables Amazon Redshift to encrypt snapshots in the destination AWS Region.,Option B is wrong as keys are specific to the region, new keys need to be created.,Option D is wrong as the grants need to be provided in the destination region,Option F is wrong as the cross-region replication needs to be enabled in the source region.

正しい答え: A, C, E

正しい答えはA、C、Eです。Aオプションは、KMSキーがリージョン固有であり、目的のリージョンで新しいキーを作成する必要があるためです。Cオプションは、Redshiftが目的のリージョンでマスターキーを使用できるようにするために、グラントを提供する必要があるためです。Eオプションは、レプリケーションをソースリージョンで有効にする必要があるためです。

AWSのドキュメントを参照してください – クロスリージョンKMS暗号化スナップショット＆Redshift – AWS KMS暗号化スナップショットを別のAWSリージョンにコピーする方法。

Amazon Redshiftクラスタを起動する際に、AWSキー管理サービス（AWS KMS）のマスターキーを使用して暗号化するオプションを選択できます。AWS KMSキーはリージョン固有です。AWS KMSで暗号化されたクラスタのクロスリージョンスナップショットコピーを有効にする場合、目的のリージョンでマスターキーのスナップショットコピーグラントを設定する必要があります。これにより、Amazon Redshiftは目的のリージョンで暗号化操作を実行できます。

AWS KMSキーはAWSリージョンに固有です。Amazon Redshiftのスナップショットを別のAWSリージョンにコピーする場合、ソースクラスタとそのスナップショットがAWS KMSのマスターキーで暗号化されている場合、目的のAWSリージョンでAmazon Redshiftがマスターキーを使用できるようにグラントを設定する必要があります。このグラントにより、Amazon Redshiftは目的のAWSリージョンでスナップショットを暗号化できます。

Bオプションは間違いです。キーはリージョン固有であり、新しいキーを作成する必要があります。

Dオプションは間違いです。グラントは目的のリージョンで提供する必要があります。

Fオプションは間違いです。クロスリージョンレプリケーションはソースリージョンで有効にする必要があります。

正确答案: B
Correct answer is B as Redshift workload management allows proper usage of cluster.,Refer to the AWS Blog for Redshift to run mixed workloads,Amazon Redshift Workload Management allows you to manage workloads of various sizes and complexity for specific environments. Parameter groups contain WLM configuration, which determines how many query queues are available for processing and how queries are routed to those queues. Following settings are available

正しい答え: B

正しい答えはBです。Redshiftワークロード管理により、クラスターの適切な使用が可能になります。混合ワークロードを実行するためのAWS Blogを参照してください。Amazon Redshiftワークロード管理を使用すると、特定の環境に対してさまざまなサイズと複雑さのワークロードを管理できます。パラメーターグループにはWLM設定が含まれており、これにより処理のために使用できるクエリキューの数や、クエリがこれらのキューにどのようにルーティングされるかが決まります。以下の設定が利用可能です。

正确答案: A
Correct answer is A as the simplest way to build the model is to use the Amazon Machine Learning (Amazon ML), using the binary classification model. As the company has historical data they can learn from and apply it from the new data.,Refer AWS documentation – Predicting Customer Churn with Amazon Machine Learning,Options B, C & D are wrong as they do not provide models or methods to apply to new data.

正しい答え: A

正しい答えはAです。モデルを構築する最も簡単な方法は、Amazon Machine Learning (Amazon ML) を使用して、バイナリ分類モデルを利用することです。企業は過去のデータを持っており、それを学習し、新しいデータに適用することができます。

AWSのドキュメントを参照してください – Amazon Machine Learningを使用した顧客の離脱予測

オプションB、C、Dは間違いです。これらは新しいデータに適用するためのモデルや方法を提供しません。

正确答案: B
Correct answer is B as the point here is durable data store with any time analytics the best option is to store the data in DynamoDB and use Apache Hive with Amazon Elastic MapReduce for analytics.,Refer AWS documentation – DynamoDB EMR Hive Processing,Option A is wrong as Elastic Block Store is not ideal for storing social media data,Option C is wrong as Amazon Glacier is not an ideal for storing social media data,Option D is wrong as Elastic Block Store is not ideal for storing social media data and CloudWatch is not for analytics.

正解: B

正解はBです。ここでのポイントは、耐久性のあるデータストアといつでも分析できることです。最適な選択肢は、データをDynamoDBに保存し、分析にはAmazon Elastic MapReduceとApache Hiveを使用することです。AWSのドキュメント – DynamoDB EMR Hive処理を参照してください。

オプションAは誤りです。Elastic Block Storeはソーシャルメディアデータの保存には適していません。

オプションCは誤りです。Amazon Glacierはソーシャルメディアデータの保存には適していません。

オプションDは誤りです。Elastic Block Storeはソーシャルメディアデータの保存には適していません。また、CloudWatchは分析には使用できません。

正确答案: A
Correct answer is A as S3 can provide the most cost-effective solution to store data while providing highly durable and highly flexible storage option with respect to the type and structure of data.,Option B is wrong and HDFS would not be a cost-effective option as compared to S3.,Options C & D are wrong as they do not have flexibility in terms of data type and structure and would not be cost-effective as well.

正解: A
正解はAです。S3はデータの種類と構造に応じて、非常に耐久性が高く、非常に柔軟なストレージオプションを提供し、最もコスト効果の高いデータストレージソリューションを提供することができます。
オプションBは誤りであり、HDFSはS3と比較してコスト効果が高い選択肢ではありません。
オプションCおよびDは誤りであり、データの種類や構造に関して柔軟性がなく、コスト効果も高くありません。

正确答案: D
Correct answer is D as Data Pipeline can be used to import the data from MySQL and Export it to DynamoDB as batch.,Refer AWS documentation – Near Zero Downtime Migration from MySQL to DynamoDB, Data Pipeline Export MySQL & Data Pipeline Import DynamoDB,Option A is wrong as Kinesis data stream cannot emit data directly to DynamoDB table and would need a consumer. Also Kinesis is best for real-time puts,Option B is wrong as it doesn’t define how the migration is happening,Option C is wrong as You do not have access to RDS instance.

正解: D

正しい答えはDです。Data PipelineはMySQLからデータをインポートし、バッチとしてDynamoDBにエクスポートするために使用できます。AWSのドキュメント「Near Zero Downtime Migration from MySQL to DynamoDB」を参照してください。Data Pipeline Export MySQL & Data Pipeline Import DynamoDB。

オプションAは誤りです。KinesisデータストリームはDynamoDBテーブルにデータを直接送信できず、コンシューマが必要です。また、Kinesisはリアルタイムのデータ投入に最適です。

オプションBは誤りです。移行の方法が定義されていません。

オプションCは誤りです。RDSインスタンスへのアクセス権がありません。

正确答案: A, D
Correct answer are A & D as Redshift Enhanced VPC Routing helps access AWS services including S3 through VPC, without having to route any traffic through internet. Also, note the region is the same.,Refer AWS documentation – Redshift Enhanced VPC Routing,When you use Amazon Redshift Enhanced VPC Routing, Amazon Redshift forces all COPY and UNLOAD traffic between your cluster and your data repositories through your Amazon VPC. You can now use standard VPC features, such as VPC security groups, network access control lists (ACLs), VPC endpoints, VPC endpoint policies, Internet gateways, and Domain Name System (DNS) servers, to tightly manage the flow of data between your Amazon Redshift cluster and other resources. When you use Enhanced VPC Routing to route traffic through your VPC, you can also use VPC flow logs to monitor COPY and UNLOAD traffic.,If Enhanced VPC Routing is not enabled, Amazon Redshift routes traffic through the Internet, including traffic to other services within the AWS network.,VPC Endpoints – For traffic to an Amazon S3 bucket in the same region as your cluster, you can create a VPC endpoint to direct traffic directly to the bucket. When you use VPC endpoints, you can attach an endpoint policy to manage access to Amazon S3.,Option B is wrong as Redshift cannot directly access S3 without internet,Option C is wrong as NAT enables connectivity to services via Internet only or other AWS services.,NAT gateway – To connect to an Amazon S3 bucket in another region or to another service within the AWS network, or to access a host instance outside the AWS network, you can configure a network address translation (NAT) gateway.

正しい答え: A, D

正しい答えはAとDです。Redshift Enhanced VPC Routingは、VPCを通じてS3などのAWSサービスにアクセスできるようにし、インターネットを通じてトラフィックをルーティングする必要がありません。また、リージョンが同じであることにも注意してください。

AWSのドキュメントを参照してください – Redshift Enhanced VPC Routing

Amazon Redshift Enhanced VPC Routingを使用すると、Amazon Redshiftはクラスターとデータリポジトリ間のすべてのCOPYおよびUNLOADトラフィックをAmazon VPCを通じて強制的にルーティングします。これにより、VPCセキュリティグループ、ネットワークアクセスコントロールリスト（ACL）、VPCエンドポイント、VPCエンドポイントポリシー、インターネットゲートウェイ、DNSサーバーなど、標準的なVPC機能を使用して、Amazon Redshiftクラスターと他のリソース間のデータフローを厳密に管理できます。Enhanced VPC Routingを使用してVPCを通じてトラフィックをルーティングする場合、VPCフローログを使用してCOPYおよびUNLOADトラフィックを監視することもできます。

Enhanced VPC Routingが有効でない場合、Amazon Redshiftはインターネットを通じてトラフィックをルーティングします。この場合、AWSネットワーク内の他のサービスへのトラフィックも含まれます。

VPCエンドポイント – クラスターと同じリージョン内のAmazon S3バケットへのトラフィックの場合、VPCエンドポイントを作成して、トラフィックを直接バケットにルーティングできます。VPCエンドポイントを使用する場合、エンドポイントポリシーを添付してAmazon S3へのアクセスを管理できます。

オプションBは誤りです。Redshiftはインターネットなしで直接S3にアクセスできません。

オプションCは誤りです。NATはインターネット経由または他のAWSサービスを介して接続を可能にします。

NATゲートウェイ – 別のリージョン内のAmazon S3バケットやAWSネットワーク内の他のサービス、またはAWSネットワーク外のホストインスタンスに接続するためには、ネットワークアドレス変換（NAT）ゲートウェイを設定できます。

正确答案: B
Correct answer is B as DynamoDB Auto Scaling can help scale as per the demand.,Refer AWS documentation – DynamoDB AutoScaling,Many database workloads are cyclical in nature or are difficult to predict in advance. For example, consider a social networking app where most of the users are active during daytime hours. The database must be able to handle the daytime activity, but there’s no need for the same levels of throughput at night. Another example might be a new mobile gaming app that is experiencing rapid adoption. If the game becomes too popular, it could exceed the available database resources, resulting in slow performance and unhappy customers. These kinds of workloads often require manual intervention to scale database resources up or down in response to varying usage levels.,DynamoDB auto scaling uses the AWS Application Auto Scaling service to dynamically adjust provisioned throughput capacity on your behalf, in response to actual traffic patterns. This enables a table or a global secondary index to increase its provisioned read and write capacity to handle sudden increases in traffic, without throttling. When the workload decreases, Application Auto Scaling decreases the throughput so that you don’t pay for unused provisioned capacity.,Option A is wrong as its more of a manual effort and not a cost-effective way as compared to B,Option C is wrong as DynamoDB streams captures a time-ordered sequence of item-level modifications in any DynamoDB table, and stores this information in a log for up to 24 hours. It cannot help review the current capacity.,Option D is wrong as it is not a cost effective to provision the throughput to the maximum required.

正しい答え: B

正しい答えはBです。DynamoDBの自動スケーリングは、需要に応じてスケールを調整するのに役立ちます。AWSのドキュメント – DynamoDB AutoScalingを参照してください。

多くのデータベースのワークロードは、周期的であるか、事前に予測することが難しい性質を持っています。例えば、ほとんどのユーザーが昼間に活発になるソーシャルネットワーキングアプリを考えてみてください。データベースは昼間のアクティビティを処理できる必要がありますが、夜間には同じレベルのスループットは必要ありません。別の例として、急速に普及している新しいモバイルゲームアプリを考えた場合、そのゲームが非常に人気になると、利用可能なデータベースリソースを超えることがあり、パフォーマンスの低下や顧客の不満が生じます。このようなワークロードは、使用レベルに応じてデータベースリソースを手動でスケーリングする必要がよくあります。

DynamoDBの自動スケーリングは、AWSアプリケーションオートスケーリングサービスを使用して、実際のトラフィックパターンに応じてプロビジョニングされたスループット容量を動的に調整します。これにより、テーブルやグローバルセカンダリインデックスが、スループット制限なしに急激なトラフィックの増加に対応するために、プロビジョニングされた読み書き容量を増加させることができます。ワークロードが減少すると、アプリケーションオートスケーリングはスループットを減少させ、未使用のプロビジョニング容量に対して支払う必要がなくなります。

オプションAは間違いです。なぜなら、手動で行う作業が多く、Bに比べてコスト効果が低いためです。

オプションCは間違いです。DynamoDBストリームは、DynamoDBテーブル内のアイテムレベルの変更の時間順序付きシーケンスをキャプチャし、この情報を最大24時間までログに保存します。現在の容量の確認には役立ちません。

オプションDは間違いです。必要な最大スループットをプロビジョニングするのはコスト効果が低いためです。

正确答案: A
Correct answer is A as Presto allows ad hoc query analysis over multiple data sources.,Refer AWS documentation – Presto,Presto (or PrestoDB) is an open source, distributed SQL query engine, designed from the ground up for fast analytic queries against data of any size. It supports both non-relational sources, such as the Hadoop Distributed File System (HDFS), Amazon S3, Cassandra, MongoDB, and HBase, and relational data sources such as MySQL, PostgreSQL, Amazon Redshift, Microsoft SQL Server, and Teradata.,Presto can query data where it is stored, without needing to move data into a separate analytics system. Query execution runs in parallel over a pure memory-based architecture, with most results returning in seconds.,Option B is wrong as QuickSight is a fast, cloud-powered business intelligence service that makes it easy to deliver insights to everyone in your organization.,Option C is wrong as Ganglia is a scalable distributed monitoring system for high-performance computing systems such as clusters and Grids,Option D is wrong as YARN is the resource management and job scheduling technology in the open source Hadoop distributed processing framework.

正解: A

正解はAです。Prestoは複数のデータソースに対するアドホックなクエリ解析を可能にするためです。AWSのドキュメント – Prestoを参照してください。

Presto（またはPrestoDB）は、あらゆるサイズのデータに対する高速な分析クエリのために、最初から設計されたオープンソースの分散SQLクエリエンジンです。Hadoop分散ファイルシステム（HDFS）、Amazon S3、Cassandra、MongoDB、HBaseなどの非リレーショナルデータソースと、MySQL、PostgreSQL、Amazon Redshift、Microsoft SQL Server、Teradataなどのリレーショナルデータソースの両方をサポートしています。

Prestoは、データを別の分析システムに移動することなく、データが保存されている場所でクエリを実行できます。クエリの実行は、純粋なメモリベースのアーキテクチャで並列に実行され、ほとんどの結果は数秒以内に返されます。

オプションBは誤りです。QuickSightは、組織のすべての人にインサイトを提供するための、迅速でクラウド駆動のビジネスインテリジェンスサービスです。

オプションCは誤りです。Gangliaは、クラスターやグリッドなどの高性能計算システム向けのスケーラブルな分散モニタリングシステムです。

オプションDは誤りです。YARNは、オープンソースのHadoop分散処理フレームワークにおけるリソース管理およびジョブスケジューリング技術です。

正确答案: C
Correct answer is C as Amazon DynamoDB is a fully managed NoSQL database service that provides fast and predictable performance with seamless scalability.,Option A is wrong as Amazon Aurora (Aurora) is a fully managed relational database engine that’s compatible with MySQL and PostgreSQL. Amazon Aurora supports relational data models and does not support graph model.,Option B is wrong as Amazon Relational Database Service (Amazon RDS) is a web service that makes it easier to set up, operate, and scale a relational database in the cloud. Amazon RDS supports relational data models and does not support graph model.,Option D is wrong as Amazon Neptune is a fast, reliable, fully managed graph database service that makes it easy to build and run applications that work with highly connected datasets.

正解：C

正解はCです。Amazon DynamoDBは、シームレスなスケーラビリティで高速かつ予測可能なパフォーマンスを提供する完全管理型のNoSQLデータベースサービスです。

選択肢Aは誤りです。Amazon Aurora（Aurora）は、MySQLおよびPostgreSQLと互換性のある完全管理型のリレーショナルデータベースエンジンです。Amazon Auroraはリレーショナルデータモデルをサポートしており、グラフモデルはサポートしていません。

選択肢Bは誤りです。Amazon Relational Database Service（Amazon RDS）は、クラウドでリレーショナルデータベースを設定、運用、スケーリングするのを容易にするウェブサービスです。Amazon RDSはリレーショナルデータモデルをサポートしており、グラフモデルはサポートしていません。

選択肢Dは誤りです。Amazon Neptuneは、高速で信頼性のある完全管理型のグラフデータベースサービスで、強く接続されたデータセットを扱うアプリケーションの構築と実行を容易にします。

正确答案: A
Correct answer is A as the key requirement here is DR with RTO of 2 hours and a RPO of 24 hours with only the changed items to be replicated. DynamoDB cross region copy would help for DR with required RPO and RTO with Lastupdated time would help replicate only updated items.,Refer AWS DynamoDB Data Copy Between Regions Blog,Option B is wrong the scan operation is expensive and time consuming and would not help meet RTO. Also, there is no handling for only updated data.,Option C is wrong is time consuming and would not help meet the RTO. Also, there is no handling for only updated data.,Option D is wrong as this needs update to the application to push data to DynamoDB as well the SQS in a reliable manner.

正解: A

正しい答えはAです。ここでの重要な要件は、DR（ディザスタリカバリ）で、RTO（復旧時間目標）が2時間、RPO（復旧ポイント目標）が24時間で、変更されたアイテムのみを複製することです。DynamoDBのクロスリージョンコピーは、必要なRPOおよびRTOでDRを支援し、Lastupdated時刻は更新されたアイテムのみを複製するのに役立ちます。

「AWS DynamoDB Data Copy Between Regions Blog」を参照してください。

オプションBは誤りです。スキャン操作は高コストで時間がかかり、RTOを満たすのに役立ちません。また、更新されたデータの処理も行われません。

オプションCは誤りです。時間がかかり、RTOを満たすのに役立ちません。また、更新されたデータの処理も行われません。

オプションDは誤りです。これは、アプリケーションの更新が必要で、DynamoDBおよびSQSに信頼性のある方法でデータをプッシュする必要があります。

正确答案: A
Correct answer is A as Kinesis Data Firehose can be used to transfer data directly to Elasticsearch, without any handling.,Refer AWS documentation – Kinesis Firehose,Amazon Kinesis Data Firehose is the easiest way to reliably load streaming data into data stores and analytics tools. It can capture, transform, and load streaming data into Amazon S3, Amazon Redshift, Amazon Elasticsearch Service, and Splunk, enabling near real-time analytics with existing business intelligence tools and dashboards you’re already using today. It is a fully managed service that automatically scales to match the throughput of your data and requires no ongoing administration. It can also batch, compress, transform, and encrypt the data before loading it, minimizing the amount of storage used at the destination and increasing security.,Option B is wrong as EMR is for batch analytics.,Option C is wrong as AWS Data Pipeline does not capture real time data. AWS Data Pipeline is a web service that helps you reliably process and move data between different AWS compute and storage services, as well as on-premises data sources, at specified intervals.,Option D is wrong as SQS is a message service and would need handling to storage to Elasticsearch.

正解: A

正解は A です。Kinesis Data Firehose を使用すると、データを直接 Elasticsearch に転送できるため、特別な処理は不要です。

AWS のドキュメント – Kinesis Firehose を参照してください。

Amazon Kinesis Data Firehose は、ストリーミングデータをデータストアや分析ツールに確実にロードする最も簡単な方法です。Amazon S3、Amazon Redshift、Amazon Elasticsearch Service、Splunk へストリーミングデータをキャプチャ、変換、ロードでき、現在使用しているビジネスインテリジェンスツールやダッシュボードでほぼリアルタイムの分析を可能にします。

このサービスは完全に管理されており、データのスループットに合わせて自動的にスケールし、継続的な管理が不要です。また、データをロードする前にバッチ処理、圧縮、変換、暗号化を行うことができ、保存先でのストレージ使用量を最小限に抑え、セキュリティを向上させます。

オプション B は誤りです。EMR はバッチ分析向けのサービスです。

オプション C は誤りです。AWS Data Pipeline はリアルタイムデータをキャプチャしません。AWS Data Pipeline は、指定された間隔で異なる AWS のコンピューティングおよびストレージサービス、またはオンプレミスのデータソース間でデータを確実に処理および移動するための Web サービスです。

オプション D は誤りです。SQS はメッセージサービスであり、Elasticsearch への保存には追加の処理が必要です。

正确答案: B
Correct answer is B as S3 Server Side Encryption with S3 Managed Keys provide encryption. S3 ACLs allows fine grained control access and S3 to access logs would help provide traceability across all tools.,Use Server-Side Encryption with Amazon S3-Managed Keys (SSE-S3) – Each object is encrypted with a unique key. As an additional safeguard, it encrypts the key itself with a master key that it regularly rotates. Amazon S3 server-side encryption uses one of the strongest block ciphers available, 256-bit Advanced Encryption Standard (AES-256), to encrypt your data.,Option C is wrong as with Client-Side Encryption, the users must have the keys to decrypt the data.,When downloading an object—The client downloads the encrypted object from Amazon S3. Using the material description from the object’s metadata, the client determines which master key to use to decrypt the data key. The client uses that master key to decrypt the data key and then uses the data key to decrypt the object.,Options A & D are wrong as KMS Grants are mainly to provide access to the KMS keys. There is not mention of fine grained control over the S3 objects.

