SAA-C03 Q379 · Storage

Question

머신러닝(ML) 팀이 Amazon S3 버킷에 저장된 데이터를 사용하는 애플리케이션을 개발하고 있습니다. 이 ML 팀은 AWS 에서 모델 학습 워크플로우를 위한 스토리지 솔루션이 필요합니다. 학습 데이터셋에 대한 빈번한 접근을 지원하는 고성능 스토리지가 필요하며, 스토리지 솔루션은 Amazon S3 와 기본적으로 통합되어야 합니다. 이러한 요구 사항을 충족하면서 운영 오버헤드가 가장 적은 솔루션은 무엇입니까?

Accepted Answer

문제의 요구사항을 하나씩 분석하면:

**1. 고성능 스토리지**: FSx for Lustre는 병렬 분산 파일시스템으로, 수백 GB/s의 처리량과 수백만 IOPS를 제공. ML 학습에 필요한 대량 데이터 읽기에 최적화.

**2. S3와 기본적(native) 통합**: FSx for Lustre의 핵심 차별점. S3 버킷을 데이터 리포지토리로 직접 연결 가능. 파일시스템에서 S3 객체를 투명하게 접근하며, 학습 결과를 자동으로 S3에 다시 쓸 수 있음.

**3. 운영 오버헤드 최소화**: 완전관리형 서비스로 파일시스템 구성, 패치, 백업 등을 AWS가 관리. 별도의 데이터 복사/동기화 작업 불필요.

**동작 흐름**:
- FSx for Lustre 파일시스템 생성 시 S3 버킷을 Data Repository로 지정
- ML 인스턴스가 FSx를 마운트하여 학습 데이터에 고속 접근
- S3 데이터가 lazy loading 방식으로 자동 로드 (또는 preload 가능)
- 학습 완료 후 결과를 S3로 자동 export

📖 해설

✅ 정답 분석

❌ 오답 분석

📘 핵심 개념

🏗️ 아키텍처

⚙️ 운영 관점

💰 비용 관점

🔒 보안 관점

🎯 시험 팁