무료 온라인 액세스 Amazon.Data-Engineer-Associate-KR.v2026-04-11.q93 모의 시험 (Page 11)

Data-Engineer-Associate-KR 문제 46

데이터 엔지니어가 Apache Spark를 사용하여 Amazon S3에 저장된 대규모 데이터 세트를 분석하는 Amazon Athena 노트북에서 쿼리 성능을 최적화하고 있습니다. 데이터는 분할되어 있으며, AWS Glue 크롤러가 분할된 데이터를 업데이트합니다.
데이터 엔지니어는 Athena 쿼리의 효율성을 개선하기 위해 스캔하는 데이터 양을 최소화하려고 합니다.
어떤 솔루션이 이러한 요구 사항을 충족시킬까요?

A. 자주 액세스되는 데이터에 대해 메모리 내 캐싱을 사용하도록 Spark를 구성합니다.

B. 쿼리에 파티션 필터를 적용합니다.

C. AWS Glue 크롤러 호출 빈도를 높여 데이터 카탈로그를 더 자주 업데이트합니다.

D. 중첩된 디렉토리 구조를 사용하여 Amazon S3에 있는 데이터를 구성합니다.

Data-Engineer-Associate-KR 문제 47

한 제조 회사는 운영 효율성을 모니터링하고 향상시키기 위해 공장 현장에서 센서 데이터를 수집합니다. 이 회사는 Amazon Kinesis Data Streams를 사용하여 센서가 수집하는 데이터를 데이터 스트림에 게시합니다. 그런 다음 Amazon Kinesis Data Firehose가 Amazon S3 버킷에 데이터를 씁니다.
회사는 제조 시설의 대형 화면에 운영 효율성을 실시간으로 표시해야 합니다.
가장 낮은 대기 시간으로 이러한 요구 사항을 충족하는 솔루션은 무엇입니까?

A. Apache Flink용 Amazon Managed Service(이전의 Amazon Kinesis Data Analytics)를 사용하여 센서 데이터를 처리합니다. Apache Flink용 커넥터를 사용하여 Amazon Timestream 데이터베이스에 데이터를 씁니다. Timestream 데이터베이스를 소스로 사용하여 Grafana 대시보드를 생성합니다.

B. 새 객체가 생성되면 AWS Lambda 함수에 알림을 보내도록 S3 버킷을 구성합니다. Lambda 함수를 사용하여 Amazon Aurora에 데이터를 게시합니다. Aurora를 소스로 사용하여 Amazon QuickSight 대시보드를 생성하십시오.

C. Apache Flink용 Amazon Managed Service(이전의 Amazon Kinesis Data Analytics)를 사용하여 센서 데이터를 처리합니다. 새로운 Data Firehose 전송 스트림을 생성하여 Amazon Timestream 데이터베이스에 직접 데이터를 게시합니다. Timestream 데이터베이스를 소스로 사용하여 Amazon QuickSight 대시보드를 생성합니다.

D. AWS Glue 북마크를 사용하여 S3 버킷에서 센서 데이터를 실시간으로 읽습니다. Amazon Timestream 데이터베이스에 데이터를 게시합니다. Timestream 데이터베이스를 소스로 사용하여 Grafana 대시보드를 생성합니다.

정답: C

This solution will meet the requirements with the lowest latency because it uses Amazon Managed Service for Apache Flink to process the sensor data in real time and write it to Amazon Timestream, a fast, scalable, and serverless time series database. Amazon Timestream is optimized for storing and analyzing time series data, such as sensor data, and can handle trillions of events per day with millisecond latency. By using Amazon Timestream as a source, you can create an Amazon QuickSight dashboard that displays a real-time view of operational efficiency on a large screen in the manufacturing facility. Amazon QuickSight is a fully managed business intelligence service that can connect to various data sources, including Amazon Timestream, and provide interactive visualizations and insights123.
The other options are not optimal for the following reasons:
A). Use Amazon Managed Service for Apache Flink (previously known as Amazon Kinesis Data Analytics) to process the sensor data. Use a connector for Apache Flink to write data to an Amazon Timestream database.
Use the Timestream database as a source to create a Grafana dashboard. This option is similar to option C, but it uses Grafana instead of Amazon QuickSight to create the dashboard. Grafana is an open source visualization tool that can also connect to Amazon Timestream, but it requires additional steps to set up and configure, such as deploying a Grafana server on Amazon EC2, installing the Amazon Timestream plugin, and creating an IAM role for Grafana to access Timestream. These steps can increase the latency and complexity of the solution.
B). Configure the S3 bucket to send a notification to an AWS Lambda function when any new object is created. Use the Lambda function to publish the data to Amazon Aurora. Use Aurora as a source to create an Amazon QuickSight dashboard. This option is not suitable for displaying a real-time view of operational efficiency, as it introduces unnecessary delays and costs in the data pipeline. First, the sensor data is written to an S3 bucket by Amazon Kinesis Data Firehose, which can have a buffering interval of up to 900 seconds.
Then, the S3 bucket sends a notification to a Lambda function, which can incur additional invocation and execution time. Finally, the Lambda function publishes the data to Amazon Aurora, a relational database that is not optimized for time series data and can have higher storage and performance costs than Amazon Timestream .
D). Use AWS Glue bookmarks to read sensor data from the S3 bucket in real time. Publish the data to an Amazon Timestream database. Use the Timestream database as a source to create a Grafana dashboard. This option is also not suitable for displaying a real-time view of operational efficiency, as it uses AWS Glue bookmarks to read sensor data from the S3 bucket. AWS Glue bookmarks are a feature that helps AWS Glue jobs and crawlers keep track of the data that has already been processed, so that they can resume from where they left off. However, AWS Glue jobs and crawlers are not designed for real-time data processing, as they can have a minimum frequency of 5 minutes and a variable start-up time. Moreover, this option also uses Grafana instead of Amazon QuickSight to create the dashboard, which can increase the latency and complexity of the solution .
1: Amazon Managed Streaming for Apache Flink
2: Amazon Timestream
3: Amazon QuickSight
Analyze data in Amazon Timestream using Grafana
Amazon Kinesis Data Firehose
Amazon Aurora
AWS Glue Bookmarks
AWS Glue Job and Crawler Scheduling