正解: B

正解はBです。S3管理されたキーを使用したS3サーバーサイド暗号化は暗号化を提供します。S3 ACLは細かなアクセス制御を可能にし、S3アクセスログはすべてのツールでトレース可能性を提供するのに役立ちます。

サーバーサイド暗号化をAmazon S3管理キー（SSE-S3）で使用します – 各オブジェクトは一意のキーで暗号化されます。追加の保護策として、そのキー自体を定期的にローテーションするマスターキーで暗号化します。Amazon S3サーバーサイド暗号化は、最も強力なブロック暗号の1つである256ビットの高度な暗号化標準（AES-256）を使用してデータを暗号化します。

オプションCは誤りです。クライアントサイド暗号化では、ユーザーがデータを復号化するためのキーを持っている必要があります。

オブジェクトをダウンロードする際 – クライアントは暗号化されたオブジェクトをAmazon S3からダウンロードします。オブジェクトのメタデータからの材料記述を使用して、クライアントはどのマスターキーを使用してデータキーを復号化するかを決定します。クライアントはそのマスターキーを使用してデータキーを復号化し、次にデータキーを使用してオブジェクトを復号化します。

オプションAとDは誤りです。KMSグラントは主にKMSキーへのアクセスを提供するためのものであり、S3オブジェクトに対する細かな制御については言及されていません。

正确答案: B
Correct answer is B as it is essential when writing mobile applications that you consider the security of both how the application authenticates and how it stores credentials. Amazon Cognito gives you the ability to securely authenticate pools of users on any type of device at scale.,Option A is wrong as it uses an anonymous Put, which may allow other apps to write counterfeit data;,Option C is wrong as it would put credentials directly into the application, which is strongly discouraged because applications can be decompiled which can compromise the keys.,Option D is wrong as it does not meet our availability requirements: although the EC2 instances are running in different Availability Zones, the EBS volumes attached to each instance only store data in a single Availability Zone.

正しい答え: B

正しい答えはBです。モバイルアプリケーションを作成する際、アプリケーションがどのように認証し、資格情報をどのように保存するかのセキュリティを考慮することが不可欠だからです。Amazon Cognitoは、どのようなデバイスであっても、ユーザープールを安全に認証する機能を提供します。

選択肢Aは間違いです。匿名のPutを使用しているため、他のアプリケーションが偽のデータを書き込むことを許可する可能性があります。

選択肢Cは間違いです。資格情報をアプリケーションに直接埋め込むため、アプリケーションが逆コンパイルされる可能性があり、キーが危険にさらされるため、強く推奨されません。

選択肢Dは間違いです。可用性要件を満たしていません。EC2インスタンスは異なるアベイラビリティゾーンで実行されていますが、各インスタンスにアタッチされたEBSボリュームは単一のアベイラビリティゾーンにのみデータを保存します。

正确答案: D
Correct answer is D as you need to represent time driven data for demand trends over multiple months, Line chart would be an ideal choice.,Refer AWS documentation – QuickSight Visual Types,Option A is wrong as Scatter plots can help to visualize two or three measures for a dimension.,Option B is wrong as Pie charts can help to compare values for items in a dimension.,Option C is wrong as Pivot tables can help to show measure values for the intersection of two dimensions.

正しい答え: D

正しい答えはDです。複数ヶ月にわたる需要のトレンドに関する時間駆動のデータを表現する必要があるため、折れ線グラフが理想的な選択です。AWSのドキュメント – QuickSightのビジュアルタイプを参照してください。

オプションAは間違いです。散布図は、ディメンションに対して2つまたは3つのメジャーを視覚化するのに役立ちます。

オプションBは間違いです。円グラフは、ディメンション内のアイテムの値を比較するのに役立ちます。

オプションCは間違いです。ピボットテーブルは、2つのディメンションの交差点に対するメジャーの値を表示するのに役立ちます。

正确答案: A, B, E
Correct answers are A, B & E,Refer to the AWS S3 Protecting Data using Encryption,Data at rest encryption using S3 can be implemented using either Server Side or Client Side encryption. SSE can be implemented using either KMS provided keys (SSE-KMS) or Customer provided keys (SSE-C). CSE can be implemented by encrypting the data before uploading it to S3 and then decrypting the data after downloading it from S3 at client side.,Option C is wrong as server side encryption doesn’t work with EC2 key pair,Option D is wrong as bucket policies are just to restrict access to S3,Option F is wrong as it targets the data in transit only.

正しい答え: A, B, E

正しい答えはA, B & Eです。AWS S3を使用したデータの暗号化保護に関しては、S3のデータ休止暗号化はサーバーサイドまたはクライアントサイドのいずれかで実装できます。SSEは、KMS提供のキー（SSE-KMS）または顧客提供のキー（SSE-C）を使用して実装できます。CSEは、データをS3にアップロードする前に暗号化し、S3からダウンロード後にクライアント側でデータを復号化することで実装できます。

オプションCは誤りです。サーバーサイドの暗号化はEC2キーペアとは動作しません。

オプションDは誤りです。バケットポリシーはS3へのアクセス制限を目的としています。

オプションFは誤りです。これは転送中のデータのみを対象としています。

正确答案: A
Correct answer is A as
D3.js is a JavaScript library for manipulating documents based on data. D3 helps you bring data to life using HTML, SVG, and CSS. D3’s emphasis on web standards gives you the full capabilities of modern browsers without tying yourself to a proprietary framework, combining powerful visualization components and a data-driven approach to DOM manipulation.,Option B is wrong as Jupyter is an open-source web application that allows you to create and share documents that contain live code, equations, visualizations and narrative text. Uses include: data cleaning and transformation, numerical simulation, statistical modeling, data visualization, machine learning, and much more. It is not a rich visualization tool which supports all the web standards.,Option C is wrong as RStudio makes R easier to use. It includes a code editor, debugging & visualization tools.,Option D is wrong as Hue is the open source analytics workbench designed for fast data discovery, intelligent query assistance, and seamless collaboration

正解: A

正解はAです。D3.jsは、データに基づいて文書を操作するためのJavaScriptライブラリです。D3は、HTML、SVG、CSSを使用してデータを視覚化し、命を吹き込みます。D3はWeb標準に重点を置いており、専有のフレームワークに縛られることなく、最新のブラウザの完全な機能を活用できます。強力な視覚化コンポーネントとデータ駆動型のDOM操作アプローチを組み合わせています。

オプションBは誤りです。Jupyterは、ライブコード、数式、視覚化、ナラティブテキストを含む文書を作成および共有するためのオープンソースのWebアプリケーションです。使用例には、データのクリーニングと変換、数値シミュレーション、統計モデリング、データ可視化、機械学習などがあります。すべてのWeb標準をサポートする豊富な視覚化ツールではありません。

オプションCは誤りです。RStudioは、Rを使いやすくするためのツールです。コードエディター、デバッグおよび視覚化ツールが含まれています。

オプションDは誤りです。Hueは、迅速なデータ発見、インテリジェントなクエリ支援、シームレスなコラボレーションを目的としたオープンソースの分析作業台です。

正确答案: A
Correct answer is A as the customer is planning to use Dense Storage nodes, they can start with more number of small nodes which would be cost-effective as compared to large nodes and easier to improve query performance and storage.,Refer AWS documentation – Redshift Cluster & Nodes,DS2 node types are optimized for large data workloads and use hard disk drive (HDD) storage. Node types are available in different sizes. DS2 nodes are available in xlarge and 8xlarge sizes.,The number of nodes that you choose depends on the size of your dataset and your desired query performance. Using the dense storage node types as an example, if you have 32 TB of data, you can choose either 16 ds2.xlarge nodes or 2 ds2.8xlarge nodes. If your data grows in small increments, choosing the ds2.xlarge node size allows you to scale in increments of 2 TB. If you typically see data growth in larger increments, a ds2.8xlarge node size might be a better choice.,Because Amazon Redshift distributes and executes queries in parallel across all of a cluster’s compute nodes, you can increase query performance by adding nodes to your cluster. Amazon Redshift also distributes your data across all compute nodes in a cluster. When you run a cluster with at least two compute nodes, data on each node will always be mirrored on disks on another node and you reduce the risk of incurring data loss.,Option B is wrong as with 50TB you would need 4 large nodes and it would not be as cost effective as small nodes.,Options C & D are wrong as it is not meet the customer requirement of limited budget and avoid performing tests unless absolutely needed.

正解: A

正解はAです。顧客が高密度ストレージノードを使用する予定であるため、大きなノードと比較して、小さなノードを多く使用することでコスト効率が良くなり、クエリのパフォーマンスやストレージの向上も容易になります。

参照: AWSドキュメント – Redshift クラスター & ノード

DS2ノードタイプは、大規模データワークロード向けに最適化され、ハードディスクドライブ (HDD) ストレージを使用します。ノードタイプにはさまざまなサイズがあり、DS2ノードは xlarge および 8xlarge サイズで利用可能です。

選択するノードの数は、データセットのサイズや希望するクエリパフォーマンスによって異なります。例えば、高密度ストレージノードタイプを使用する場合、32TBのデータを持っているとすると、16台の ds2.xlarge ノードまたは 2台の ds2.8xlarge ノードを選択できます。データが小刻みに増加する場合は、ds2.xlarge ノードサイズを選択することで、2TB単位でスケールできます。一方で、データの増加が大きな単位で発生する場合は、ds2.8xlarge ノードサイズの方が適しているかもしれません。

Amazon Redshift は、クラスタ内のすべてのコンピュートノードに対してクエリを並列に分散・実行するため、ノードを追加することでクエリパフォーマンスを向上させることができます。また、Amazon Redshift はクラスタ内のすべてのコンピュートノードにデータを分散します。少なくとも2台のコンピュートノードを持つクラスタを運用する場合、各ノードのデータは常に他のノードのディスクにミラーリングされ、データ損失のリスクを軽減できます。

選択肢Bは誤りです。50TBのデータには 4台の大きなノードが必要になり、小さなノードと比較してコスト効率が悪くなります。

選択肢CおよびDは、顧客の「予算が限られている」および「不要なテストを避ける」という要件を満たしていないため誤りです。

正确答案: D
Correct answer is D as the requirement is real time data ingestion and analytics, the best option is to use Kinesis for storing the real time incoming data. The data can then be moved to S3 and analyzed using EMR and Redshift. Data can then be moved to Glacier for archival.,Refer AWS documentation – Kinesis,Amazon Kinesis is a platform for streaming data on AWS, making it easy to load and analyze streaming data, and also providing the ability for you to build custom streaming data applications for specialized needs.,Option A is wrong as Cognito is not suitable for handling real time data,Amazon Cognito lets you easily add user sign-up and sign-in and manage permissions for your mobile and web apps. You can create your own user directory within Amazon Cognito, or you can authenticate users through social identity providers such as Facebook, Twitter, or Amazon; with SAML identity solutions; or by using your own identity system. In addition, Amazon Cognito enables you to save data locally on users’ devices, allowing your applications to work even when the devices are offline. You can then synchronize data across users’ devices so that their app experience remains consistent regardless of the device they use.,Option B is wrong as DynamoDB is not suitable for streaming data ingestion and handling.,Option C is wrong as S3 is not an ideal solution to handle this huge amount of requests.

正解: D

正解はDです。要件はリアルタイムデータの取り込みと分析であり、最適な選択肢は、Kinesisを使用してリアルタイムで受信したデータを保存することです。その後、データはS3に移動され、EMRとRedshiftを使用して分析されます。データはアーカイブのためにGlacierに移動することができます。

AWSのドキュメントを参照してください – Kinesis

Amazon Kinesisは、AWSでのストリーミングデータプラットフォームで、ストリーミングデータを簡単にロードして分析することができ、また、特殊なニーズに合わせたカスタムストリーミングデータアプリケーションの構築も可能です。

オプションAは誤りです。Cognitoはリアルタイムデータの取り込みには適していません。Amazon Cognitoは、モバイルおよびWebアプリケーションのユーザーサインアップとサインインを簡単に追加し、アクセス権限を管理するサービスです。Amazon Cognito内で独自のユーザーディレクトリを作成することも、Facebook、Twitter、AmazonなどのソーシャルIDプロバイダーやSAML認証ソリューションを通じてユーザーを認証することもできます。また、Amazon Cognitoはユーザーのデバイスにローカルにデータを保存し、デバイスがオフラインのときでもアプリケーションを動作させることができます。その後、ユーザーのデバイス間でデータを同期し、どのデバイスを使用してもアプリの体験が一貫しているようにすることができます。

オプションBは誤りです。DynamoDBはストリーミングデータの取り込みと処理には適していません。

オプションCは誤りです。S3はこのような大量のリクエストを処理するための最適な解決策ではありません。

正确答案: D
Correct answer is D as Zeppelin provides data ingestion, data discovery, data analytics and data visualization & collaboration.,Refer documentation – Zeppelin,Zeppelin is a web-based notebook that enables data-driven, interactive data analytics and collaborative documents with SQL, Scala and more.,Apache Zeppelin interpreter concept allows any language/data-processing-backend to be plugged into Zeppelin. Currently Apache Zeppelin supports many interpreters such as Apache Spark, Python, JDBC, Markdown and Shell.,Some basic charts are already included in Apache Zeppelin. Visualizations are not limited to SparkSQL query, any output from any language backend can be recognized and visualized.,Option A is wrong as Hive is data warehouse software facilitates reading, writing, and managing large datasets residing in distributed storage using SQL.,Option B is wrong as D3.js a JavaScript library for manipulating documents based on data. D3 helps you bring data to life using HTML, SVG, and CSS.,Option C is wrong as Kinesis Data Analytics is the easiest way to analyze streaming data, gain actionable insights, and respond to your business and customer needs in real time.

正しい答え：D

正しい答えはDです。Zeppelinはデータの取り込み、データの発見、データ分析、データの可視化およびコラボレーションを提供します。詳細はドキュメントをご参照ください – Zeppelin。

Zeppelinは、データ駆動型のインタラクティブなデータ分析とSQL、Scalaなどを使ったコラボレーティブドキュメントを可能にするWebベースのノートブックです。

Apache Zeppelinのインタープリター概念により、任意の言語やデータ処理バックエンドをZeppelinに組み込むことができます。現在、Apache ZeppelinはApache Spark、Python、JDBC、Markdown、Shellなど多くのインタープリターをサポートしています。

Apache Zeppelinにはいくつかの基本的なチャートがすでに含まれています。可視化はSparkSQLクエリに限定されることはなく、どの言語バックエンドからの出力も認識されて可視化されます。

オプションAは誤りです。HiveはSQLを使用して分散ストレージに保存されている大規模なデータセットの読み取り、書き込み、および管理を支援するデータウェアハウアソフトウェアです。

オプションBは誤りです。D3.jsはデータに基づいてドキュメントを操作するためのJavaScriptライブラリです。D3はHTML、SVG、CSSを使用してデータを視覚化します。

オプションCは誤りです。Kinesis Data Analyticsは、ストリーミングデータを分析し、実用的なインサイトを得て、リアルタイムでビジネスや顧客のニーズに応える最も簡単な方法です。

正确答案: B
Correct answer is B as Redshift Cluster can integrate with corporate HSM via VPN in a cost-effective way,Refer AWS documentation – Redshift Encryption,In Amazon Redshift, you can enable database encryption for your clusters to help protect data at rest. When you enable encryption for a cluster, the data blocks and system metadata are encrypted for the cluster and its snapshots.,You can enable encryption when you launch your cluster, or you can modify an unencrypted cluster to use AWS Key Management Service (AWS KMS) encryption. To do so, you can use either an AWS-managed key or a customer-managed key (CMK). When you modify your cluster to enable KMS encryption, Amazon Redshift automatically migrates your data to a new encrypted cluster. Snapshots created from the encrypted cluster are also encrypted.,Amazon Redshift uses a hierarchy of encryption keys to encrypt the database. You can use either AWS Key Management Service (AWS KMS) or a hardware security module (HSM) to manage the top-level encryption keys in this hierarchy. The process that Amazon Redshift uses for encryption differs depending on how you manage keys. Amazon Redshift automatically integrates with AWS KMS but not with an HSM. When you use an HSM, you must use client and server certificates to configure a trusted connection between Amazon Redshift and your HSM.,Option A is wrong as importing HSM to AWS would not be secure as it against the requirement.,Option C is wrong as Direct Connect would be cheap and quick to start with.,Option D is wrong as CloudHSM cannot connect to on-premises.,Does CloudHSM work with on-premises HSMs? –
Yes. While CloudHSM does not interoperate directly with on-premises HSMs, you can securely transfer exportable keys between CloudHSM and most commercial HSMs using one of several supported RSA key wrap methods.

正解: B

正しい答えはBです。RedshiftクラスタはVPNを介して企業のHSMと統合でき、コスト効率の良い方法で利用できます。AWSドキュメント – Redshiftの暗号化を参照してください。Amazon Redshiftでは、データベース暗号化を有効にして、静止データを保護することができます。クラスタの暗号化を有効にすると、データブロックとシステムメタデータがクラスタとそのスナップショットに対して暗号化されます。

クラスタを起動する際に暗号化を有効にすることができます。または、暗号化されていないクラスタをAWS Key Management Service（AWS KMS）暗号化を使用するように変更することもできます。そのためには、AWS管理のキーまたは顧客管理のキー（CMK）のいずれかを使用できます。クラスタを変更してKMS暗号化を有効にすると、Amazon Redshiftはデータを新しい暗号化されたクラスタに自動的に移行します。暗号化されたクラスタから作成されたスナップショットも暗号化されます。

Amazon Redshiftは、データベースを暗号化するために暗号化キーの階層を使用します。AWS Key Management Service（AWS KMS）またはハードウェアセキュリティモジュール（HSM）のいずれかを使用して、この階層の最上位の暗号化キーを管理できます。Amazon Redshiftが使用する暗号化プロセスは、キーの管理方法によって異なります。Amazon RedshiftはAWS KMSとの統合を自動的に行いますが、HSMとは統合しません。HSMを使用する場合は、クライアントとサーバーの証明書を使用して、Amazon RedshiftとHSMの間で信頼できる接続を構成する必要があります。

オプションAは誤りです。HSMをAWSにインポートすることは、要件に反するため、安全ではありません。

オプションCは誤りです。Direct Connectは、最初に始めるには安価で迅速です。

オプションDは誤りです。CloudHSMはオンプレミスと接続できません。

CloudHSMはオンプレミスHSMと連携しますか？ – はい。CloudHSMはオンプレミスHSMと直接相互運用しませんが、サポートされているRSAキーラップ方法の1つを使用して、CloudHSMとほとんどの商業用HSM間でエクスポート可能なキーを安全に転送できます。

正确答案: C
Correct answer is C as the need is for data at rest encryption. S3 with SSE will help store the data in S3 in encrypted format.,Refer AWS documentation – Redshift Encryption & S3 Encryption,In Amazon Redshift, you can enable database encryption for your clusters to help protect data at rest. When you enable encryption for a cluster, the data blocks and system metadata are encrypted for the cluster and its snapshots.,Encryption is an optional, immutable setting of a cluster. If you want encryption, you enable it during the cluster launch process. To go from an unencrypted cluster to an encrypted cluster or the other way around, unload your data from the existing cluster and reload it in a new cluster with the chosen encryption setting.,Option A is wrong as data is not encrypted in Redshift.,Option B is wrong as data is not encrypted in S3.,Option D is wrong as you cannot enable encryption after Redshift cluster is launched.

正しい答え: C

正しい答えはCです。必要なのはデータの静止状態暗号化です。S3のSSEを使用すると、S3に暗号化された形式でデータを保存できます。

AWSのドキュメントをご参照ください – Redshift暗号化およびS3暗号化

Amazon Redshiftでは、クラスターのデータベース暗号化を有効にして、静止データを保護できます。クラスターに対して暗号化を有効にすると、そのクラスターとスナップショットのデータブロックおよびシステムメタデータが暗号化されます。

暗号化はオプションで変更不可能なクラスター設定です。暗号化を希望する場合は、クラスターの起動プロセス中にそれを有効にします。暗号化されていないクラスターから暗号化されたクラスターに、またはその逆に移行するには、既存のクラスターからデータをアンロードし、選択した暗号化設定を持つ新しいクラスターにデータを再ロードします。

オプションAは間違いです。Redshiftではデータは暗号化されません。

オプションBは間違いです。S3ではデータは暗号化されません。

オプションDは間違いです。Redshiftクラスターが起動した後に暗号化を有効にすることはできません。

正确答案: D
Correct answer is D as Amazon RDS handles all these requirements, and although Amazon RDS is not typically thought of as optimized for key-value based access, a schema with a good primary key selection can provide this functionality.,Option A is wrong as Amazon S3 provides no fixed schema and does not have consistent read after PUT support.,Option B is wrong as Amazon Kinesis supports streaming data that is consistent as of a given sequence number but doesn’t provide key/value access.,Option C is wrong as Amazon DynamoDB provides key/value access and consistent reads, it does not support SQL-based queries.

