SAA-C03 Q365 · Analytics

Question

한 회사가 복잡한 분석 및 머신러닝(ML) 작업을 위해 대용량 데이터를 처리하는 플랫폼을 개발 중입니다. 이 플랫폼은 컴퓨팅 집약적인 워크로드를 처리해야 합니다. 현재 워크로드는 각 데이터 처리 단계에 20~30 분이 소요됩니다. 회사는 데이터 처리 속도를 높일 수 있는 솔루션을 원합니다. 다음 중 운영 오버헤드가 가장 적으면서 이러한 요구 사항을 충족하는 솔루션은 무엇입니까?

Accepted Answer

문제의 핵심 요구사항을 정리하면:

1️⃣ **대용량 데이터** 처리 → 분산 처리 프레임워크 필요
2️⃣ **복잡한 분석 및 ML 작업** → 전문 빅데이터/ML 프레임워크 필요
3️⃣ **컴퓨팅 집약적 워크로드** → 높은 CPU/메모리 리소스 필요
4️⃣ **각 단계 20~30분 소요** → Lambda 15분 제한 초과
5️⃣ **데이터 처리 속도 향상** → 수평 확장(병렬 처리) 필요
6️⃣ **운영 오버헤드 최소화** → 관리형 서비스 우선

**Amazon EMR이 모든 요구사항을 충족하는 이유:**
- EMR은 Apache Spark, Hadoop 등 빅데이터 프레임워크를 **관리형**으로 제공
- **관리형 스케일링(Managed Scaling)**: 워크로드에 따라 클러스터 노드를 자동 확장/축소 → 운영 부담 최소화
- **Apache Spark**: 인메모리 분산 처리로 대용량 데이터를 병렬 처리하여 속도 대폭 향상
- 컴퓨팅 집약적 워크로드에 적합한 인스턴스 타입(C5, P3 등) 선택 가능
- ML 라이브러리(Spark MLlib) 내장으로 ML 작업도 네이티브 지원
- 시간 제한 없음 → 20~30분 이상의 장기 실행 작업도 문제없음

📖 해설

✅ 정답 분석

❌ 오답 분석

📘 핵심 개념

🏗️ 아키텍처

⚙️ 운영 관점

💰 비용 관점

🎯 시험 팁