Data-Engineer-Associate-KR 문제 48

회사는 Amazon EC2 인스턴스에서 애플리케이션을 호스팅합니다. 회사는 고객이 관리하는 AWS 인프라와 안전하게 통신하기 위해 전송 중인 데이터를 암호화하는 SSL/TLS 연결을 사용해야 합니다.
데이터 엔지니어는 디지털 인증서의 생성, 배포 및 순환을 간소화하는 솔루션을 구현해야 합니다. 솔루션은 SSL/TLS 인증서를 자동으로 갱신하고 배포해야 합니다.
어떤 솔루션이 운영 비용을 최소화하면서 이러한 요구 사항을 충족할 수 있을까요?

A. EC2 인스턴스에 자체 관리형 인증서를 저장합니다.

B. AWS Certificate Manager(ACM)를 사용하세요.

C. AWS Secrets Manager에서 사용자 정의 자동화 스크립트를 구현합니다.

D. Amazon Elastic Container Service(Amazon ECS) Service Connect를 사용하세요.

Data-Engineer-Associate-KR 문제 49

데이터 엔지니어는 old-table이라는 기존 테이블과 동일한 스키마를 갖는 Amazon Athena에 새 빈 테이블을 만들어야 합니다.
이 요구 사항을 충족하기 위해 데이터 엔지니어는 어떤 SQL 문을 사용해야 합니까?

Data-Engineer-Associate-KR 문제 50

데이터 엔지니어는 소매 주문을 처리하는 데이터 파이프라인의 성능을 최적화해야 합니다. 주문 데이터는 매일 Amazon S3 버킷에 수집됩니다.
데이터 엔지니어는 매주 한 번씩 쿼리를 실행하여 여러 날짜 범위의 주문 날짜를 기준으로 주문 데이터에서 지표를 추출합니다. 데이터 엔지니어는 데이터 양이 증가해도 쿼리 성능이 저하되지 않도록 하는 최적화 솔루션이 필요합니다.

A. 주문 날짜를 기준으로 데이터를 분할합니다. Amazon Athena를 사용하여 데이터를 쿼리합니다.

B. 주문 날짜를 기준으로 데이터를 분할합니다. Amazon Redshift를 사용하여 데이터를 쿼리합니다.

C. 로드 날짜를 기준으로 데이터를 분할합니다. Amazon EMR을 사용하여 데이터를 쿼리합니다.

D. 로드 날짜를 기준으로 데이터를 분할합니다. Amazon Aurora를 사용하여 데이터를 쿼리합니다.

다른 버전: 396Amazon.Data-Engineer-Associate-KR.v2026-05-29.q121; 392Amazon.Data-Engineer-Associate-KR.v2026-05-21.q127; 412Amazon.Data-Engineer-Associate-KR.v2026-05-19.q119; 695Amazon.Data-Engineer-Associate-KR.v2026-04-01.q89; 283Amazon.Data-Engineer-Associate-KR.v2026-03-30.q96; 333Amazon.Data-Engineer-Associate-KR.v2026-03-21.q85; 715Amazon.Data-Engineer-Associate-KR.v2026-02-07.q109; 984Amazon.Data-Engineer-Associate-KR.v2025-03-07.q62; 465Amazon.Data-Engineer-Associate-KR.v2025-03-03.q61

최근 업로드: 108Microsoft.AZ-500-KR.v2026-06-04.q213; 110Microsoft.DP-600-KR.v2026-06-04.q98; 104Microsoft.AZ-204-KR.v2026-06-04.q237; 136Microsoft.PL-600-KR.v2026-06-04.q112; 188Microsoft.SC-300-KR.v2026-06-03.q151; 149Microsoft.DP-600-KR.v2026-06-03.q70; 865PMI.PMP-KR.v2026-06-01.q1069; 227Microsoft.MS-102-KR.v2026-06-01.q252; 207Amazon.DOP-C02-KR.v2026-06-01.q207; 159Microsoft.AZ-104-KR.v2026-06-01.q197