正解: D

正解はDです。Amazon RDSはこれらの要件をすべて処理します。Amazon RDSは通常、キー・バリューアクセスに最適化されているとは考えられていませんが、良いプライマリキーの選択を伴うスキーマはこの機能を提供できます。

選択肢Aは誤りです。Amazon S3は固定スキーマを提供せず、PUT後の一貫した読み取りサポートもありません。

選択肢Bは誤りです。Amazon Kinesisは、特定のシーケンス番号に基づく一貫性のあるストリーミングデータをサポートしていますが、キー/バリューアクセスを提供しません。

選択肢Cは誤りです。Amazon DynamoDBはキー/バリューアクセスと一貫した読み取りを提供しますが、SQLベースのクエリをサポートしていません。

正确答案: D, E
Correct answers are D & E,Option D as S3 Transfer Acceleration helps speed up the upload performance.
Amazon S3 Transfer Acceleration enables fast, easy, and secure transfers of files over long distances between your client and an S3 bucket. Transfer Acceleration takes advantage of Amazon CloudFront’s globally distributed edge locations. As the data arrives at an edge location, data is routed to Amazon S3 over an optimized network path.,Option E as multipart upload helps provide better recoverability.,Depending on the size of the data you are uploading, Amazon S3 offers the following options:,We recommend that you use multipart uploading in the following ways:,Option A is wrong as the mobile application needs to be configured for different endpoints and does not improve performance. Also, cross region replication would create duplication and increase cost.,Option B is wrong as random prefixes are no more needed for improving performance.,Option C is wrong as Route 53 latency based routing works only with S3 static website.

正解: D, E

正しい答えはDとEです。オプションDは、S3転送加速がアップロードパフォーマンスの向上に役立つためです。

Amazon S3転送加速は、クライアントとS3バケット間での長距離ファイル転送を高速、簡単、かつ安全に実現します。転送加速は、Amazon CloudFrontの世界中に分散したエッジロケーションを活用します。データがエッジロケーションに到達すると、データは最適化されたネットワークパスを通じてAmazon S3にルーティングされます。

オプションEは、マルチパートアップロードが回復性の向上に役立つためです。

アップロードするデータのサイズによって、Amazon S3は以下のオプションを提供します:

以下の方法でマルチパートアップロードを使用することをお勧めします:

オプションAは間違いです。モバイルアプリケーションは異なるエンドポイントの設定が必要であり、パフォーマンス向上には寄与しません。また、クロスリージョンレプリケーションは重複を生み、コストを増加させます。

オプションBは間違いです。ランダムプレフィックスはパフォーマンス向上にはもはや必要ありません。

オプションCは間違いです。Route 53のレイテンシーベースルーティングは、S3の静的ウェブサイトにのみ適用されます。

正确答案: A
Correct answer is A as the data can be encrypted using client side encryption. The encryption needs to be done on the producer before the data is pushed to Kinesis Streams.,Refer AWS documentation – Kinesis Encrypt and Decrypt Data,Options B & D are wrong as they do not provide encryption.,Option C is wrong as the encryption needs to happen at the producer side.

正解: A
正解はAです。データはクライアント側の暗号化を使用して暗号化できます。暗号化は、データがKinesis Streamsに送信される前にプロデューサー側で行う必要があります。
AWSのドキュメント – Kinesisのデータの暗号化と復号化を参照してください。
オプションBとDは、暗号化を提供しないため誤りです。
オプションCは、暗号化はプロデューサー側で行う必要があるため誤りです。

正确答案: B
Correct answer is B as EMRFS Consistent View helps provide a view of the objects in S3 and also tracks the consistency.,Refer AWS documentation – EMRFS Consistent View,EMRFS consistent view is an optional feature available when using Amazon EMR release version 3.2.1 or later. Consistent view allows EMR clusters to check for list and read-after-write consistency for Amazon S3 objects written by or synced with EMRFS. Consistent view addresses an issue that can arise due to the Amazon S3 Data Consistency Model. For example, if you add objects to Amazon S3 in one operation and then immediately list objects in a subsequent operation, the list and the set of objects processed may be incomplete. This is more commonly a problem for clusters that run quick, sequential steps using Amazon S3 as a data store, such as multi-step extract-transform-load (ETL) data processing pipelines.,When you create a cluster with consistent view enabled, Amazon EMR uses an Amazon DynamoDB database to store object metadata and track consistency with Amazon S3. If consistent view determines that Amazon S3 is inconsistent during a file system operation, it retries that operation according to rules that you can define.,With consistent view enabled, EMRFS returns the set of objects listed in an EMRFS metadata store and those returned directly by Amazon S3 for a given path. Because Amazon S3 is still the “source of truth” for the objects in a path, EMRFS ensures that everything in a specified Amazon S3 path is being processed regardless of whether it is tracked in the metadata. However, EMRFS consistent view only ensures that the objects in the folders that you track are checked for consistency.

正解はBです。EMRFS Consistent Viewは、S3内のオブジェクトのビューを提供し、整合性も追跡するのに役立ちます。

AWSドキュメント – EMRFS Consistent Viewを参照してください。

EMRFS Consistent Viewは、Amazon EMRリリースバージョン3.2.1以降で使用可能なオプションの機能です。整合性ビューにより、EMRクラスタは、EMRFSで書き込まれたまたは同期されたAmazon S3オブジェクトのリストおよび書き込み後の読み取りの整合性を確認できます。整合性ビューは、Amazon S3データ整合性モデルによって発生する可能性のある問題に対処します。例えば、Amazon S3にオブジェクトを1回の操作で追加し、その後すぐに別の操作でオブジェクトをリストした場合、リストおよび処理されたオブジェクトのセットが不完全である可能性があります。これは、Amazon S3をデータストアとして使用するクラスター、例えば複数のステップで抽出・変換・読み込み（ETL）データ処理パイプラインを使用するクラスターにとって一般的な問題です。

一貫性ビューを有効にしてクラスターを作成すると、Amazon EMRはAmazon DynamoDBデータベースを使用してオブジェクトのメタデータを保存し、Amazon S3との整合性を追跡します。一貫性ビューがAmazon S3の整合性がないと判断した場合、定義可能なルールに従ってその操作を再試行します。

整合性ビューが有効な場合、EMRFSはEMRFSメタデータストアにリストされたオブジェクトセットと、指定されたパスのAmazon S3から直接返されたオブジェクトを返します。Amazon S3はパス内のオブジェクトの「真実の源」として依然として機能するため、EMRFSはメタデータに追跡されているかどうかに関わらず、指定されたAmazon S3パス内のすべてのオブジェクトが処理されていることを確認します。ただし、EMRFSの一貫性ビューは、追跡しているフォルダ内のオブジェクトが整合性を確認されることを保証するのみです。

正确答案: D
Correct answer is D as you can create a view in Redshift which filters the records based on the current user name and show only those results for the logged in user.,Option A is wrong as IAM group with users cannot limit the access to the data in Redshift.,Option B is wrong as it does not limit or filter the data and it is not a cost-effective solution.,Option C is wrong as encryption cannot be done at each employee record level.

正解: D

Correct answer is D as you can create a view in Redshift which filters the records based on the current user name and show only those results for the logged in user.

Option A is wrong as IAM group with users cannot limit the access to the data in Redshift.

Option B is wrong as it does not limit or filter the data and it is not a cost-effective solution.

Option C is wrong as encryption cannot be done at each employee record level.

正确答案: A
Correct answer is A as Elasticsearch provides full text search capability and is a fully managed AWS service.,Refer AWS documentation – Elasticsearch Integration,You can load streaming data into your Amazon Elasticsearch Service domain from many different sources. Some sources, like Amazon Kinesis Data Firehose and Amazon CloudWatch Logs, have built-in support for Amazon ES. Others, like Amazon S3, Amazon Kinesis Data Streams, and Amazon DynamoDB, use AWS Lambda functions as event handlers. The Lambda functions respond to new data by processing it and streaming it to your domain.,Option B is wrong as Elasticache do not provide search capability, but more of a key value lookup and caching ability.,Option C is wrong as its not easy and cost-efficient to search on DynamoDB,Option D is wrong as S3 does not provide any search capability.

正解: A

正解はAです。Elasticsearchは全文検索機能を提供し、完全に管理されたAWSサービスだからです。

AWSのドキュメント – Elasticsearch統合を参照してください。

Amazon Elasticsearch Serviceドメインに、さまざまなソースからストリーミングデータをロードできます。Amazon Kinesis Data FirehoseやAmazon CloudWatch Logsなどのソースは、Amazon ESのサポートを内蔵しています。他のソース、例えばAmazon S3、Amazon Kinesis Data Streams、Amazon DynamoDBは、AWS Lambda関数をイベントハンドラーとして使用します。Lambda関数は新しいデータに反応して処理し、そのデータをドメインにストリーミングします。

オプションBは間違いです。Elasticacheは検索機能を提供せず、主にキー・バリューの検索とキャッシュ機能を提供します。

オプションCは間違いです。DynamoDBで検索を行うのは簡単でコスト効率が良くありません。

オプションDは間違いです。S3は検索機能を提供していません。

正确答案: B
Correct answer is B as the key requirement is to reduce cost without affecting quality. The issue here is the JSON data is being read always even though it is not needed 90% of time. As the data size for JSON is huge compared to other attributes, the provisioned throughput needed is high. The issue can be resolved by retrieving only the details for history and the transaction details when needed. Creating a GSI for the base transaction history and using the primary for transaction summary would work perfectly.,Option A is wrong as it would affect the quality.,Option C is wrong as it is not possible.,Option D is wrong as the LSI needs to be created with the sort key as transaction id instead of date. This will allow to retrieve the transaction details from LSI and summary from primary table.,Also, note, both options B & D need changes to the base table as you cannot change the primary key of the table once created and nor can you create a LSI after the table is created.

正解：B

正しい答えはBです。主な要件は、品質に影響を与えずにコストを削減することです。ここでの問題は、JSONデータが必要ない90％の時間でも常に読み込まれていることです。JSONのデータサイズは他の属性と比べて非常に大きいため、必要なプロビジョンドスループットが高くなります。この問題は、履歴と取引の詳細が必要なときだけを取得することで解決できます。基本的な取引履歴のためのGSIを作成し、取引の概要にはプライマリキーを使用することで、完璧に機能します。

オプションAは品質に影響を与えるため誤りです。

オプションCは不可能であるため誤りです。

オプションDは、LSIを作成する際に、日付ではなく取引IDをソートキーとして使用する必要があるため誤りです。これにより、LSIから取引の詳細を取得し、プライマリテーブルから概要を取得できます。

また、BおよびDのオプションは、テーブルのプライマリキーを作成後に変更することはできないため、ベーステーブルに変更が必要であることに注意してください。また、テーブル作成後にLSIを作成することもできません。

正确答案: D
Correct answer is D as
NOLOAD checks the integrity of all of the data without loading it into the database. The NOLOAD option displays any errors that would occur if you had attempted to load the data. All other options will require subsequent processing on the cluster which will consume resources.,Refer AWS documentation – Data Load Copy Parameters,If you want to validate your data without actually loading the table, use the NOLOAD option with the COPY command.

正しい答え: D

正しい答えはDです。NOLOADは、データをデータベースにロードせずに、すべてのデータの整合性をチェックします。NOLOADオプションは、データをロードしようとした場合に発生する可能性のあるエラーを表示します。その他のオプションでは、クラスタでの後続処理が必要になり、リソースを消費します。

AWSドキュメント – データロードコピーのパラメータを参照してください。

テーブルを実際にロードせずにデータを検証したい場合は、COPYコマンドでNOLOADオプションを使用してください。

正确答案: A
Correct answer is A as Kinesis Data Streams can help handle the streaming data. Kinesis Streams provides you with the ability to build custom applications to process and analyze streaming data using KCL which can be used for anomaly detection and processing.,Refer AWS documentation – Kinesis Streams,Although you can use Kinesis Data Streams to solve a variety of streaming data problems, a common use is the real-time aggregation of data followed by loading the aggregate data into a data warehouse or map-reduce cluster.,Data is put into Kinesis data streams, which ensures durability and elasticity. The delay between the time a record is put into the stream and the time it can be retrieved (put-to-get delay) is typically less than 1 second. In other words, a Kinesis Data Streams application can start consuming the data from the stream almost immediately after the data is added. The managed service aspect of Kinesis Data Streams relieves you of the operational burden of creating and running a data intake pipeline. You can create streaming map-reduce–type applications. The elasticity of Kinesis Data Streams enables you to scale the stream up or down, so that you never lose data records before they expire.,Multiple Kinesis Data Streams applications can consume data from a stream, so that multiple actions, like archiving and processing, can take place concurrently and independently. For example, two applications can read data from the same stream. The first application calculates running aggregates and updates an Amazon DynamoDB table, and the second application compresses and archives data to a data store like Amazon Simple Storage Service (Amazon S3). The DynamoDB table with running aggregates is then read by a dashboard for up-to-the-minute reports.,The Kinesis Client Library enables fault-tolerant consumption of data from streams and provides scaling support for Kinesis Data Streams applications.,Option B is wrong as S3 with batching would not provide near real time analysis on the stream data.,Option C is wrong as Kinesis Firehose would only transfer the data to S3. It does not provide ability for KCL applications to work on the streaming data.,Option D is wrong as RDS is not ideal for real time streaming data.

正しい答え: A

正しい答えはAです。Kinesis Data Streamsは、ストリーミングデータを処理するのに役立ちます。Kinesis Streamsは、KCLを使用してストリーミングデータを処理および分析するカスタムアプリケーションを構築する機能を提供します。これにより、異常検出や処理が可能になります。AWSのドキュメント – Kinesis Streamsを参照してください。

Kinesis Data Streamsを使用してさまざまなストリーミングデータの問題を解決できますが、一般的な用途は、データのリアルタイム集計と、集計データをデータウェアハウスやマップリデュースクラスタにロードすることです。

データはKinesisデータストリームに投入され、耐久性と弾力性が保証されます。レコードがストリームに投入されてから取得されるまでの遅延（投入から取得までの遅延）は通常1秒未満です。つまり、Kinesis Data Streamsアプリケーションは、データが追加された直後にストリームからデータを消費し始めることができます。Kinesis Data Streamsの管理サービス部分は、データ取り込みパイプラインの作成と実行の運用負担を軽減します。ストリーミングマップリデュースタイプのアプリケーションを作成できます。Kinesis Data Streamsの弾力性により、ストリームをスケールアップまたはスケールダウンできるため、データが期限切れになる前にデータレコードを失うことはありません。

複数のKinesis Data Streamsアプリケーションがストリームからデータを消費できるため、アーカイブや処理などの複数のアクションを同時に独立して実行できます。たとえば、2つのアプリケーションが同じストリームからデータを読み取ることができます。最初のアプリケーションは実行中の集計を計算してAmazon DynamoDBテーブルを更新し、2番目のアプリケーションはデータを圧縮してAmazon Simple Storage Service（Amazon S3）などのデータストアにアーカイブします。実行中の集計を含むDynamoDBテーブルは、ダッシュボードによって最新のレポートのために読み取られます。

Kinesis Client Libraryは、ストリームからのデータのフォールトトレラントな消費を可能にし、Kinesis Data Streamsアプリケーションのスケーリングサポートを提供します。

オプションBは誤りです。バッチ処理を使用したS3は、ストリームデータのリアルタイム分析を提供しません。

オプションCは誤りです。Kinesis FirehoseはデータをS3に転送するだけで、KCLアプリケーションがストリーミングデータで作業する能力は提供しません。

オプションDは誤りです。RDSはリアルタイムのストリーミングデータには適していません。

正确答案: D
Correct answer is D as Kinesis support Server Side Encryption with which the data can be encrypted at rest.,Refer AWS documentation – Kinesis Server Side Encryption,Server-side encryption is a feature in Amazon Kinesis Data Streams that automatically encrypts data before it’s at rest by using an AWS KMS customer master key (CMK) you specify. Data is encrypted before it’s written to the Kinesis stream storage layer, and decrypted after it’s retrieved from storage. As a result, your data is encrypted at rest within the Kinesis Data Streams service. This allows you to meet strict regulatory requirements and enhance the security of your data.,With server-side encryption, your Kinesis stream producers and consumers don’t need to manage master keys or cryptographic operations. Your data is automatically encrypted as it enters and leaves the Kinesis Data Streams service, so your data at rest is encrypted. AWS KMS provides all the master keys that are used by the server-side encryption feature. AWS KMS makes it easy to use a CMK for Kinesis that is managed by AWS, a user-specified AWS KMS CMK, or a master key imported into the AWS KMS service.,Option A is wrong as SSL/TLS is for Encryption for data in transit,Option B is wrong as Kinesis consumer library is for consumption of data.,Option C is wrong as the data is not encrypted when stored

正解: D

正解はDです。Kinesisはサーバーサイド暗号化をサポートしており、これによりデータは静止時に暗号化されます。AWSのドキュメント – Kinesis サーバーサイド暗号化を参照してください。

サーバーサイド暗号化は、Amazon Kinesis Data Streamsの機能で、指定したAWS KMSカスタマーマスタキー（CMK）を使用して、データが静止する前に自動的に暗号化します。データはKinesisストリームのストレージ層に書き込まれる前に暗号化され、ストレージから取得後に復号化されます。その結果、データはKinesis Data Streamsサービス内で静止状態で暗号化されます。これにより、厳格な規制要件を満たし、データのセキュリティを強化できます。

サーバーサイド暗号化を使用することで、Kinesisストリームのプロデューサーとコンシューマーは、マスタキーや暗号化操作を管理する必要がありません。データはKinesis Data Streamsサービスに入るときと出るときに自動的に暗号化されるため、静止データは暗号化されます。AWS KMSはサーバーサイド暗号化機能で使用されるすべてのマスタキーを提供します。AWS KMSを使用すると、AWSが管理するKinesis用のCMK、ユーザー指定のAWS KMS CMK、またはAWS KMSサービスにインポートされたマスタキーを簡単に使用できます。

オプションAは間違いです。SSL/TLSは転送中のデータの暗号化用です。

オプションBは間違いです。Kinesisコンシューマライブラリはデータの消費用です。

オプションCは間違いです。データは保存時に暗号化されていません。

正确答案: D
Correct answer is D as IP-based resource policy can restrict access to the specific IP addresses only.,Refer AWS documentation – Elasticsearch Access Control,IP-based Policies – IP-based policies restrict access to a domain to one or more IP addresses or CIDR blocks. Technically, IP-based policies are not a distinct type of policy. Instead, they are just resource-based policies that specify an anonymous principal and include a special Condition element.,The primary appeal of IP-based policies is that they allow unsigned requests to an Amazon ES domain, which lets you use clients like curl and Kibana or access the domain through a proxy server.,Options A & B are user/password and ssh keys do not apply to Elasticsearch cluster.,Options C is wrong as you can define identity based policies, however it would not limit access to the specific IP.

正解：D

正解はDです。IPベースのリソースポリシーは、特定のIPアドレスへのアクセスのみを制限することができます。詳細はAWSのドキュメント – Elasticsearchのアクセス制御、IPベースのポリシーを参照してください。IPベースのポリシーは、1つまたは複数のIPアドレスまたはCIDRブロックに対してドメインへのアクセスを制限します。技術的には、IPベースのポリシーは別個のポリシータイプではなく、無名プリンシパルを指定し、特別な条件要素を含むリソースベースのポリシーです。

IPベースのポリシーの主な魅力は、Amazon ESドメインへの署名されていないリクエストを許可する点です。これにより、curlやKibanaなどのクライアントを使用したり、プロキシサーバー経由でドメインにアクセスしたりすることができます。

選択肢AとBは、ユーザー/パスワードやSSHキーはElasticsearchクラスターには適用されません。

選択肢Cは誤りです。アイデンティティベースのポリシーを定義することはできますが、それでは特定のIPへのアクセスを制限することはできません。

正确答案: D
Correct answer is D as different CloudWatch log groups can be created, which can have separate access control policies.,Refer AWS documentation – CloudWatch Log Groups,A log group is a group of log streams that share the same retention, monitoring, and access control settings. You can define log groups and specify which streams to put into each group. There is no limit on the number of log streams that can belong to one log group.,Option A is wrong as the logs file are still combined and can be accessed by anyone who has access.,Option B is wrong as its an overhead to create a Lambda function.,Option C is wrong as this would need application changes.

正解: D

正解はDです。なぜなら、異なるCloudWatchロググループを作成でき、それぞれにアクセス制御ポリシーを設定できるためです。AWSのドキュメントを参照してください – CloudWatchロググループ。

ロググループは、同じ保持、監視、およびアクセス制御設定を共有するログストリームのグループです。ロググループを定義し、どのストリームを各グループに入れるかを指定できます。一つのロググループに属するログストリームの数に制限はありません。

オプションAは誤りです。ログファイルはまだ統合されており、アクセス権を持っている誰でもアクセスできます。

オプションBは誤りです。Lambda関数を作成するのは手間がかかります。

オプションCは誤りです。アプリケーションの変更が必要です。

正确答案: D
Correct answer is D as Presto can help work on Petabytes of data with the interactive ability.,Refer AWS documentation – EMR Presto,Presto is an open-source distributed SQL query engine optimized for low-latency, ad-hoc analysis of data. It supports the ANSI SQL standard, including complex queries, aggregations, joins, and window functions. Presto can process data from multiple data sources including the Hadoop Distributed File System (HDFS) and Amazon S3.,You can quickly and easily create managed Presto clusters from the AWS Management Console, AWS CLI, or the Amazon EMR API. Additionally, you can leverage additional Amazon EMR features, including fast Amazon S3 connectivity, integration with Amazon EC2 Spot instances, choice of a wide variety of Amazon EC2 instances, including the memory optimized instances, and resize commands to easily add or remove instances from your cluster.,Presto uses a custom query execution engine with operators designed to support SQL semantics. Different from Hive/MapReduce, Presto executes queries in memory, pipelined across the network between stages, thus avoiding unnecessary I/O. The pipelined execution model runs multiple stages in parallel and streams data from one stage to the next as it becomes available.,Run interactive queries that directly access data in Amazon S3, save costs using Amazon EC2 Spot instance capacity, use Auto Scaling to dynamically add and remove capacity, and launch long-running or ephemeral clusters to match your workload. You can also add other Hadoop ecosystem applications on your cluster.,Option A is wrong as Oozie is more of a schedular tool.,Options B & C are wrong as they will work with Map Reduce.

正しい答え: D

正しい答えはDです。Prestoは、対話型の機能を活用してペタバイト規模のデータに対応できるためです。AWSのドキュメント – EMR Prestoを参照してください。

Prestoは、低遅延で即時分析が可能なデータ用に最適化されたオープンソースの分散SQLクエリエンジンです。ANSI SQL標準をサポートしており、複雑なクエリ、集計、結合、ウィンドウ関数を含みます。Prestoは、Hadoop Distributed File System (HDFS)やAmazon S3など、複数のデータソースからデータを処理できます。

AWS Management Console、AWS CLI、またはAmazon EMR APIから、迅速かつ簡単に管理されたPrestoクラスターを作成できます。また、Amazon S3への高速接続、Amazon EC2 Spotインスタンスとの統合、さまざまな種類のAmazon EC2インスタンス（メモリ最適化インスタンスを含む）の選択、クラスターからインスタンスを簡単に追加または削除できるリサイズコマンドなど、Amazon EMRの追加機能を活用できます。

Prestoは、SQLセマンティクスをサポートするように設計された演算子を持つカスタムクエリ実行エンジンを使用します。Hive/MapReduceとは異なり、Prestoはメモリ内でクエリを実行し、各段階間でネットワーク越しにパイプライン処理を行うため、不要なI/Oを避けることができます。このパイプライン実行モデルは、複数の段階を並列に実行し、データが利用可能になると次の段階へストリーミングします。

Amazon S3のデータに直接アクセスする対話型クエリを実行し、Amazon EC2 Spotインスタンス容量を使用してコストを削減し、Auto Scalingを使用して動的に容量を追加および削除し、長期間または一時的なクラスターを立ち上げてワークロードに合わせることができます。また、クラスターに他のHadoopエコシステムのアプリケーションを追加することもできます。

オプションAは誤りです。Oozieはスケジューラツールであるためです。

オプションBとCは誤りです。これらはMap Reduceと一緒に動作します。

正确答案: A, D
Correct answer are A, D as the RDS security can tightened using SSL connection and encryption.,Refer AWS documentation – RDS Security,Option B is wrong you cannot SSH into an RDS instance and CloudTrail does not track SSH logins.,Option C is wrong as the RDS instance is AWS managed.

正しい答え: A, D

RDSのセキュリティはSSL接続と暗号化を使用して強化できます。AWSのドキュメント – RDSセキュリティを参照してください。

オプションBは間違いです。RDSインスタンスにはSSHで接続できず、CloudTrailはSSHログインを追跡しません。

オプションCは間違いです。RDSインスタンスはAWS管理です。

正确答案: A
Correct answer is A as these are AWS specific and not accessible directly. AWS provides access to third party audit reports to confirm the same.,Refer AWS documentation – Risk Compliance Whitepaper,AWS and its customers share control over the IT environment, both parties have responsibility for managing the IT environment. AWS’ part in this shared responsibility includes providing its services on a highly secure and controlled platform and providing a wide array of security features customers can use. The customers’ responsibility includes configuring their IT environments in a secure and controlled manner for their purposes. While customers don’t communicate their use and configurations to AWS, AWS does communicate its security and control environment relevant to customers. AWS does this by doing the following:,Option B is wrong as AWS does not allow access to the data center.,Option C is wrong as security guidelines is not specific to DynamoDB and it is pretty much customer controlled.,Option D is wrong as AWS does not share any DynamoDB system architecture design document.

正解: A

正解はAです。これらはAWS固有であり、直接アクセスすることはできません。AWSは、第三者監査レポートへのアクセスを提供して、同様であることを確認します。

AWSのドキュメントを参照してください – リスクコンプライアンスホワイトペーパー

AWSとその顧客はIT環境の管理において責任を共有しています。両者はIT環境の管理に責任があります。AWSの役割は、高度に安全で制御されたプラットフォームでサービスを提供し、顧客が使用できる広範なセキュリティ機能を提供することです。顧客の責任は、自身の目的に応じて安全かつ制御された方法でIT環境を構成することです。顧客は自分の使用状況や構成をAWSに伝えることはありませんが、AWSは顧客に関連するセキュリティおよび制御環境を伝えます。AWSは次のようにしてこれを行います。

オプションBは誤りです。AWSはデータセンターへのアクセスを許可していません。

オプションCは誤りです。セキュリティガイドラインはDynamoDBに特有のものではなく、顧客が管理するものです。

オプションDは誤りです。AWSはDynamoDBのシステムアーキテクチャ設計文書を共有しません。

正确答案: D
Correct answer is D as IoT Rules Engine can be used to capture data from Sensor and data received from the device can be inserted into DynamoDB.,Refer AWS documentation – AWS IoT Rules,Rules give your devices the ability to interact with AWS services. Rules are analyzed and actions are performed based on the MQTT topic stream. You can use rules to support tasks like these:,Option A is wrong as a device’s
shadow is a JSON document that is used to store and retrieve current state information for a device. The Device Shadow service maintains a shadow for each device you connect to AWS IoT. You can use the shadow to get and set the state of a device over MQTT or HTTP, regardless of whether the device is connected to the Internet. Each device’s shadow is uniquely identified by the name of the corresponding thing.,Option B is wrong as Redshift is a data warehousing solution.,Option C is wrong as while Kinesis could technically be used as an intermediary between different sources, it isn’t a great way to get data into DynamoDB from an IoT device.

正解: D

正しい答えはDです。IoTルールエンジンはセンサーからデータを取得するために使用でき、デバイスから受信したデータはDynamoDBに挿入できます。AWSドキュメントを参照してください – AWS IoTルール。ルールは、デバイスがAWSサービスと対話できるようにします。ルールは分析され、MQTTトピックストリームに基づいてアクションが実行されます。ルールを使用して次のようなタスクをサポートできます:

オプションAは間違いです。デバイスのシャドウは、デバイスの現在の状態情報を保存および取得するために使用されるJSONドキュメントです。デバイスシャドウサービスは、AWS IoTに接続する各デバイスのシャドウを維持します。シャドウを使用して、デバイスがインターネットに接続されているかどうかに関係なく、MQTTまたはHTTP経由でデバイスの状態を取得および設定できます。各デバイスのシャドウは、対応するThingの名前によって一意に識別されます。

オプションBは間違いです。Redshiftはデータウェアハウジングソリューションです。

オプションCは間違いです。Kinesisは異なるソース間の仲介として技術的には使用できますが、IoTデバイスからDynamoDBにデータを取得するための最適な方法ではありません。

正确答案: B
Correct answer is B as Lambda reads in batches from Kinesis from a single shard, and hence it might timeout if the batch of records is huge.,Refer AWS documentation – Lambda with Kinesis,You can use an AWS Lambda function to process records in an Amazon Kinesis data stream. With Kinesis, you can collect data from many sources and process them with multiple consumers. Lambda supports standard data stream iterators and HTTP/2 stream consumers.,Lambda reads records from the data stream and invokes your function synchronously with an event that contains stream records. Lambda reads records in batches and invokes your function to process records from the batch.,Your Lambda function is a consumer application for your data stream. It processes one batch of records at a time from each shard.,For standard iterators, Lambda polls each shard in your Kinesis stream for records at a base rate of once per second. When more records are available, Lambda keeps processing batches until it receives a batch that’s smaller than the configured maximum batch size. The function shares read throughput with other consumers of the shard.,Option A is wrong as adding Lambda function does not reduce the batch of records read from Kinesis.,Option C is wrong as ignoring the data would lead to data loss and does not solve the problem,Option D is wrong as Lambda function reads from a single Kinesis shard.

正解: B

正解はBです。なぜなら、Lambdaは単一のシャードからKinesisをバッチで読み込むため、レコードのバッチが非常に大きい場合、タイムアウトする可能性があるからです。

AWSのドキュメント – KinesisとLambdaを参照してください。

Amazon Kinesisデータストリームのレコードを処理するためにAWS Lambda関数を使用できます。Kinesisを使用すると、複数のソースからデータを収集し、複数の消費者で処理できます。Lambdaは標準のデータストリームイテレータおよびHTTP/2ストリーム消費者をサポートします。

Lambdaはデータストリームからレコードを読み取り、ストリームレコードを含むイベントで関数を同期的に呼び出します。Lambdaはレコードをバッチで読み取り、そのバッチからレコードを処理するために関数を呼び出します。

Lambda関数はデータストリームの消費者アプリケーションです。各シャードから1つのバッチのレコードを一度に処理します。

標準のイテレータでは、LambdaはKinesisストリームの各シャードを1秒に1回の基本レートでポーリングしてレコードを取得します。より多くのレコードが利用可能になると、Lambdaはバッチを処理し続け、構成された最大バッチサイズより小さいバッチを受け取るまで処理を続けます。関数はシャードの他の消費者と読み取りスループットを共有します。

オプションAは誤りです。Lambda関数を追加しても、Kinesisから読み取るレコードのバッチは減少しません。

オプションCは誤りです。データを無視するとデータが失われ、問題を解決することにはなりません。

オプションDは誤りです。Lambda関数は単一のKinesisシャードから読み取ります。

正确答案: D
Correct answer is D as Kinesis support Server Side Encryption with which the data can be encrypted at rest.,Refer AWS documentation – Kinesis Server Side Encryption,Server-side encryption is a feature in Amazon Kinesis Data Streams that automatically encrypts data before it’s at rest by using an AWS KMS customer master key (CMK) you specify. Data is encrypted before it’s written to the Kinesis stream storage layer, and decrypted after it’s retrieved from storage. As a result, your data is encrypted at rest within the Kinesis Data Streams service. This allows you to meet strict regulatory requirements and enhance the security of your data.,With server-side encryption, your Kinesis stream producers and consumers don’t need to manage master keys or cryptographic operations. Your data is automatically encrypted as it enters and leaves the Kinesis Data Streams service, so your data at rest is encrypted. AWS KMS provides all the master keys that are used by the server-side encryption feature. AWS KMS makes it easy to use a CMK for Kinesis that is managed by AWS, a user-specified AWS KMS CMK, or a master key imported into the AWS KMS service.,Option A is wrong as Kinesis supports encryption at rest,Option B is wrong as SSL/TLS is for Encryption for data in transit,Option C is wrong as S3 SSE does not work with Kinesis

正解：D

正解はDです。Kinesisはサーバーサイド暗号化をサポートしており、これによりデータは静止状態で暗号化できます。詳細はAWSのドキュメント「Kinesis Server Side Encryption」を参照してください。

サーバーサイド暗号化は、Amazon Kinesis Data Streamsの機能で、AWS KMSカスタマーマスターキー（CMK）を使用して、データが静止状態になる前に自動的に暗号化します。データはKinesisストリームのストレージ層に書き込まれる前に暗号化され、ストレージから取得される際に復号化されます。その結果、データはKinesis Data Streamsサービス内で静止状態で暗号化されます。これにより、厳格な規制要件を満たし、データのセキュリティを強化することができます。

サーバーサイド暗号化を使用すると、Kinesisストリームのプロデューサーとコンシューマーはマスターキーや暗号操作を管理する必要はありません。データはKinesis Data Streamsサービスに入ると自動的に暗号化され、出るときも暗号化されるため、静止状態でのデータは暗号化されます。AWS KMSは、サーバーサイド暗号化機能で使用されるすべてのマスターキーを提供します。AWS KMSは、AWSによって管理されるKinesis用のCMK、ユーザー指定のAWS KMS CMK、またはAWS KMSサービスにインポートされたマスターキーを簡単に使用できるようにします。

選択肢Aは誤りです。Kinesisは静止状態での暗号化をサポートしています。

選択肢Bは誤りです。SSL/TLSはデータの転送中の暗号化に使用されます。

選択肢Cは誤りです。S3 SSEはKinesisと連携しません。

正确答案: C
Correct answer is C as the time series data regarding the usage of the customer can give insights and help build and train the model,Refer AWS documentation – AWS Machine Learning Churn prediction,Options A & D are wrong as they do not give any idea of customer behaviour.,Option B is wrong as the data is too limited.

正しい答え: C

正しい答えはCです。顧客の使用に関する時系列データは、洞察を提供し、モデルを構築してトレーニングするのに役立ちます。AWSのドキュメント – AWS Machine Learning Churn predictionを参照してください。

オプションAとDは顧客の行動に関する情報を提供しないため誤りです。

オプションBはデータが限られているため誤りです。

正确答案: D
Correct answer is D as Apache Spark is a distributed processing framework and programming model that helps you do machine learning, stream processing, or graph analytics using Amazon EMR clusters. Similar to Apache Hadoop, Spark is an open-source,distributed processing system commonly used for big data workloads. However, Spark has several notable differences from Hadoop MapReduce. Spark has an optimized directed acyclic graph (DAG) execution engine and actively caches data in-memory, which can boost performance, especially for certain algorithms and interactive queries.,Option A is wrong as Hive is an open-source, data warehouse, and analytic package that runs on top of a Hadoop cluster. Hive scripts use an SQL-like language called Hive QL (query language) that abstracts programming models and supports typical data warehouse interactions. Hive enables you to avoid the complexities of writing Tez jobs based on directed acyclic graphs (DAGs) or MapReduce programs in a lower level computer language, such as Java. Hive extends the SQL paradigm by including serialization formats.,Option B is wrong as HBase is an open source, non-relational, distributed database developed as part of the Apache Software Foundation’s Hadoop project. HBase runs on top of Hadoop Distributed File System (HDFS) to provide non- relational database capabilities for the Hadoop ecosystem. HBase works seamlessly with Hadoop, sharing its file system and serving as a direct input and output to the MapReduce framework and execution engine. HBase also integrates with Apache Hive, enabling SQL-like queries over HBase tables, joins with Hive-based tables, and support for Java Database Connectivity (JDBC).,Option C is wrong as HCatalog is a tool that allows you to access Hive metastore tables within Pig, Spark SQL, and/or custom MapReduce applications. HCatalog has a REST interface and command line client that allows you to create tables or do other operations.

正解: D

正解はDです。Apache Sparkは分散処理フレームワークおよびプログラミングモデルであり、Amazon EMRクラスターを使用して機械学習、ストリーム処理、またはグラフ分析を行うために役立ちます。Apache Hadoopに似ているように、Sparkはビッグデータワークロードに一般的に使用されるオープンソースの分散処理システムです。しかし、SparkにはHadoop MapReduceとはいくつかの顕著な違いがあります。Sparkは最適化された有向非巡回グラフ（DAG）実行エンジンを持ち、データをメモリ内で積極的にキャッシュすることで、特定のアルゴリズムや対話型クエリのパフォーマンスを向上させることができます。

オプションAは誤りです。Hiveはオープンソースのデータウェアハウスおよび分析パッケージであり、Hadoopクラスターの上で動作します。Hiveスクリプトは、プログラミングモデルを抽象化し、典型的なデータウェアハウス操作をサポートするSQLライクな言語であるHive QL（クエリ言語）を使用します。Hiveを使用すると、Tezジョブを有向非巡回グラフ（DAG）に基づいて書く複雑さや、Javaのような低レベルのコンピュータ言語でMapReduceプログラムを書く複雑さを避けることができます。HiveはSQLパラダイムを拡張し、シリアライズ形式を含みます。

オプションBは誤りです。HBaseはオープンソースの非リレーショナルな分散データベースで、Apache Software FoundationのHadoopプロジェクトの一部として開発されました。HBaseはHadoop分散ファイルシステム（HDFS）の上で動作し、Hadoopエコシステムのための非リレーショナルなデータベース機能を提供します。HBaseはHadoopとシームレスに連携し、そのファイルシステムを共有し、MapReduceフレームワークおよび実行エンジンに対する直接的な入力および出力として機能します。HBaseはまた、Apache Hiveと統合され、HBaseテーブル上でのSQLライクなクエリ、Hiveベースのテーブルとの結合、およびJava Database Connectivity（JDBC）のサポートを提供します。

オプションCは誤りです。HCatalogは、Pig、Spark SQL、またはカスタムMapReduceアプリケーション内でHiveメタストアテーブルにアクセスするためのツールです。HCatalogはRESTインターフェースおよびコマンドラインクライアントを持ち、テーブルの作成やその他の操作を行うことができます。

正确答案: B
Key point here hybrid work flow with both automated and manual tasks and ability to replay also needing GPUs with CUD instances with low latency networking,Correct answer is B as SWF provides an ability to have both human and automated assessments with G2 instances in a placement group providing GPU and low latency networking.,Option A & D are wrong as it involves hybrid approach involving human assessments.,Option C & D are wrong as C3 and SR-IOV won’t provide GPU as well as Enhanced networking needs to be enabled

正しい答え：B

ここでの重要なポイントは、手動および自動化されたタスクを両方含むハイブリッドワークフローであり、リプレイ機能も必要で、低遅延ネットワーキングを備えたCUDインスタンスのGPUも必要です。正しい答えはBです。SWFは、人間による評価と自動化された評価の両方を提供する機能を提供し、G2インスタンスがGPUと低遅延ネットワーキングを提供する配置グループに配置されています。

選択肢AおよびDは間違いです。なぜなら、それは人間による評価を含むハイブリッドアプローチに関わっているからです。

選択肢CおよびDは間違いです。なぜなら、C3およびSR-IOVはGPUを提供せず、強化されたネットワーキングを有効にする必要があるからです。

正确答案: D
Correct answer is D as only the logs need to be maintained in the new country, S3 cross region replication can be used to copy the data to the AWS region within the new Country.,Option A is wrong as there is not need for replication the complete application,Option B is wrong as CloudFront logs would only provide access logs and maybe not hold the financial transaction logs.,Option C is wrong as using Kinesis would need to build and host client application and have data storage charges as well.

正解: D
新しい国ではログのみを維持する必要があるため、S3クロスリージョンレプリケーションを使用してデータを新しい国のAWSリージョンにコピーできます。
オプションAは間違いです。アプリケーション全体のレプリケーションは必要ありません。
オプションBは間違いです。CloudFrontのログはアクセスログのみを提供し、財務取引ログを保持しない可能性があります。
オプションCは間違いです。Kinesisを使用する場合、クライアントアプリケーションを構築してホストする必要があり、データストレージの費用もかかります。

正确答案: B
Key point here is backend supporting the data with 2 years retention and architecture being scalable,Correct answer is B as DynamoDB can be used to support the ingestion throughput via autoscaled instances and later store data into Redshift for analysis,Option A & D are wrong as RDS would not be scalable and performant with high input rate and storage for 2 years,Option C is wrong as Redshift is designed for data warehousing and would not be able to support the ingestion throughput

正しい答え: B
ここでの重要なポイントは、バックエンドが2年間のデータ保持をサポートし、アーキテクチャがスケーラブルであることです。正しい答えはBであり、DynamoDBは自動スケーリングインスタンスを通じてインジェストスループットをサポートし、その後データをRedshiftに保存して分析することができます。
オプションAとDは間違いです。なぜなら、RDSは高い入力レートと2年間のストレージに対してスケーラブルで高性能ではないからです。
オプションCも間違いです。Redshiftはデータウェアハウジング用に設計されており、インジェストスループットをサポートすることはできません。

正确答案: D
Correct answer is D as the data dependency can be managed in DynamoDB. S3 event notifications can trigger Lambda functions to map the objects and check dependency. Once all satisfied, EMR job can be triggered.,Option A is wrong as EMR hive with RDS with need resource running always and not a cost-effective solution.,Option B is wrong as using EC2 fleet of servers would not be cost-effective as compared to lambda.,Option C is wrong as ElastiCache Redis is not an ideal storage for mapping and would not be cost-effective as compared to DynamoDB being a completely managed service.

正解：D

正解はDです。なぜなら、データ依存関係はDynamoDBで管理できるからです。S3イベント通知はLambda関数をトリガーして、オブジェクトをマッピングし、依存関係を確認することができます。すべてが満たされたら、EMRジョブをトリガーできます。

選択肢Aは間違いです。なぜなら、EMR HiveとRDSを使用する場合、リソースを常に稼働させる必要があり、コスト効果の高い解決策ではないからです。

選択肢Bは間違いです。なぜなら、EC2サーバーフリートを使用することはLambdaと比較してコスト効果が低いためです。

選択肢Cは間違いです。なぜなら、ElastiCache Redisはマッピングには理想的なストレージではなく、完全に管理されたサービスであるDynamoDBと比較してコスト効果が低いためです。

正确答案: C
Correct answer is C as the shards are more than enough and the EC2 instances utilization is low, the only other reason can be the instances do not match up the shards and single instance is processing multiple shards.,Refer AWS documentation – Kinesis Record Processor Scaling,Typically, when you use the KCL, you should ensure that the number of instances does not exceed the number of shards (except for failure standby purposes). Each shard is processed by exactly one KCL worker and has exactly one corresponding record processor, so you never need multiple instances to process one shard. However, one worker can process any number of shards, so it’s fine if the number of shards exceeds the number of instances.,To scale up processing in your application, you should test a combination of these approaches:,Note that you can use Auto Scaling to automatically scale your instances based on appropriate metrics.,Option A is wrong as shards are more than enough increasing would not improve performance.,Option B is wrong as the network traffic is modest increasing the size would not improve performance.,Option D is wrong as there is no relation of DynamoDB.

正解: C

正解はCです。シャードは十分にあり、EC2インスタンスの使用率は低いため、唯一の他の理由はインスタンスがシャードと一致せず、単一のインスタンスが複数のシャードを処理している可能性です。AWSのドキュメント – Kinesisレコードプロセッサのスケーリングを参照してください。

通常、KCLを使用する場合、インスタンスの数がシャードの数を超えないようにする必要があります（障害用の待機目的を除く）。各シャードは正確に1つのKCLワーカーによって処理され、1つの対応するレコードプロセッサがありますので、1つのシャードを処理するために複数のインスタンスを必要とすることはありません。ただし、1つのワーカーが任意の数のシャードを処理できるため、シャードの数がインスタンスの数を超えても問題はありません。

アプリケーションの処理をスケールアップするには、これらのアプローチの組み合わせをテストする必要があります。

適切なメトリックに基づいてインスタンスを自動的にスケーリングするために、Auto Scalingを使用できることに注意してください。

オプションAは誤りです。シャードは十分にあり、増加させてもパフォーマンスは向上しません。

オプションBは誤りです。ネットワークトラフィックは控えめであり、サイズを増加させてもパフォーマンスは向上しません。

オプションDは誤りです。DynamoDBには関係ありません。

正确答案: A, D
Correct answers are A & D as EVEN distribution distributes the data across slides in a round robin fashion and does not participate in joins.,Refer AWS documentation – Redshift Distribution Style,EVEN distribution – The leader node distributes the rows across the slices in a round-robin fashion, regardless of the values in any particular column. EVEN distribution is appropriate when a table does not participate in joins or when there is not a clear choice between KEY distribution and ALL distribution.,Option B is wrong as if the data needs to be grouped by specific Key, KEY distribution should be used.,The rows are distributed according to the values in one column. The leader node places matching values on the same node slice. If you distribute a pair of tables on the joining keys, the leader node collocates the rows on the slices according to the values in the joining columns so that matching values from the common columns are physically stored together.,Option C is wrong as if the data transfer needs to be eliminated, ALL distribution should be used as a copy of all the data is made on all the nodes.,A copy of the entire table is distributed to every node. Where EVEN distribution or KEY distribution place only a portion of a table’s rows on each node, ALL distribution ensures that every row is collocated for every join that the table participates in.

正解：A, D

正しい答えはAとDです。EVEN分配はデータをラウンドロビン方式でスライス間に分配し、結合には参加しません。詳細についてはAWSのドキュメント – Redshift Distribution Styleを参照してください。

EVEN分配 – リーダーノードは、特定の列の値に関係なく、ラウンドロビン方式で行をスライスに分配します。EVEN分配は、テーブルが結合に参加しない場合や、KEY分配とALL分配の間に明確な選択肢がない場合に適しています。

オプションBは誤りです。データが特定のキーでグループ化する必要がある場合は、KEY分配を使用すべきです。

行は1つの列の値に従って分配されます。リーダーノードは一致する値を同じノードスライスに配置します。結合キーでテーブルを分配すると、リーダーノードは結合列の値に従って行をスライスに配置し、共通の列の一致する値が物理的に一緒に格納されるようにします。

オプションCは誤りです。データ転送を排除する必要がある場合は、ALL分配を使用すべきです。ALL分配では、データのコピーがすべてのノードに作成されます。

テーブル全体のコピーがすべてのノードに分配されます。EVEN分配やKEY分配が各ノードにテーブルの一部の行のみを配置するのに対し、ALL分配はテーブルが参加するすべての結合に対してすべての行を一緒に配置します。

正确答案: A
Correct answer is A as DynamoDB can be used to store the data. Access to fields can be controlled using DynamoDB fine grained access control, which can be mapped to IAM role. This solution also requires the least amount of management effort.,Refer AWS documentation – DynamoDB Control Access,In DynamoDB, you have the option to specify conditions when granting permissions using an IAM policy (see Access Control). For example, you can:,Option B is wrong as S3 would not provide fine grained access control of data within the file.,Option C is wrong as although its possible, the option does not satisfy the least amount of management work requirement.,Option D is wrong as Redshift is more for a data warehouse solution and comes with management effort.

正解: A

正解はAです。DynamoDBはデータを保存するために使用できます。フィールドへのアクセスは、DynamoDBの細かなアクセス制御を使用して制御でき、これをIAMロールにマッピングできます。このソリューションは、最も少ない管理作業を必要とします。

AWSドキュメント – DynamoDBアクセス制御を参照してください。

DynamoDBでは、IAMポリシーを使用して権限を付与する際に条件を指定するオプションがあります（アクセス制御を参照）。例えば、次のようにできます：

オプションBは間違いです。S3はファイル内のデータに対する細かなアクセス制御を提供しません。

オプションCは間違いです。可能ではありますが、このオプションは最小の管理作業要件を満たしていません。

オプションDは間違いです。Redshiftはデータウェアハウスソリューションに適しており、管理作業が伴います。

正确答案: D
Correct answer is D Composite key with Sensor ID and timestamp would help for faster queries,Refer AWS documentation for DynamoDB handling Timeseries data,Option C & D are valid as they are keeping tables for each week. However, with Option C, concatenation will cause queries would be slowerTable should be designed with a composite primary key consisting of Customer ID as the partition key and date/time as the sort keyOption A & B are wrong as One table would not make sense as we need to query only on past week and want data only for 4 weeks. This would impact performance. Also, provisioned throughput consumption is based on the size of the deleted item and its more costly as compared to dropping a table.

正解: D

正しい答えはDです。センサーIDとタイムスタンプを組み合わせたコンポジットキーは、クエリを高速化するのに役立ちます。DynamoDBのタイムシリーズデータ処理については、AWSのドキュメントを参照してください。

オプションCとDは、各週ごとにテーブルを保持しているため有効です。ただし、オプションCでは結合によりクエリが遅くなります。

テーブルは、カスタマーIDをパーティションキー、日付/時間をソートキーとして持つコンポジットプライマリキーで設計すべきです。

オプションAとBは間違いです。1つのテーブルでは、過去1週間のデータのみをクエリし、4週間分のデータを取得するには意味がありません。これによりパフォーマンスに影響が出ます。また、プロビジョニングされたスループットの消費は削除されたアイテムのサイズに基づいており、テーブルを削除するよりもコストが高くなります。

正确答案: C
Correct answer is C as QuickSight provides visualization capability with integration with RDS, Redshift.,Refer AWS documentation – QuickSight,Amazon QuickSight is a fast, cloud-powered business intelligence service that makes it easy to deliver insights to everyone in your organization.,As a fully managed service, QuickSight lets you easily create and publish interactive dashboards that include ML Insights. Dashboards can then be accessed from any device, and embedded into your applications, portals, and websites.,QuickSight allows you to directly connect to and import data from a wide variety of cloud and on-premises data sources. These include SaaS applications such as Salesforce, Square, ServiceNow, Twitter, Github, and JIRA; 3rd party databases such as Teradata, MySQL, Postgres, and SQL Server; native AWS services such as Redshift, Athena, S3, RDS, and Aurora; and private VPC subnets. You can also upload a variety of file types including Excel, CSV, JSON, and Presto.,Option A is wrong as Hue is a Web interface for analyzing data with Hadoop.,Option B is wrong as Redshift is a fast, scalable data warehouse that makes it simple and cost-effective to analyze all your data across your data warehouse and data lake.,Option D is wrong as Elasticsearch is a fully managed service that makes it easy for you to deploy, secure, and operate Elasticsearch at scale with zero down time. It does not provide visualization support and needs to be used with Kibana and nor does it integrate with RDS, Redshift. The data needs to be loaded into Elasticsearch.

正しい答え: C

正しい答えはCです。QuickSightはRDS、Redshiftとの統合により視覚化機能を提供します。AWSのドキュメントを参照してください – QuickSight。

Amazon QuickSightは、組織の全員にインサイトを提供するために簡単に使用できる、クラウドパワードのビジネスインテリジェンスサービスです。

完全に管理されたサービスとして、QuickSightはインタラクティブなダッシュボードを簡単に作成および公開することができ、ML Insightsを含むことができます。ダッシュボードは、任意のデバイスからアクセスでき、アプリケーション、ポータル、ウェブサイトに埋め込むことができます。

QuickSightは、さまざまなクラウドおよびオンプレミスのデータソースに直接接続してデータをインポートすることができます。これには、Salesforce、Square、ServiceNow、Twitter、Github、JIRAなどのSaaSアプリケーション、Teradata、MySQL、Postgres、SQL Serverなどのサードパーティデータベース、Redshift、Athena、S3、RDS、AuroraなどのネイティブAWSサービス、およびプライベートVPCサブネットが含まれます。また、Excel、CSV、JSON、Prestoなどのさまざまなファイル形式をアップロードすることもできます。

オプションAは間違いです。Hueは、Hadoopでデータを分析するためのWebインターフェースです。

オプションBは間違いです。Redshiftは、高速でスケーラブルなデータウェアハウスであり、データウェアハウスとデータレイク全体のデータを簡単かつコスト効率よく分析することができます。

オプションDは間違いです。Elasticsearchは、スケールでElasticsearchをデプロイ、セキュリティ保護、運用するために簡単にする完全管理型サービスです。視覚化サポートは提供せず、Kibanaと一緒に使用する必要があります。また、RDS、Redshiftとの統合もありません。データはElasticsearchにロードする必要があります。

正确答案: A, B
Correct answers are A & B,Option A as Mahout provides recommender engine/collaborative filtering capability,Option B as Spark’s MLlib machine learning library should help with this task. Amazon ML is limited to 100 “categorical’ recommendations, so a custom system is required for this purpose.,Option C is wrong as Amazon ML is limited to 100 “categorical’ recommendations, so a custom system is required for this purpose.,Option D is wrong as RDS MySQL is just a database engine and does not provide analytics capability.

正しい答え: A, B

正しい答えはAとBです。オプションAは、Mahoutがレコメンダーエンジン/協調フィルタリング機能を提供するためです。オプションBは、SparkのMLlib機械学習ライブラリがこのタスクに役立つべきだからです。Amazon MLは100件の「カテゴリカル」推奨に制限されているため、この目的にはカスタムシステムが必要です。

オプションCは誤りです。Amazon MLは100件の「カテゴリカル」推奨に制限されており、この目的にはカスタムシステムが必要です。

オプションDは誤りです。RDS MySQLは単なるデータベースエンジンであり、分析機能を提供しません。

正确答案: C
Correct answer is C as the core of this question is how to send event messages to Kinesis synchronously vs. asynchronously. The critical events must be sent synchronously, and the informational events can be sent asynchronously. The Kinesis Producer Library (KPL) implements an asynchronous send function, so it can be used for the informational messages. PutRecords is a synchronous send function, so it must be used for the critical events.,Refer AWS documentation – Developing Producers using KPL,Because the KPL may buffer records before sending them to Kinesis Data Streams, it does not force the caller application to block and wait for a confirmation that the record has arrived at the server before continuing execution. A call to put a record into the KPL always returns immediately and does not wait for the record to be sent or a response to be received from the server. Instead, a Future object is created that receives the result of sending the record to Kinesis Data Streams at a later time. This is the same behavior as asynchronous clients in the AWS SDK.,Option A is wrong as Kinesis Producer Library sends all events asynchronously,Option B is wrong as critical events needs to be synchronous and information events needs to be asynchronous.,Option D is wrong as PutRecords sends all events synchronously

正解: C

この質問の核心は、イベントメッセージをKinesisに同期的に送信する方法と非同期的に送信する方法に関するものであるため、正解はCです。重要なイベントは同期的に送信する必要があり、情報イベントは非同期的に送信することができます。Kinesis Producer Library（KPL）は非同期送信機能を実装しているため、情報メッセージにはこれを使用できます。PutRecordsは同期送信機能を提供しているため、重要なイベントにはこれを使用する必要があります。

AWSのドキュメントを参照 – KPLを使用したプロデューサの開発

KPLはKinesis Data Streamsにレコードを送信する前にバッファリングすることがあるため、呼び出し元アプリケーションがレコードがサーバーに到達したことを確認するまでブロックして待機することを強制しません。KPLにレコードを追加する呼び出しは常に即座に返され、レコードが送信されるまで、またはサーバーからの応答を待つことはありません。その代わり、Futureオブジェクトが作成され、後でKinesis Data Streamsにレコードが送信された結果を受け取ります。これはAWS SDKの非同期クライアントと同様の動作です。

オプションAは間違いです。なぜなら、Kinesis Producer Libraryはすべてのイベントを非同期で送信するためです。

オプションBは間違いです。なぜなら、重要なイベントは同期的で、情報イベントは非同期的である必要があるからです。

オプションDは間違いです。なぜなら、PutRecordsはすべてのイベントを同期的に送信するためです。

正确答案: C
Correct answer is C as Binary classification can be used to predict for whether the transaction is fraudulent or not.

正しい答え: C

正しい答えはCです。二項分類は、取引が不正かどうかを予測するために使用できます。

正确答案: C
Correct answer is C as Pie charts are best to use when you are trying to compare parts of a whole, which is ideal for the use case. They do not show changes over time.,Refer AWS documentation – QuickSight Chart Types,Option A is wrong as Line graphs are used to track changes over short and long periods of time.,Option B is wrong as Column chart is a data visualization where each category is represented by a rectangle, with the height of the rectangle being proportional to the values being plotted,Option D is wrong as Scatter plot is a two-dimensional data visualization that uses dots to represent the values obtained for two different variables – one plotted along the x-axis and the other plotted along the y-axis

正しい答え: C

正しい答えはCです。円グラフは、全体の一部を比較しようとする際に最適であり、このユースケースには理想的です。円グラフは時間の経過に伴う変化を示しません。

AWSドキュメント – QuickSightのチャートタイプを参照してください。

オプションAは誤りです。折れ線グラフは、短期間および長期間の変化を追跡するために使用されます。

オプションBは誤りです。縦棒グラフは、各カテゴリが長方形で表され、その長方形の高さがプロットされる値に比例しているデータの視覚化です。

オプションDは誤りです。散布図は、2つの異なる変数に対して得られた値を表すために点を使用する二次元のデータ視覚化であり、一方の変数はx軸に、もう一方はy軸にプロットされます。

正确答案: B, D
Correct answers are B & D as the key reason for throttling is hot keys, as the application does not consume the entire provisioned capacity.,Option B as CloudWatch helps shows the stats for consumed vs provisioned throughput capacity.,Option D as an LSI consumes WCU for writes on the primary table.,Refer AWS documentation – Throttled DB & DynamoDB LSI Considerations & DynamoDB CloudWatch,Partitions are usually throttled when they are accessed by your downstream applications much more frequently than other partitions (that is, a “hot” partition), or when workloads rely on short periods of time with high usage (a “burst” of read or write activity).
To avoid hot partitions and throttling, you must optimize your table and partition structure.,Distribute your read operations and write operations as evenly as possible across your table. A “hot” partition can degrade the overall performance of your table.,Write Capacity Units – When an item in a table is added, updated, or deleted, updating the local secondary indexes will consume provisioned write capacity units for the table. The total provisioned throughput cost for a write is the sum of write capacity units consumed by writing to the table and those consumed by updating the local secondary indexes.,You can monitor ConsumedReadCapacityUnits or ConsumedWriteCapacityUnits over the specified time period, to track how much of your provisioned throughput is being used.,Option A is wrong as GSI does not impact primary table throughput capacity.,Option C is wrong as the provisioned capacity is not exceeded, the average would not be of much help.,Option E is wrong as the provisioned capacity is not exceeded the historical stats would not be of much help.

正しい答え: B, D

正しい答えはBとDです。スロットリングの主な理由は「ホットキー」であり、アプリケーションが提供されたキャパシティ全体を消費しないためです。

Bオプションは、CloudWatchが消費されたスループットと提供されたスループットの統計を表示するのに役立つからです。

Dオプションは、LSIが主テーブルへの書き込みにWCUを消費するためです。

AWSのドキュメント「Throttled DB & DynamoDB LSI Considerations & DynamoDB CloudWatch」を参照してください。

パーティションは、ダウンストリームアプリケーションが他のパーティションよりも頻繁にアクセスする（つまり「ホット」パーティション）場合や、ワークロードが短期間で高い使用率（読み取りまたは書き込みの「バースト」）に依存している場合にスロットリングされることがよくあります。

ホットパーティションとスロットリングを避けるためには、テーブルとパーティション構造を最適化する必要があります。

テーブル全体に読み取り操作と書き込み操作をできるだけ均等に分散させます。「ホット」パーティションはテーブル全体のパフォーマンスを低下させる可能性があります。

書き込みキャパシティユニット – テーブルにアイテムを追加、更新、または削除する場合、ローカルセカンダリインデックスの更新にはテーブルの提供された書き込みキャパシティユニットが消費されます。書き込みのための提供されたスループットの合計コストは、テーブルへの書き込みで消費された書き込みキャパシティユニットと、ローカルセカンダリインデックスの更新で消費された書き込みキャパシティユニットの合計です。

指定された期間でConsumedReadCapacityUnitsまたはConsumedWriteCapacityUnitsを監視し、提供されたスループットがどれだけ使用されているかを追跡できます。

Aオプションは誤りです。GSIは主テーブルのスループット容量に影響を与えません。

Cオプションは誤りです。提供されたキャパシティは超過していないため、平均はあまり役立ちません。

Eオプションは誤りです。提供されたキャパシティは超過していないため、過去の統計はあまり役立ちません。

正确答案: B
Correct answer is B as multiple teams query different columns with different queries it would be best to use Interleaved keys to improve performance. Interleaved keys are provided to help with the limitations of compound keys. They are designed to weigh each column in the key evenly, allowing improved performance regardless of which columns in the key you’re filtering.,Refer AWS documentation – Redshift Interleaved Sort Keys,An interleaved sort gives equal weight to each column, or subset of columns, in the sort key. If multiple queries use different columns for filters, then you can often improve performance for those queries by using an interleaved sort style. When a query uses restrictive predicates on secondary sort columns, interleaved sorting significantly improves query performance as compared to compound sorting.,Options A & C are wrong as they create duplicate copies or refer to the same underlying table and would not improve performance.,Option D is wrong as the key here is queries on same table as Amazon Redshift workload management (WLM) enables users to flexibly manage priorities within workloads so that short, fast-running queries won’t get stuck in queues behind long-running queries.

正解: B

正解はBです。複数のチームが異なるクエリで異なる列をクエリするため、パフォーマンス向上のためにインタリーブキーを使用するのが最適です。インタリーブキーは複合キーの制限を補助するために提供されています。これらはキー内の各列に均等な重みを与えるように設計されており、どの列をフィルタリングしているかに関係なく、パフォーマンスを向上させることができます。

AWSのドキュメントを参照してください – Redshift インタリーブソートキー

インタリーブソートは、ソートキー内の各列または列のサブセットに同じ重みを与えます。複数のクエリが異なる列をフィルターとして使用する場合、インタリーブソートスタイルを使用することでこれらのクエリのパフォーマンスを改善できることがあります。クエリがセカンダリソート列に対して制約条件を使用する場合、インタリーブソートは複合ソートと比較してクエリのパフォーマンスを大幅に向上させます。

オプションAおよびCは間違いです。これらは重複したコピーを作成するか、同じ基になるテーブルを参照しており、パフォーマンスを向上させません。

オプションDは間違いです。ここでは同じテーブルに対するクエリであり、Amazon Redshiftのワークロード管理(WLM)により、ユーザーはワークロード内の優先順位を柔軟に管理できるため、短時間で実行されるクエリが長時間実行されるクエリの後ろで待機することはありません。

正确答案: B
Correct answer is B as the UNLOAD ENCRYPTED command automatically stores the data encrypted using-client side encryption and uses HTTPS to encrypt the data during the transfer to S3.,Refer AWS documentation – Redshift Unloading Data,UNLOAD automatically creates files using Amazon S3 server-side encryption with AWS-managed encryption keys (SSE-S3). You can also specify server-side encryption with an AWS Key Management Service key (SSE-KMS) or client-side encryption with a customer-managed key (CSE-CMK).,Option C is wrong because the data would not be encrypted in flight, and you cannot encrypt an entire bucket with a KMS key.,Options A & D are wrong as the most scalable solutions are the UNLOAD/COPY solutions because they will work in parallel.

正しい答え: B

正しい答えはBです。UNLOAD ENCRYPTEDコマンドは、クライアントサイド暗号化を使用して自動的にデータを暗号化し、S3への転送中にHTTPSを使用してデータを暗号化します。AWSのドキュメントを参照してください – Redshiftのデータアンロード

UNLOADは、Amazon S3のサーバーサイド暗号化をAWS管理の暗号化キー（SSE-S3）で使用してファイルを自動的に作成します。また、AWS Key Management Serviceキー（SSE-KMS）によるサーバーサイド暗号化や、顧客管理のキー（CSE-CMK）によるクライアントサイド暗号化も指定できます。

オプションCは誤りです。なぜなら、データは転送中に暗号化されないため、KMSキーでバケット全体を暗号化することはできません。

オプションAとDは誤りです。最もスケーラブルなソリューションはUNLOAD/COPYソリューションであり、これらは並列で動作します。

正确答案: C
Correct answer is C as the data can be ingested into the Kinesis streams using agents and the logs can then be analyzed real time.,Refer AWS documentation – Kinesis Serverless log Analytics,Amazon Kinesis Streams enables you to build custom applications that process or analyze streaming data for specialized needs. Amazon Kinesis Streams can continuously capture and store terabytes of data per hour from hundreds of thousands of sources such as website clickstreams, financial transactions, social media feeds, IT logs, and location-tracking events.,Option A & B are wrong as analyzing the logs every hour does not provide real time capability as required.,Option D is wrong as storing the logs on EC2 instance is not a scalable performant model,Option E is wrong as Amazon Kinesis stream work on the push mechanism, and the data from the EC2 instances need to be ingested into the Kinesis streams.

正しい答え: C

正しい答えはCです。データはエージェントを使用してKinesisストリームに取り込まれ、その後ログはリアルタイムで分析できます。AWSのドキュメント – Kinesis Serverless Log Analyticsを参照してください。

Amazon Kinesis Streamsは、専門的なニーズに応じてストリーミングデータを処理または分析するカスタムアプリケーションを構築できる機能を提供します。Amazon Kinesis Streamsは、ウェブサイトのクリックストリーム、金融取引、ソーシャルメディアのフィード、ITログ、位置追跡イベントなど、数十万のソースから毎時間テラバイト単位でデータを継続的にキャプチャして保存できます。

オプションAおよびBは間違いです。毎時間ログを分析することは、必要なリアルタイム機能を提供しません。

オプションDは間違いです。EC2インスタンスにログを保存することは、スケーラブルでパフォーマンスの高いモデルではありません。

オプションEは間違いです。Amazon Kinesisストリームはプッシュメカニズムで動作しており、EC2インスタンスからのデータはKinesisストリームに取り込む必要があります。

正确答案: B
Key point here to architect durable collection platform with real time analytics, data mining storage.,Correct answer is B to use Kinesis to capture the data in a elastic, durable and parallel manner. Analyze data with Kinesis clients and store data to Redshift for data mining using EMR.,Option A is wrong as S3 would not be ideal to capture data with that frequency and daily job will not provide real time analytics,Option C is wrong as SQS is not an ideal solution to capture this data and Kinesis clients are required to analyze the data. SQL server might not be a scalable option,Option D is wrong as EMR alone is not ideal to capture data and would need specific frameworks like Kafka to capture data for processing. Also real time analytics needs to done using Spark Streaming and not EMR alone. DynamoDB is not for data mining.

正解: B

ここでの重要なポイントは、リアルタイム分析とデータマイニングストレージを備えた耐久性のあるコレクションプラットフォームを設計することです。正解はBで、Kinesisを使用してデータを弾力的、耐久性があり、並列でキャプチャする方法です。Kinesisクライアントでデータを分析し、Redshiftにデータを保存して、EMRを使用してデータマイニングを行います。

オプションAは間違いです。S3はその頻度でデータをキャプチャするのには理想的ではなく、毎日のジョブはリアルタイム分析を提供しません。

オプションCは間違いです。SQSはこのデータをキャプチャするための理想的なソリューションではなく、データを分析するためにはKinesisクライアントが必要です。SQLサーバーはスケーラブルなオプションではないかもしれません。

オプションDは間違いです。EMR単独ではデータをキャプチャするのには理想的ではなく、Kafkaのような特定のフレームワークが必要です。データ処理のためにデータをキャプチャするためにKafkaが必要です。また、リアルタイム分析はEMR単独ではなく、Spark Streamingを使用して行う必要があります。DynamoDBはデータマイニングには使用されません。

正确答案: B
Correct answer is B as Presto can help query over multiple datasources and also provides connectors to interact directly MySQL, Redshift and Hive.,Refer AWS documentation – EMR Presto,Presto is an open-source distributed SQL query engine optimized for low-latency, ad-hoc analysis of data. It supports the ANSI SQL standard, including complex queries, aggregations, joins, and window functions. Presto can process data from multiple data sources including the Hadoop Distributed File System (HDFS) and Amazon S3.,Option A is wrong as data is replicated and is not a cost effective solution.,Option C is wrong as Elasticsearch does not provide analytics capabilities.,Option D is wrong as running on EC2 instances is not a scalable and cost-effective solution.

正解：B

正しい答えはBです。Prestoは複数のデータソースをクエリするのに役立ち、またMySQL、Redshift、Hiveと直接インタラクトするためのコネクタも提供します。AWSのドキュメントを参照してください – EMR Presto。

Prestoは、低遅延のオンデマンドデータ分析に最適化されたオープンソースの分散SQLクエリエンジンです。ANSI SQL標準をサポートし、複雑なクエリ、集計、結合、ウィンドウ関数を含みます。Prestoは、Hadoop Distributed File System（HDFS）やAmazon S3など、複数のデータソースからデータを処理できます。

選択肢Aは間違いです。データは複製されており、コスト効果の高い解決策ではありません。

選択肢Cは間違いです。Elasticsearchは分析機能を提供していません。

選択肢Dは間違いです。EC2インスタンスで実行することは、スケーラブルでコスト効果の高い解決策ではありません。

正确答案: A
Correct answer is A as Bar Chart can be used to represent the data for comparison in sales for each region.,Refer AWS documentation – QuickSight Visual Types,Option B is wrong as Use line charts to compare changes in measure values over period of time,Option C is wrong as Stacked area chart is the extension of a basic area chart to display the evolution of the value of several groups on the same graphic.,Option D is wrong as Histograms are sometimes confused with bar charts. A histogram is used for continuous data, where the bins represent ranges of data, while a bar chart is a plot of categorical variables.

正解：A

正解はAです。棒グラフは各地域の売上データを比較するために使用できます。AWSドキュメント – QuickSight Visual Typesを参照してください。

オプションBは間違いです。折れ線グラフは、時間の経過に伴う測定値の変化を比較するために使用されます。

オプションCは間違いです。積み上げ面グラフは、基本的な面グラフの拡張であり、複数のグループの値の進化を同じグラフで表示するために使用されます。

オプションDは間違いです。ヒストグラムは棒グラフと混同されることがあります。ヒストグラムは連続データ用で、ビンはデータの範囲を表しますが、棒グラフはカテゴリカル変数のプロットです。

正确答案: B
Correct answer is B as Redshift is a fully managed data warehousing solution providing standard SQL interface and ability to run complex queries.,Refer AWS documentation – Redshift,Amazon Redshift is a fast, fully managed data warehouse that makes it simple and cost-effective to analyze all your data using standard SQL and your existing Business Intelligence (BI) tools. It allows you to run complex analytic queries against petabytes of structured data, using sophisticated query optimization, columnar storage on high-performance local disks, and massively parallel query execution.,Option A is wrong as SQS does not provide querying capability,Option C is wrong as Athena does not provide complex querying capability,Option D is wrong as EMR provides a managed Hadoop framework that makes it easy, fast, and cost-effective to process vast amounts of data across dynamically scalable Amazon EC2 instances.

正解: B

正解はBです。Redshiftは、標準SQLインターフェイスと複雑なクエリを実行する能力を提供する完全に管理されたデータウェアハウジングソリューションです。AWSのドキュメント – Redshiftを参照してください。

Amazon Redshiftは、高速で完全に管理されたデータウェアハウスで、標準SQLと既存のビジネスインテリジェンス（BI）ツールを使用して、すべてのデータを簡単かつコスト効率よく分析できるようにします。構造化データのペタバイトに対して、洗練されたクエリ最適化、高性能のローカルディスクでのカラムストレージ、そして大規模並列クエリ実行を使用して、複雑な分析クエリを実行することができます。

オプションAは間違いです。SQSはクエリ機能を提供していません。

オプションCは間違いです。Athenaは複雑なクエリ機能を提供していません。

オプションDは間違いです。EMRは、動的にスケーラブルなAmazon EC2インスタンス上で膨大なデータを処理するための管理されたHadoopフレームワークを提供しますが、複雑なクエリ実行のためのものではありません。

正确答案: A, D
Correct answers are A & D as one of the requirement is data security with encryption at rest and in transit. PCI DSS helps ensure that companies maintain a secure environment for storing, processing, and transmitting credit card information.,Option B is wrong as versioning only helps maintain data versions and are helpful to recover from accidental overwrites or deletions.,Option C is wrong as this is not a requirement and a best practice.

正しい答え: A, D

正しい答えはAとDです。なぜなら、要求の1つは静止データおよび転送中のデータの暗号化によるデータセキュリティであるからです。PCI DSSは、企業がクレジットカード情報を保存、処理、送信するための安全な環境を維持することを保証するのに役立ちます。

オプションBは間違いです。バージョニングはデータのバージョンを維持するのに役立ち、誤って上書きや削除された場合の復旧に役立ちますが、データセキュリティに関連する要件ではありません。

オプションCは間違いです。これは要件ではなく、ベストプラクティスです。

正确答案: B
Key point here is to optimize cost and performance only for the increased workload only, not the existing one,Refer EMR best practices – For unpredictable workloads, the suggested pricing model is Spot or On-Demand.,Correct answer is B and preferred over A as DynamoDB would be preferred over RDS for the throughput supported and Spot instances to reduce cost and handle the temporary workload.,Option C & D are wrong as Reserved instances would be preferred for a consistent and predictable workload and would prove costly in this scenario.

正しい答え: B

ここでの重要な点は、既存のワークロードではなく、増加したワークロードのみに対してコストとパフォーマンスを最適化することです。EMRのベストプラクティスを参照してください。予測不可能なワークロードの場合、推奨される価格モデルはスポットインスタンスまたはオンデマンドです。

正しい答えはBであり、DynamoDBはサポートされるスループットのため、RDSよりも優先され、コストを削減し、一時的なワークロードを処理するためにスポットインスタンスが選ばれます。

オプションCおよびDは誤りです。リザーブドインスタンスは一貫した予測可能なワークロードに適しており、このシナリオではコストが高くなります。

正确答案: A
Correct answer is A as the S3 with SSE provides encryption at rest and HTTPS can be used to push data to S3 for encryption in transit. S3 provides an option for cost effective long term storage. Ephemeral drives would help run simulations and the data would lost once the EC2 instance is terminated.,Option B is wrong as S3 with SSE provides encryption at rest and HTTPS can be used to push data to S3 for encryption in transit. However, in memory simulations with 5 TB data would not be feasible.,Option C & D are wrong as HDFS is not an cost effective solution as data nodes would be required to store the data and it does not provide encryption by default.,Option E is wrong as EBS for long term storage is an expensive option.

正解: A

正解はAです。S3 with SSEは静止時の暗号化を提供し、HTTPSを使用してS3にデータを送信することで転送中の暗号化が可能です。S3はコスト効果の高い長期ストレージオプションを提供します。一時的なドライブはシミュレーションの実行に役立ち、EC2インスタンスが終了するとデータは失われます。

オプションBは誤りです。S3 with SSEは静止時の暗号化を提供し、HTTPSを使用してS3にデータを送信することで転送中の暗号化が可能です。しかし、5TBのデータを使用したメモリ内シミュレーションは実行不可能です。

オプションCとDは誤りです。HDFSはコスト効果の高いソリューションではなく、データを保存するためにデータノードが必要であり、デフォルトで暗号化を提供しません。

オプションEは誤りです。長期ストレージ用のEBSは高価なオプションです。

正确答案: C
Correct answer is C as the EMR jobs needs to process daily data, it would be best to partition the data by day.,Refer AWS documentation – EMR Best Practices,Data partitioning is an essential optimization to your data processing workflow. Without any data partitioning in place, your data processing job needs to read or scan all available data sets and apply additional filters in order to skip unnecessary data. Such architecture might work for a low volume of data, but scanning the entire data set is a very time consuming and expensive approach for larger data sets. Data partitioning lets you create unique buckets of data and eliminate the need for a data processing job to read the entire data set.,Three considerations determine how you partition your data:,For instance, if you are processing a time-series data set where you need to process your data once every hour and your data-access pattern is based on time, partitioning your data based on date makes the most sense. An example of such data processing would be processing your daily logs. If you have incoming logs from variety of data sources (web servers, devices etc.), then creating partitions of data based on the hour of the day gives you a date-based partitioning scheme.,The structure of such partitioning scheme will look similar to the following:,/data/logs/YYYY-MM-DD-HH/logfiles for this given hour, where YYYY-MM-DD-HH changes based on the current log ingest time.,Option A is wrong as the data needs to be processed by day, it would be best to partition the data by date instead of device id.,Options B & D are wrong as DynamoDB is not an ideal solution for storage and archival of logs data and does not provide easy integration with EMR.

正解: C

正解はCです。EMRのジョブは日次データを処理する必要があるため、データを日単位でパーティション分割するのが最適です。AWSのドキュメント「EMRのベストプラクティス」を参照してください。データのパーティション分割はデータ処理ワークフローの重要な最適化です。パーティション分割が行われていない場合、データ処理ジョブはすべての利用可能なデータセットを読み取ったりスキャンしたりし、不要なデータをスキップするために追加のフィルタを適用する必要があります。このようなアーキテクチャは少量のデータには機能するかもしれませんが、全データセットをスキャンするのは、大量のデータセットに対して非常に時間がかかり、高価な方法です。データのパーティション分割により、データのユニークなバケットを作成し、データ処理ジョブが全データセットを読み取る必要を排除できます。

データをどのようにパーティション分割するかを決定するための3つの考慮事項は次の通りです：

たとえば、タイムシリーズデータセットを処理している場合、1時間ごとにデータを処理する必要があり、データアクセスパターンが時間に基づいている場合、日付でデータをパーティション分割するのが最も理にかなっています。このようなデータ処理の例としては、日次ログの処理があります。さまざまなデータソース（Webサーバー、デバイスなど）からログが送信されている場合、1日の時間に基づいてデータをパーティション分割することで、日付ベースのパーティション分割スキームが得られます。

そのようなパーティション分割スキームの構造は、次のようになります：

/data/logs/YYYY-MM-DD-HH/logfiles（この特定の時間のログファイル）

ここで、YYYY-MM-DD-HHは現在のログの取り込み時間に基づいて変更されます。

オプションAは誤りです。データは日単位で処理する必要があり、デバイスIDではなく日付でデータをパーティション分割するのが最適です。

オプションBとDは誤りです。DynamoDBはログデータの保存およびアーカイブに理想的なソリューションではなく、EMRとの統合が簡単ではありません。

正确答案: A
Correct answer is A as DynamoDB burst capacity can retain part of unused provisioned capacity, upto 5 minutes, allowing application to burst.,Refer AWS documentation – DynamoDB Best Practices,DynamoDB provides some flexibility in your per-partition throughput provisioning by providing burst capacity, as follows. Whenever you are not fully using a partition’s throughput, DynamoDB reserves a portion of that unused capacity for later bursts of throughput to handle usage spikes.,DynamoDB currently retains up to five minutes (300 seconds) of unused read and write capacity. During an occasional burst of read or write activity, these extra capacity units can be consumed quickly—even faster than the per-second provisioned throughput capacity that you’ve defined for your table.,DynamoDB can also consume burst capacity for background maintenance and other tasks without prior notice.,Option B is wrong as Adaptive Capacity enables your application to continue reading and writing to hot partitions without being throttled, provided that traffic does not exceed your table’s total provisioned capacity or the partition maximum capacity.,Option C is wrong as the partition keys are designed fine, as the application does not consume its total capacity and is not throttled.,Option D is wrong as Write sharding only allows for writes.

正解: A

正解はAです。DynamoDBのバーストキャパシティは、未使用のプロビジョニングキャパシティの一部を最大5分間保持でき、アプリケーションがバーストできるようにします。AWSのドキュメント「DynamoDBのベストプラクティス」を参照してください。

DynamoDBは、次のようにバーストキャパシティを提供することによって、パーティションごとのスループットのプロビジョニングに柔軟性を提供します。パーティションのスループットが完全に使用されていないとき、DynamoDBはその未使用のキャパシティの一部を後でスループットのバーストに備えて予約します。

DynamoDBは現在、未使用の読み取りおよび書き込みキャパシティを最大5分間（300秒）保持します。読み取りまたは書き込み活動の一時的なバースト中に、これらの追加キャパシティユニットはすぐに消費されることがあります—これは、テーブルで定義された1秒あたりのプロビジョニングスループットキャパシティよりも速く消費されることがあります。

DynamoDBは、バックグラウンドメンテナンスやその他のタスクのために、事前通知なしでバーストキャパシティを消費することもできます。

オプションBは間違いです。Adaptive Capacityは、アプリケーションがホットパーティションへの読み取りおよび書き込みをスロットリングされることなく続けることを可能にしますが、トラフィックがテーブルの総プロビジョニングキャパシティまたはパーティションの最大キャパシティを超えない場合に限ります。

オプションCは間違いです。パーティションキーは適切に設計されており、アプリケーションがその総キャパシティを消費せず、スロットリングされていません。

オプションDは間違いです。Write shardingは、書き込みのみを許可します。

正确答案: D
Correct answer is D as the images with metadata can be uploaded to S3. S3 can support both the size and request rate. A Lambda function can be triggered to convert and same the images output back to S3 and metadata to app DB.,Option A is wrong as RDS is not an ideal storage for images as well as handle hundreds of uploads per second.,Options B & C are wrong as Kinesis support max message size of 1MB per record and would not be able to support 10MB of image files.

正しい答え: D

正しい答えはDです。メタデータ付きの画像はS3にアップロードできます。S3はサイズとリクエストレートの両方をサポートできます。Lambda関数をトリガーして、画像を変換し、結果をS3に戻し、メタデータをアプリのデータベースに保存できます。

オプションAは誤りです。RDSは画像の保存に適しておらず、毎秒何百ものアップロードを処理することもできません。

オプションBおよびCは誤りです。Kinesisは1レコードあたり最大メッセージサイズが1MBで、10MBの画像ファイルをサポートすることはできません。

正确答案: A
Correct answer is A as the blood group types are limited, a multi-class classification model can help classification the result into the blood groups,Option B is wrong as regression is for predictive modelling,Option C is wrong as Binary classification can only classify a yes or no.,Option D is wrong as K-Nearest Neighbours is more for grouping unknown data.

正しい答え：A

正しい答えはAです。血液型は限られているため、多クラス分類モデルは結果を血液型に分類するのに役立ちます。オプションBは誤りです。回帰分析は予測モデリングのためのものであり、オプションCは誤りです。バイナリ分類は「はい」または「いいえ」のみを分類できます。オプションDは誤りです。K近傍法は未知のデータをグループ化するために使用されます。

正确答案: D
Correct answer is D as the data can be captured using Kinesis Data Stream and Kinesis Data Analytics can be used to query on the streaming data using time or window queries to generate trend analysis.,Refer AWS documentation – Streaming Analytics Pipeline,Many Amazon Web Services (AWS) customers use streaming data to gain real-time insight into customer activity and immediate business trends. Streaming data, which is generated continuously from thousands of data sources, includes a wide variety of data such as log files from your mobile or web applications, e-commerce purchases, in-game player activity, information from social networks, financial trading floors, or geospatial services, and telemetry from connected devices. This data can help companies make well-informed decisions and proactively respond to changing business conditions.,Amazon Kinesis, a platform for streaming data on AWS, offers powerful services that make it easier to build data processing applications, load massive volumes of streaming data, and analyze it in real time.,Options A, B & C are wrong as they do not provide analytics on streaming data.

正解: D

正解はDです。データはKinesis Data Streamを使用してキャプチャでき、Kinesis Data Analyticsを使用して、時間またはウィンドウクエリを使用してストリーミングデータをクエリし、トレンド分析を生成できます。

AWSのドキュメントを参照してください – ストリーミング分析パイプライン

多くのAmazon Web Services（AWS）のお客様は、ストリーミングデータを使用して、顧客の活動や即時のビジネストレンドに関するリアルタイムの洞察を得ています。ストリーミングデータは、数千のデータソースから継続的に生成され、モバイルやウェブアプリケーションのログファイル、電子商取引の購入、ゲーム内のプレイヤー活動、ソーシャルネットワークの情報、金融取引フロア、地理空間サービス、接続されたデバイスからのテレメトリーデータなど、さまざまな種類のデータを含みます。このデータは、企業が十分な情報に基づいた意思決定を行い、ビジネス環境の変化に積極的に対応するのに役立ちます。

Amazon Kinesisは、AWS上のストリーミングデータのためのプラットフォームで、データ処理アプリケーションを簡単に構築し、大量のストリーミングデータをロードしてリアルタイムで分析できる強力なサービスを提供します。

オプションA、B、Cは、ストリーミングデータの分析を提供しないため、誤りです。

正确答案: A
Correct answer is A as the data volume is large, it can be processed using EMR to generate structured CSV data and then load the data into Redshift.,Refer AWS documentation – Data Warehousing on AWS,Data in Amazon Redshift must be structured by a defined schema. Amazon Redshift doesn’t support an arbitrary schema structure for each row. If your data is unstructured, you can perform extract, transform, and load (ETL) on Amazon EMR to get the data ready for loading into Amazon Redshift. For JSON data, you can store key value pairs and use the native JSON functions in your queries.,Option B is wrong as unstructured data cannot be loaded into Redshift.,Option C is wrong as Lambda would not be able to handle large amounts of data due to its limitation.,Option D is wrong as market ETL tool is not needed and EMR can be used.

正しい答え: A

正しい答えはAです。データの量が大きいため、EMRを使用して構造化されたCSVデータを生成し、そのデータをRedshiftにロードできます。

AWSのドキュメントを参照してください – AWSのデータウェアハウジング

Amazon Redshiftのデータは、定義されたスキーマによって構造化されている必要があります。Amazon Redshiftは、各行のための任意のスキーマ構造をサポートしていません。データが非構造化されている場合、Amazon EMRで抽出、変換、ロード（ETL）を実行して、Amazon Redshiftにロードできるデータを準備できます。JSONデータの場合、キーと値のペアを格納し、クエリでネイティブのJSON関数を使用できます。

オプションBは誤りです。非構造化データはRedshiftにロードできません。

オプションCは誤りです。Lambdaはその制限により、大量のデータを処理することはできません。

オプションDは誤りです。マーケットETLツールは必要なく、EMRを使用できます。

正确答案: A
Key point here is address real time data ingestion.,Correct answer is A,Amazon Kinesis is a platform for streaming data on AWS, making it easy to load and analyze streaming data, and also providing the ability for you to build custom streaming data applications for specialized needs.,Option B is wrong as Data Pipeline is more of an orchestration service and just helps move data between different data stores.,Option C is wrong as
Amazon AppStream is an application streaming service that lets you stream your existing resource-intensive applications from the cloud without code modifications.,Option D is wrong as SQS would not be able to handle large scale real time ingestion.

正解: A

ここでの重要なポイントは、リアルタイムデータの取り込みに関するものです。

正解はAです。Amazon Kinesisは、AWS上でのデータストリーミングプラットフォームであり、ストリーミングデータの読み込みと分析を簡単に行えるだけでなく、特定のニーズに応じてカスタムのストリーミングデータアプリケーションを構築する機能も提供します。

選択肢Bは誤りです。Data Pipelineは、主にオーケストレーションサービスであり、異なるデータストア間でデータを移動することを支援するだけです。

選択肢Cは誤りです。Amazon AppStreamは、コードの変更なしでクラウドからリソース集約型アプリケーションをストリーミングするアプリケーションストリーミングサービスです。

選択肢Dは誤りです。SQSは大規模なリアルタイムデータの取り込みを処理することはできません。

正确答案: A
Correct answer is A as a single company is facing the issue and it would be a hot key issue cause of the primary key being Company ID. Data Pipeline can be used to migrate the data.,Option B is wrong as Elasticache may be reduce the load depending upon the queries.,Option C is wrong as RDS would not be able to handle the huge amount of data.,Option D is wrong as this is not a cost-effective solution.

正解: A

正解はAです。単一の企業が問題に直面しており、主キーが企業IDであるため、これは重要な問題となります。データパイプラインを使用してデータを移行できます。

選択肢Bは誤りです。Elasticacheはクエリに依存して負荷を軽減するかもしれません。

選択肢Cは誤りです。RDSは大量のデータを処理できません。

選択肢Dは誤りです。これはコスト効果の高い解決策ではありません。

正确答案: C
Correct answer is C as HBase on HDFS provide the ability the store the large amount of data in a non-relational key-value format.,Refer AWS documentation – EMR HBase,HBase is an open source, non-relational, distributed database developed as part of the Apache Software Foundation’s Hadoop project. HBase runs on top of Hadoop Distributed File System (HDFS) to provide non-relational database capabilities for the Hadoop ecosystem.,HBase works seamlessly with Hadoop, sharing its file system and serving as a direct input and output to the MapReduce framework and execution engine. HBase also integrates with Apache Hive, enabling SQL-like queries over HBase tables, joins with Hive-based tables, and support for Java Database Connectivity (JDBC).,Option B is wrong as RDS would not support huge amount of data and is a relational database.,Options A & D is wrong as they do not provide key-value storage format.

正解: C

正解はCです。HBaseはHDFS上で動作し、非リレーショナルなキー・バリュー形式で大量のデータを保存する能力を提供します。AWSのドキュメントを参照してください – EMR HBase。

HBaseは、Apache Software FoundationのHadoopプロジェクトの一部として開発されたオープンソースの非リレーショナルな分散データベースです。HBaseはHadoop分散ファイルシステム（HDFS）の上に実行され、Hadoopエコシステムのための非リレーショナルデータベース機能を提供します。

HBaseはHadoopとシームレスに連携し、そのファイルシステムを共有し、MapReduceフレームワークおよび実行エンジンへの直接的な入力および出力として機能します。また、Apache Hiveと統合され、HBaseテーブルに対してSQLライクなクエリを実行したり、Hiveベースのテーブルとのジョインを行ったり、Javaデータベース接続（JDBC）をサポートします。

オプションBは誤りです。RDSは大量のデータをサポートせず、リレーショナルデータベースです。

オプションAおよびDは誤りです。これらはキー・バリュー形式のストレージを提供していません。

正确答案: A
Correct answer is A as the provisioned throughput required for DynamoDB would be most cost efficient as compared to the PUT requests for S3.,DynamoDB Calculation vs S3 Calculation (Considering 31 days),Option C is wrong as ElastiCache is not ideal storage, but its more ideal for caching,Options B & D are wrong as PUT operations on S3 for small files would be expensive as compared to DynamoDB inserts.

正解: A
正解はAです。DynamoDBに必要なプロビジョニングスループットは、S3のPUTリクエストと比較して最もコスト効率が良いためです。
DynamoDB計算 vs S3計算（31日間を考慮）
オプションCは誤りです。ElastiCacheは理想的なストレージではなく、キャッシュに適しています。
オプションBとDは誤りです。小さなファイルのS3へのPUT操作は、DynamoDBの挿入と比較して高価です。

正确答案: A
Correct answer is A as Amazon Redshift can use an on-premises HSM for key management over the VPN, which ensures that the encryption keys are locally managed.,Option B is wrong as although it is possible as CloudHSM can cluster to an on-premises HSM. But then key management could be performed on either the on-premises HSM or CloudHSM, and that doesn’t meet the design goal.,Option C is wrong as does not describe a valid feature of KMS and violates the requirement for the corporate HSM to manage the keys requirement, even if it were possible.,Option D is wrong as it is not possible because you cannot put hardware into an AWS Region.

正解: A

正解は A です。Amazon Redshift はオンプレミスの HSM を VPN 経由でキー管理に使用できるため、暗号化キーをローカルで管理することができます。

選択肢 B は誤りです。CloudHSM はオンプレミスの HSM とクラスターを形成することは可能ですが、その場合、キー管理はオンプレミスの HSM または CloudHSM のいずれかで行われる可能性があり、設計目標を満たしません。

選択肢 C は誤りです。KMS の有効な機能を説明しておらず、企業の HSM がキーを管理するという要件に違反しています。仮に可能であったとしても要件を満たしません。

選択肢 D は誤りです。AWS リージョンにハードウェアを配置することはできないため、不可能です。

正确答案: A
Correct answer is A as Kinesis Data Streams allows the ability for replaying the data as well access to the same data to multiple Kinesis client applications.,Refer AWS documentation – Kinesis Data Streams FAQ,Amazon Kinesis Data Streams enables you to build custom applications that process or analyze streaming data for specialized needs. You can continuously add various types of data such as clickstreams, application logs, and social media to an Amazon Kinesis data stream from hundreds of thousands of sources. Within seconds, the data will be available for your Amazon Kinesis Applications to read and process from the stream.,Amazon Kinesis Data Streams enables real-time processing of streaming big data. It provides ordering of records, as well as the ability to read and/or replay records in the same order to multiple Amazon Kinesis Applications. The Amazon Kinesis Client Library (KCL) delivers all records for a given partition key to the same record processor, making it easier to build multiple applications reading from the same Amazon Kinesis data stream (for example, to perform counting, aggregation, and filtering).,Amazon Simple Queue Service (Amazon SQS) offers a reliable, highly scalable hosted queue for storing messages as they travel between computers. Amazon SQS lets you easily move data between distributed application components and helps you build applications in which messages are processed independently (with message-level ack/fail semantics), such as automated workflows.,Option B is wrong as Kinesis Firehose only allows data transfer to S3, Redshift. It does not provide the replay capability or buffering of messages,Option C is wrong as SNS can provide the message to multiple subscribers, however it cannot replay the data.,Option D is wrong SQS does not provide the ability to replay or access to multiple consumer.

正解: A

正解はAです。Kinesis Data Streamsは、データの再生機能と複数のKinesisクライアントアプリケーションから同じデータにアクセスする機能を提供します。AWSのドキュメントをご参照ください – Kinesis Data Streams FAQ

Amazon Kinesis Data Streamsは、ストリーミングデータを処理または分析するカスタムアプリケーションを構築するためのサービスです。クリックストリーム、アプリケーションログ、ソーシャルメディアなど、さまざまな種類のデータを数十万のソースからAmazon Kinesisデータストリームに追加することができます。数秒以内に、データはAmazon Kinesisアプリケーションがストリームから読み取って処理するために利用可能になります。

Amazon Kinesis Data Streamsは、リアルタイムでのストリーミングビッグデータの処理を可能にします。レコードの順序を提供し、複数のAmazon Kinesisアプリケーションに対して同じ順序でレコードを読み取ったり再生したりすることができます。Amazon Kinesisクライアントライブラリ（KCL）は、指定されたパーティションキーのすべてのレコードを同じレコードプロセッサに届けるため、同じAmazon Kinesisデータストリームから読み取る複数のアプリケーションを構築するのが簡単になります（例えば、カウント、集計、フィルタリングを行うため）。

Amazon Simple Queue Service（Amazon SQS）は、コンピュータ間でメッセージが移動する際にメッセージを保存するための信頼性が高く、スケーラブルなホスティングキューを提供します。Amazon SQSは、分散アプリケーションコンポーネント間でデータを簡単に移動させ、メッセージが独立して処理されるアプリケーション（メッセージレベルの確認/失敗セマンティクス）を構築するのに役立ちます。例えば、自動化されたワークフローです。

オプションBは誤りです。Kinesis Firehoseは、データをS3やRedshiftに転送する機能のみを提供します。データの再生機能やメッセージのバッファリングは提供していません。

オプションCは誤りです。SNSはメッセージを複数のサブスクライバーに配信できますが、データを再生することはできません。

オプションDは誤りです。SQSはデータの再生機能や複数のコンシューマへのアクセスを提供していません。

正确答案: A
Correct answer is A as DynamoDB can store and handle the transactions. DynamoDB also supports strongly consistent reads. DynamoDB is also a managed AWS service.,Amazon DynamoDB is a key-value and document database that delivers single-digit millisecond performance at any scale. It’s a fully managed, multiregion, multimaster database with built-in security, backup and restore, and in-memory caching for internet-scale applications. DynamoDB can handle more than 10 trillion requests per day and support peaks of more than 20 million requests per second.,Option B is wrong as RDS does not meet the storage and request handling rate.,Option C is wrong as NoSQL datastore would need resources and handling. Also, EMR HDFS option is not a cost-effective option.,Option D is wrong ad Redshift is a data warehouse solution and not ideal to handle high frequency data collection.

正しい答え：A

正しい答えはAです。DynamoDBはトランザクションを保存および処理できます。また、DynamoDBは強力に一貫性のある読み取りをサポートしています。DynamoDBはAWSの管理サービスでもあります。

Amazon DynamoDBは、単一桁のミリ秒パフォーマンスを提供するキー・バリューおよびドキュメントデータベースです。どの規模でも対応可能です。これは完全に管理された、複数の地域、複数のマスターを持つデータベースで、インターネット規模のアプリケーションに対してセキュリティ、バックアップ、復元、インメモリキャッシュを備えています。DynamoDBは1日あたり10兆回以上のリクエストを処理でき、毎秒2000万回以上のリクエストのピークにも対応できます。

オプションBは誤りです。なぜなら、RDSはストレージおよびリクエスト処理レートを満たしていないからです。

オプションCは誤りです。NoSQLデータストアはリソースと処理が必要です。また、EMR HDFSオプションはコスト効果の高い選択肢ではありません。

オプションDは誤りです。Redshiftはデータウェアハウスソリューションであり、高頻度のデータ収集を処理するのには適していません。

正确答案: A
Correct answer is A as the SecurityAudit managed policy can provide the Auditors with the read only access to AWS Services.,Option B is wrong as providing SSH keys is not a good practice.,Option C is wrong as it does not mention the Cluster was setup using CloudFormation. Also, CloudFormation templates may not give the actual picture of whats deployed.,Option D is wrong as Direct Connect does not provide access to tools and it is still control using IAM.

正しい答え: A

正しい答えはAです。SecurityAuditマネージドポリシーは監査人にAWSサービスへの読み取り専用アクセスを提供できます。

オプションBは間違いです。SSHキーを提供することは良いプラクティスではありません。

オプションCは間違いです。クラスタがCloudFormationを使用してセットアップされたことが記載されていません。また、CloudFormationテンプレートはデプロイされた内容の実際の状況を示さない場合があります。

オプションDは間違いです。Direct Connectはツールへのアクセスを提供せず、IAMを使用して制御されます。

正确答案: C
Correct answer is C as by default, Kinesis stores the records for 24 hours only.,Refer AWS documentation – Kinesis FAQs,By default, Records of a stream are accessible for up to 24 hours from the time they are added to the stream. You can raise this limit to up to 7 days by enabling extended data retention.

正しい答え: C
正しい答えはCです。デフォルトでは、Kinesisはレコードを24時間のみ保存します。
AWSのドキュメントをご参照ください – KinesisのFAQ
デフォルトでは、ストリームのレコードは追加されてから最大24時間までアクセス可能です。この制限は、拡張データ保持を有効にすることで最大7日間に延長できます。

正确答案: A
Key point here is to save most money while being able to process the huge data.,Correct answer is A as it follows best practice of using On demand for master and core and spot for task nodes also help reduce cost using spot instances.,Refer AWS documentation – EMR Instances,Option B is wrong as RI will make it expensive as there is no consistent requirement,Option C is wrong as RI will make it expensive as there is no consistent requirement.,Option D is wrong as input should be in S3 standard, as re-ingesting the input data might end up being more costly then holding the data for limited time in standard S3

正解: A

ここでの重要なポイントは、巨大なデータを処理しながら、できるだけお金を節約することです。

正解はAです。これは、マスターとコアにはオンデマンドを使用し、タスクノードにはスポットインスタンスを使用するという最良の実践に従っており、コスト削減にも役立ちます。

AWSのドキュメント – EMRインスタンスを参照してください。

オプションBは誤りです。RI（リザーブドインスタンス）は、要求が一貫していないため、高額になります。

オプションCは誤りです。RI（リザーブドインスタンス）は、要求が一貫していないため、高額になります。

オプションDは誤りです。入力データはS3標準であるべきです。入力データの再取り込みは、標準S3にデータを限られた時間保管するよりも高額になる可能性があります。

正确答案: A
Correct answer is A as Identity Federation allows organizations to associate temporary credentials to users authenticated through an external identity provider such as Microsoft Active Directory (AD). These temporary credentials are linked to AWS IAM roles that grant access to the S3 bucket.,Refer AWS documentation – S3 Cross Account Access (Role to S3 Bucket with Prefix access can be configured similarly),Option B is wrong as it does not work because bucket policies are linked to IAM principles and cannot recognize AD attributes.,Option C is wrong as it does not work because AD Synchronization will not sync directly with AWS IAM, and custom synchronization would not result in Amazon S3 being able to see group information.,Option D is wrong as it isn’t possible because there is no feature to integrate Amazon S3 directly with external identity providers.,Correct answer is B as
NOLOAD checks the integrity of all of the data without loading it into the database. The NOLOAD option displays any errors that would occur if you had attempted to load the data. All other options will require subsequent processing on the cluster which will consume resources.,Refer AWS documentation – Data Load Copy Parameters,If you want to validate your data without actually loading the table, use the NOLOAD option with the COPY command.

正解: A

正解はAです。なぜなら、アイデンティティ連携は、Microsoft Active Directory（AD）などの外部アイデンティティプロバイダーを通じて認証されたユーザーに一時的な資格情報を関連付けることを許可するからです。これらの一時的な資格情報は、S3バケットへのアクセスを許可するAWS IAMロールにリンクされています。
AWSドキュメントを参照 – S3クロスアカウントアクセス（プレフィックスアクセスを伴うロールからS3バケットへのアクセスも同様に設定できます）
オプションBは間違いです。なぜなら、バケットポリシーはIAMプリンシパルにリンクされており、ADの属性を認識できないからです。
オプションCは間違いです。なぜなら、AD同期はAWS IAMと直接同期しないため、カスタム同期を行ってもAmazon S3がグループ情報を表示できないからです。
オプションDは間違いです。なぜなら、Amazon S3を外部アイデンティティプロバイダーと直接統合する機能はないからです。

正解はBです。
NOLOADはデータをデータベースにロードせずにデータの整合性をチェックします。NOLOADオプションは、データをロードしようとした場合に発生するエラーを表示します。他のすべてのオプションは、クラスターでの後続処理を必要とし、リソースを消費します。
AWSドキュメントを参照 – データロードコピーのパラメータ
データを実際にテーブルにロードせずに検証したい場合は、COPYコマンドでNOLOADオプションを使用してください。

正确答案: A
Correct answer is A as EMRFS consistent view using a DynamoDB table can be implemented using a separate common DynamoDB table.,Refer AWS documentation – EMRFS Metadata,EMRFS consistent view tracks consistency using a DynamoDB table to track objects in Amazon S3 that have been synced with or created by EMRFS. The metadata is used to track all operations (read, write, update, and copy), and no actual content is stored in it. This metadata is used to validate whether the objects or metadata received from Amazon S3 matches what is expected. This confirmation gives EMRFS the ability to check list consistency and read-after-write consistency for new objects EMRFS writes to Amazon S3 or objects synced with EMRFS. Multiple clusters can share the same metadata.

正しい答え: A

正しい答えは、EMRFSの整合性ビューをDynamoDBテーブルを使用して実装できるため、Aです。DynamoDBテーブルを使用して、別の共通のDynamoDBテーブルを使用して実装できます。AWSのドキュメント – EMRFSメタデータを参照してください。

EMRFSの整合性ビューは、DynamoDBテーブルを使用して、EMRFSによって同期または作成されたAmazon S3内のオブジェクトを追跡することで整合性を管理します。このメタデータは、すべての操作（読み取り、書き込み、更新、コピー）を追跡するために使用され、実際のコンテンツは保存されません。このメタデータは、Amazon S3から受け取ったオブジェクトまたはメタデータが予期されるものと一致するかどうかを検証するために使用されます。この確認により、EMRFSは、新しいオブジェクトのリストの整合性や、Amazon S3に書き込まれた後の整合性をチェックする能力を持つことができます。

複数のクラスターは、同じメタデータを共有できます。

正确答案: D
Correct answer is D as the key point here is batch application and message being stored durably and delivery guarantee. Kinesis can store the data durably and allow access to multiple consumers without any dependencies.,Refer AWS documentation – Kinesis Data Streams,Q: How does Amazon Kinesis Data Streams differ from Amazon SQS?,Amazon Kinesis Data Streams enables real-time processing of streaming big data. It provides ordering of records, as well as the ability to read and/or replay records in the same order to multiple Amazon Kinesis Applications. The Amazon Kinesis Client Library (KCL) delivers all records for a given partition key to the same record processor, making it easier to build multiple applications reading from the same Amazon Kinesis data stream (for example, to perform counting, aggregation, and filtering).,Amazon Simple Queue Service (Amazon SQS) offers a reliable, highly scalable hosted queue for storing messages as they travel between computers. Amazon SQS lets you easily move data between distributed application components and helps you build applications in which messages are processed independently (with message-level ack/fail semantics), such as automated workflows.,Q: When should I use Amazon Kinesis Data Streams, and when should I use Amazon SQS?,We recommend Amazon Kinesis Data Streams for use cases with requirements that are similar to the following:,We recommend Amazon SQS for use cases with requirements that are similar to the following:,Option A is wrong as SQS chaining would create dependency among the consumers. If one consumer fails, the message would not be available for the other consumer impacting the availability.,Option B is wrong as although possible is error prone and needs to maintain the position read by the application.,Option C is wrong as with DynamoDB delivery guarantee needs to handled by application as well is not a cost effective solution.

正しい答え: D

正しい答えはDです。ここでの重要なポイントは、バッチ処理アプリケーションとメッセージが耐久的に保存され、配信保証がされていることです。Kinesisはデータを耐久的に保存し、依存関係なしに複数の消費者にアクセスを許可します。

AWSのドキュメントをご参照ください – Kinesis Data Streams

Q: Amazon Kinesis Data StreamsはAmazon SQSとどう異なりますか？

Amazon Kinesis Data Streamsは、ストリーミングビッグデータのリアルタイム処理を可能にします。レコードの順序を提供し、複数のAmazon Kinesisアプリケーションに対して同じ順序でレコードを読み取り、または再生する機能を提供します。Amazon Kinesis Client Library (KCL)は、指定されたパーティションキーに対してすべてのレコードを同じレコードプロセッサに届けるため、同じAmazon Kinesisデータストリームから読み取る複数のアプリケーションを構築しやすくします（例えば、カウント、集計、フィルタリングを実行するため）。

Amazon Simple Queue Service (Amazon SQS)は、メッセージがコンピュータ間を移動する際にそれらを保存するための信頼性の高い、非常にスケーラブルなホスト型キューを提供します。Amazon SQSは、分散アプリケーションコンポーネント間でデータを簡単に移動できるようにし、メッセージが独立して処理されるアプリケーション（メッセージレベルの確認/失敗セマンティクスを持つ）を構築するのに役立ちます。例えば、自動化されたワークフローなどです。

Q: いつAmazon Kinesis Data Streamsを使用し、いつAmazon SQSを使用すべきですか？

以下のような要件があるユースケースにはAmazon Kinesis Data Streamsを使用することをお勧めします：

以下のような要件があるユースケースにはAmazon SQSを使用することをお勧めします：

オプションAは間違いです。SQSのチェイニングは消費者間で依存関係を生むためです。1つの消費者が失敗すると、メッセージは他の消費者に利用できなくなり、可用性に影響を与えます。

オプションBは間違いです。可能ではありますが、エラーが発生しやすく、アプリケーションが読んだ位置を維持する必要があります。

オプションCは間違いです。DynamoDBでは配信保証はアプリケーションで処理する必要があり、コスト効率が良い解決策ではありません。

正确答案: A
Key here the cost efficient solution with company needing video transcoding expertise and needing to hire a consultant with global distribution.,Correct answer is A as Elastic Transcoder provides and out of box option to transcode videos into any format without any expertise. S3 to host videos and CloudFront to serve HLS transcoded videos for global distribution while being cost efficient,Option B & D are wrong as a video transcoding pipeline with instances would increase the cost needing expertise as well as infrastructure,Option C & D are wrong as EBS volumes to host data with snapshots would increase the cost.

正しい答え: A

ここで重要なのは、企業がビデオトランスコーディングの専門知識を必要としており、グローバルな配信のためにコンサルタントを雇う必要があるというコスト効率の良い解決策です。正しい答えはAです。Elastic Transcoderは、専門知識なしでビデオを任意の形式にトランスコードするための簡単なオプションを提供します。S3はビデオのホスティングに使用され、CloudFrontはグローバル配信のためにHLSトランスコードされたビデオを提供し、コスト効率も良いです。

オプションBとDは誤りです。インスタンスを使用したビデオトランスコーディングパイプラインはコストを増加させ、専門知識とインフラが必要となります。

オプションCとDは誤りです。EBSボリュームを使用してデータをホストし、スナップショットを取ることはコストを増加させます。

正确答案: C
Correct answer is C as Supervised learning using Regression can help build a model to predict rain based on the historical data.,Refer documentation – Machine Learning

正しい答え: C

正解はCです。回帰を使用した教師あり学習は、過去のデータに基づいて雨を予測するモデルを構築するのに役立ちます。

ドキュメントを参照してください – 機械学習

正确答案: C
Correct answer is C as Jupyter Notebook is an open-source web application that you can use to create and share documents that contain live code, equations, visualizations, and narrative text,Option A is wrong as Hive is an open-source, data warehouse, and analytic package that runs on top of a Hadoop cluster.,Option B is wrong as Apache Hue is an open-source, web-based, graphical user interface for use with Amazon EMR and Apache Hadoop. It does not provide live code and sharing of documents.,Option D is wrong as Presto is a fast SQL query engine designed for interactive analytic queries over large datasets from multiple sources

正解: C

正解はCです。Jupyter NotebookはオープンソースのWebアプリケーションで、ライブコード、数式、ビジュアライゼーション、物語的なテキストを含む文書を作成・共有するために使用できます。

オプションAは誤りです。Hiveはオープンソースのデータウェアハウスおよび分析パッケージで、Hadoopクラスター上で実行されます。

オプションBは誤りです。Apache HueはオープンソースのWebベースのグラフィカルユーザーインターフェースで、Amazon EMRおよびApache Hadoopで使用されますが、ライブコードの提供や文書の共有は行いません。

オプションDは誤りです。Prestoは、大規模なデータセットに対するインタラクティブな分析クエリのために設計された高速SQLクエリエンジンです。

正确答案: A
Correct answer is A as the simplest would be to use Firehose to stream data to collect the logs and load the data to Redshift for analysis.,Refer AWS documentation – Kinesis Data Firehose,Amazon Kinesis Data Firehose is the easiest way to reliably load streaming data into data stores and analytics tools. It can capture, transform, and load streaming data into Amazon S3, Amazon Redshift, Amazon Elasticsearch Service, and Splunk, enabling near real-time analytics with existing business intelligence tools and dashboards you’re already using today. It is a fully managed service that automatically scales to match the throughput of your data and requires no ongoing administration. It can also batch, compress, transform, and encrypt the data before loading it, minimizing the amount of storage used at the destination and increasing security.,Option B is wrong the logs file cannot be written to S3 directly and would need an agent like CloudWatch for Kinesis. Also you would need to develop the Lambda function to track events and load data to Elasticsearch,Option C is wrong as local disk would not provide the durability and might lead to data loss if the instance goes down.,Option D is wrong as the Lambda functions needs to be developed. Also, loading the data to HDFS using lambda might not seamless and would need AWS Data Pipeline.

正解: A

正解はAです。最も簡単なのは、Firehoseを使用してデータをストリーミングし、ログを収集してデータをRedshiftにロードして分析する方法です。

AWSのドキュメントを参照してください – Kinesis Data Firehose

Amazon Kinesis Data Firehoseは、ストリーミングデータをデータストアや分析ツールに信頼性高くロードする最も簡単な方法です。これにより、Amazon S3、Amazon Redshift、Amazon Elasticsearch Service、Splunkにストリーミングデータをキャプチャ、変換、ロードすることができ、既存のビジネスインテリジェンスツールやダッシュボードを使用してリアルタイムに近い分析を実行できます。これはフルマネージドサービスであり、データのスループットに合わせて自動的にスケールし、運用管理は不要です。また、データをロードする前にバッチ処理、圧縮、変換、暗号化を行うことができ、保存先で使用するストレージ容量を最小限に抑え、セキュリティを強化します。

オプションBは間違いです。ログファイルはS3に直接書き込むことはできず、Kinesis用のCloudWatchのようなエージェントが必要です。また、Lambda関数を開発してイベントを追跡し、Elasticsearchにデータをロードする必要があります。

オプションCは間違いです。ローカルディスクでは耐久性が提供されず、インスタンスがダウンした場合にデータ損失が発生する可能性があります。

オプションDは間違いです。Lambda関数を開発する必要があります。また、Lambdaを使用してHDFSにデータをロードすることはシームレスではなく、AWS Data Pipelineが必要になる可能性があります。

正确答案: A
Correct answer is A as IoT rules can help evaluate and send notifications when the peak thresholds are exceeded.
The AWS IoT rules engine listens for incoming MQTT messages that match a rule. When a matching message is received, the rule takes some action with the data in the MQTT message (for example, writing data to an Amazon S3 bucket, invoking a Lambda function, or sending a message to an Amazon SNS topic).,Refer AWS documentation – IoT Rules,Rules give your devices the ability to interact with AWS services. Rules are analyzed and actions are performed based on the MQTT topic stream. You can use rules to support tasks like these:,Options B, C & D are wrong as they are not cost-effective and need additional development or involve other services.

正解: A

正解はAです。IoTルールは、ピーク閾値を超えた場合に通知を評価し送信するのに役立ちます。

AWS IoTルールエンジンは、ルールに一致する受信MQTTメッセージを待ち受けます。一致するメッセージが受信されると、ルールはMQTTメッセージ内のデータに対して何らかのアクションを実行します（例えば、データをAmazon S3バケットに書き込む、Lambda関数を呼び出す、またはAmazon SNSトピックにメッセージを送信するなど）。

AWSドキュメント – IoTルールを参照してください。

ルールは、デバイスがAWSサービスと連携する能力を提供します。ルールは分析され、MQTTトピックストリームに基づいてアクションが実行されます。これらのようなタスクをサポートするためにルールを使用できます:

オプションB、C、Dは誤りです。これらはコスト効率が悪く、追加の開発が必要であったり、他のサービスが関与しているためです。

正确答案: A
Correct answer is A as Kinesis Data Streams with Kinesis Data Analytics can provide real time analytics only data while using managed services,Refer AWS documentation – Kinesis Data Analytics,Amazon Kinesis Data Analytics is the easiest way to analyze streaming data, gain actionable insights, and respond to your business and customer needs in real time. Amazon Kinesis Data Analytics reduces the complexity of building, managing, and integrating streaming applications with other AWS services. SQL users can easily query streaming data or build entire streaming applications using templates and an interactive SQL editor. Java developers can quickly build sophisticated streaming applications using open source Java libraries and AWS integrations to transform and analyze data in real-time.,Amazon Kinesis Data Analytics takes care of everything required to run your real-time applications continuously and scales automatically to match the volume and throughput of your incoming data.,Option B is wrong as Kafka needs to be managed and does not provide analytical capability,Option C is wrong as Athena does not work on the streaming analytics. It is more for batch analytics,Option D is wrong as Spark Streaming and MLlib would need EMR cluster management and development.

正解: A

正解はAです。Kinesis Data StreamsとKinesis Data Analyticsを使用すると、管理されたサービスを使用しながら、リアルタイムのデータ解析のみを提供できます。AWSドキュメント – Kinesis Data Analyticsを参照してください。Amazon Kinesis Data Analyticsは、ストリーミングデータを分析し、実用的なインサイトを得て、リアルタイムでビジネスや顧客のニーズに対応する最も簡単な方法です。Amazon Kinesis Data Analyticsは、ストリーミングアプリケーションの構築、管理、および他のAWSサービスとの統合の複雑さを軽減します。SQLユーザーは、ストリーミングデータを簡単にクエリしたり、テンプレートやインタラクティブSQLエディタを使用して完全なストリーミングアプリケーションを構築したりできます。Java開発者は、オープンソースのJavaライブラリとAWSの統合を使用して、リアルタイムでデータを変換および分析する洗練されたストリーミングアプリケーションを迅速に構築できます。

Amazon Kinesis Data Analyticsは、リアルタイムアプリケーションを継続的に実行するために必要なすべてを処理し、受信データの量とスループットに合わせて自動的にスケールします。

オプションBは誤りです。Kafkaは管理が必要で、分析機能を提供しません。

オプションCは誤りです。Athenaはストリーミング解析では機能せず、バッチ解析に適しています。

オプションDは誤りです。Spark StreamingとMLlibは、EMRクラスタの管理と開発が必要です。

正确答案: D
Correct answer is D as the data is already hosted in S3, EMR with EMRFS can be used to perform analysis.,Option A is wrong EBS backed volumes cannot handled the data capacity,Option B is wrong as copying the data in Redshift would duplicate it and current size limitation of Redshift is 2PB.,Option C is wrong as the answer is incomplete as it does not provide any analysis option.

正解: D

正解はDです。データはすでにS3にホストされているため、EMRとEMRFSを使用して分析を行うことができます。

オプションAは誤りです。EBSバックアップのボリュームはデータ容量を処理できません。

オプションBは誤りです。Redshiftにデータをコピーすると重複が発生し、Redshiftの現在のサイズ制限は2PBです。

オプションCは誤りです。回答が不完全で、分析オプションを提供していません。

正确答案: B
Correct answer is B as gzip is not ideal compression for files larger than 1GB and compression technique should be checked with supports splitting like bzip2 or one with higher compression handling like Snappy.,Refer AWS documentation – EMR Best Practices,Depending on how large your aggregated data files are, the compression algorithm becomes an important choice. For instance, if you are aggregating your data (using the ingest tool of your choice) and the aggregated data files are between 500 MB to 1 GB, GZIP compression is an acceptable data compression type. However, if your data aggregation creates files larger than 1 GB, its best to pick a compression algorithm that supports splitting.,What Compression Algorithm Should I Use?,Naturally, not all compression algorithms are alike. Consider these potential advantages and disadvantages:, As the table below suggests, some compression algorithms are faster. You need to understand your workload in order to decide if faster compressions are any use for you. For example, if your job is CPU bounded, faster compression algorithms may not give you enough performance improvement. If you decide compression speed is important, Snappy compression seems to perform faster., Some compressions algorithms are slower but offer better space savings, which may be important to you. However, if storage cost is not an important factor, you may want a faster algorithm instead., Importantly, some algorithms allow file output to be split. As discussed earlier, the ability to split your data file affects how you store your data files. If the compression algorithm does not support splitting, you may have to maintain smaller file sizes. However, if your compressed files can be chunked, you may want to store large files for Amazon EMR processing.

正しい答え: B

正しい答えはBです。gzipは1GBより大きなファイルの圧縮には理想的ではなく、圧縮技術は分割をサポートするもの（bzip2など）や、より高い圧縮処理をサポートするもの（Snappyなど）を選択するべきです。AWSのドキュメント – EMRベストプラクティスを参照してください。

集約したデータファイルのサイズによって、圧縮アルゴリズムの選択が重要になります。たとえば、データを集約して（使用する取り込みツールに応じて）集約されたデータファイルのサイズが500MBから1GBの間であれば、GZIP圧縮は受け入れられるデータ圧縮タイプです。しかし、データ集約によって1GB以上のファイルが作成される場合は、分割をサポートする圧縮アルゴリズムを選択する方が良いです。

使用する圧縮アルゴリズムは何ですか？

当然、すべての圧縮アルゴリズムは同じではありません。以下のような利点と欠点を考慮してください:

• 以下の表が示すように、いくつかの圧縮アルゴリズムは高速です。高速圧縮が有用かどうかを決定するには、ワークロードを理解する必要があります。たとえば、ジョブがCPUに制約がある場合、高速な圧縮アルゴリズムは十分なパフォーマンス向上を提供しないかもしれません。圧縮速度が重要だと判断した場合、Snappy圧縮はより速いパフォーマンスを発揮するようです。
• 一部の圧縮アルゴリズムは遅いですが、より良い空間の節約を提供します。これが重要な場合もあります。しかし、ストレージコストが重要でない場合は、代わりに高速なアルゴリズムを選択したいかもしれません。
• 重要なのは、一部のアルゴリズムはファイル出力の分割を許可することです。前述のように、データファイルを分割する能力は、データファイルの保存方法に影響します。圧縮アルゴリズムが分割をサポートしていない場合、小さなファイルサイズを維持しなければならないかもしれません。ただし、圧縮されたファイルがチャンク分割できる場合は、Amazon EMR処理のために大きなファイルを保存したい場合もあります。

正确答案: A
Correct answer is A as machine learning are usually compute intensive and adhoc queries are suited for memory optimized.,Refer AWS documentation – EMR Best Practices,For memory-intensive applications, prefer R type instances over the other instance types. For compute-intensive applications, prefer C type instances. For applications balanced between memory and compute, prefer M type general-purpose instances.,Compute Optimized – High performance web servers, scientific modelling, batch processing, distributed analytics, high-performance computing (HPC), machine/deep learning inference, ad serving, highly scalable multiplayer gaming, and video encoding.,Memory Optimized – Instances are well suited for memory intensive applications such as high performance databases, distributed web scale in-memory caches, mid-size in-memory databases, real time big data analytics, and other enterprise applications.,Option B is wrong as G2 is GPU powered and GPU-powered G2 instance family is home to molecular modeling, rendering, machine learning, game streaming, and transcoding jobs that require massive amounts of parallel processing power.,Option C is wrong as T are ideally suited for general purpose applications.,Option D is wrong as I & D are storage optimized instances.

正しい答え: A

正しい答えはAです。機械学習は通常、計算集約型であり、アドホックなクエリはメモリ最適化に適しています。AWSドキュメント – EMRのベストプラクティスを参照してください。

メモリ集約型のアプリケーションには、他のインスタンスタイプよりもRタイプのインスタンスを優先してください。計算集約型のアプリケーションには、Cタイプのインスタンスを優先してください。メモリと計算のバランスが取れたアプリケーションには、Mタイプの汎用インスタンスを優先してください。

計算最適化 – 高性能ウェブサーバー、科学的モデリング、バッチ処理、分散分析、高性能コンピューティング（HPC）、機械学習/深層学習推論、広告配信、スケーラブルなマルチプレイヤーゲーム、ビデオエンコーディング。

メモリ最適化 – 高性能データベース、分散型ウェブスケールのインメモリキャッシュ、中規模のインメモリデータベース、リアルタイムのビッグデータ分析、およびその他のエンタープライズアプリケーションに適したインスタンス。

オプションBは間違いです。G2はGPU搭載であり、GPU搭載のG2インスタンスファミリーは、分子モデリング、レンダリング、機械学習、ゲームストリーミング、並列処理能力が大量に必要なトランスコーディングジョブのために使われます。

オプションCは間違いです。Tインスタンスは、一般的な用途のアプリケーションに最適です。

オプションDは間違いです。IとDはストレージ最適化インスタンスです。

正确答案: B, E
Correct answer is B & E as the key point here is to reduce job completion time.,Option B as the split size of the match in memory block size of task and HDFS files will help to complete the job faster.,Option E as adjusting and tuning the number of simultaneous mapper task would help reduce time,Refer to EMR Best Practices,Option A is wrong as Spot instances would help reduce cost but might increase the job completion time,Option C is wrong as it would not help as the data is already there in the data nodes.,Option D is wrong as the instances would be in VPC already and would not improve job times,Option F is wrong as termination protection would not help as the instances are not being terminated adhoc

正しい答え: B, E

正しい答えはBとEです。ここでの重要なポイントは、ジョブの完了時間を短縮することです。

オプションBは、メモリブロックサイズのタスクとHDFSファイルの一致分割サイズがジョブをより速く完了させるのに役立つためです。

オプションEは、同時に実行されるマッパータスクの数を調整してチューニングすることで、時間を短縮できるためです。

EMRベストプラクティスを参照してください。

オプションAは間違いです。Spotインスタンスはコスト削減に役立ちますが、ジョブの完了時間が長くなる可能性があります。

オプションCは間違いです。データはすでにデータノードに存在するため、役立ちません。

オプションDは間違いです。インスタンスはすでにVPC内にあり、ジョブの時間を改善することはありません。

オプションFは間違いです。終了保護はインスタンスが即座に終了するわけではないため、役立ちません。

正确答案: A
Correct answer is A as the most cost effective solution is to use a transient cluster to create the stats and use S3 to host the same.,Option B is wrong as using MicroStrategy is an overhead and its a marketplace product, which would not be a cost effective solution.,Options C & D are wrong as using a long running or continuous cluster is not cost effective

正しい答え: A

正しい答えはAです。最もコスト効率の良い解決策は、一時的なクラスターを使用して統計を作成し、S3を使用してそれをホストすることです。

オプションBは間違いです。MicroStrategyを使用することはオーバーヘッドであり、市場で販売されている製品であり、コスト効率の良い解決策ではありません。

オプションCとDは間違いです。長時間実行されるクラスターや継続的なクラスターを使用することはコスト効率が良くありません。

正确答案: B
Key point is perform ad-hoc analytics with data at high velocity,Correct answer is B as Kinesis Firehose provides a managed service for aggregating streaming data and inserting it into RedShift. RedShift also supports ad-hoc queries over well-structured data using a SQL-compliant wire protocol, so the business team should be able to adopt this system easily.,Option A is wrong as RDS would not be suitable for ad-hoc analytics,Option C & D are wrong as EMR does not itself handle data at high velocity. Need Kafka or similar frameworks

正解: B

重要なポイントは、高速でデータを処理しながらアドホック分析を実行することです。正解はBです。Kinesis Firehoseは、ストリーミングデータを集約し、RedShiftに挿入するための管理されたサービスを提供します。RedShiftは、SQL準拠のワイヤープロトコルを使用して、構造化されたデータに対してアドホッククエリをサポートしているため、ビジネスチームはこのシステムを簡単に採用できるはずです。

選択肢Aは誤りです。RDSはアドホック分析には適していません。

選択肢CとDは誤りです。EMRは高速でデータを処理することはできません。Kafkaや類似のフレームワークが必要です。

正确答案: A
Correct answer is A as Regression model can help predict or forecast data based on the earlier dataset.,Regression predictive modeling is the task of approximating a mapping function (f) from input variables (X) to a continuous output variable (y).,Option B is wrong as Random forest is not needed and Spark MLib needs to have EMR to run, while Amazon Machine Learning is quick.,Options C & D are wrong as they are only or classification and do not forecast values.

正しい答え: A

正しい答えはAです。回帰モデルは、以前のデータセットに基づいてデータを予測または予測するのに役立ちます。回帰予測モデリングは、入力変数（X）から連続的な出力変数（y）へのマッピング関数（f）を近似する作業です。

オプションBは間違いです。ランダムフォレストは必要なく、Spark MLibは実行するためにEMRを必要としますが、Amazon Machine Learningは迅速です。

オプションCとDは間違いです。それらは分類専用であり、値を予測しません。