[MLS-C01] AWS 오늘의 퀴즈 (단일 정답)
작성자: aws | 작성일: 2026년 05월 26일 | 조회: 5 | 좋아요: 0
AWS MLS-C01 | Specialty
🤖 Machine Learning – Specialty
Q. 한 제약 회사가 신약 개발을 위한 대규모 머신러닝(Machine Learning, ML) 모델을 구축하고 있습니다. 이 프로젝트는 수 페타바이트(PB)에 달하는 임상 시험 센서 데이터를 수집합니다. 이 원본 데이터(Raw Data)는 내구성이 뛰어나고 비용 효율적으로 저장되어야 하며, 필요시 다수의 Amazon EC2 인스턴스 클러스터에서 처리할 수 있어야 합니다. 가공된 특징(Processed Features)과 모델 학습 중 생성되는 중간 데이터는 학습 단계 동안 여러 EC2 인스턴스에서 고성능의 공유 파일 시스템 접근을 필요로 합니다. 최종 학습된 모델과 아티팩트(Artifacts)는 안정적으로 저장되고 배포 및 향후 분석을 위해 접근 가능해야 합니다. 이 회사는 활성 사용 중에는 성능을 최적화하고, 장기 아카이빙을 위해서는 비용을 최적화하는 스토리지 솔루션을 원합니다. 가장 효율적이고 비용 효과적인 AWS 스토리지 아키텍처는 무엇일까요?
A. 원본 데이터 및 최종 아티팩트는 Amazon S3에 저장하고, 가공된 특징 및 학습 데이터는 Amazon FSx for Lustre를 사용하여 다중 EC2 인스턴스에 공유합니다.
B. 모든 데이터를 Amazon EBS 볼륨에 저장하고, 장기 아카이빙은 Amazon S3 Glacier를 사용합니다.
C. 모든 데이터를 Amazon EFS에 저장하여 다중 EC2 인스턴스에 공유하고, AWS Storage Gateway를 사용하여 온프레미스 백업을 수행합니다.
D. 모든 데이터를 Amazon S3 Intelligent-Tiering에 저장하고, 학습 데이터는 별도의 고성능 Amazon EBS 볼륨에 임시 저장하여 사용합니다.
🎯 정답: A
✅ A. 원본 데이터 및 최종 아티팩트는 Amazon S3에 저장하고, 가공된 특징 및 학습 데이터는 Amazon FSx for Lustre를 사용하여 다중 EC2 인스턴스에 공유합니다.
B. 모든 데이터를 Amazon EBS 볼륨에 저장하고, 장기 아카이빙은 Amazon S3 Glacier를 사용합니다.
C. 모든 데이터를 Amazon EFS에 저장하여 다중 EC2 인스턴스에 공유하고, AWS Storage Gateway를 사용하여 온프레미스 백업을 수행합니다.
D. 모든 데이터를 Amazon S3 Intelligent-Tiering에 저장하고, 학습 데이터는 별도의 고성능 Amazon EBS 볼륨에 임시 저장하여 사용합니다.
💡 해설:
주어진 시나리오에서 원본 데이터(Raw Data)와 최종 아티팩트(Artifacts)는 대규모, 내구성 및 비용 효율성이 중요하므로 Amazon S3가 가장 적합합니다. S3의 객체 스토리지 특성과 라이프사이클 정책은 장기 보관 및 비용 절감에 유리합니다. 반면, 가공된 특징(Processed Features)과 모델 학습 데이터는 다수의 EC2 인스턴스에서 고성능의 공유 파일 시스템 접근이 필수적입니다. Amazon FSx for Lustre는 HPC(고성능 컴퓨팅) 및 ML 워크로드에 최적화된 고성능 파일 시스템으로, 페타바이트 규모의 데이터를 처리하고 S3와 연동하여 데이터 레이크의 일부로 활용될 수 있어 이 요구사항에 가장 부합합니다. EFS는 공유 파일 시스템이지만, ML 학습의 고성능 요구사항과 페타바이트 규모에서는 FSx for Lustre가 더 효율적입니다. EBS는 단일 인스턴스에만 연결 가능하므로 다중 인스턴스 공유에는 부적합합니다.
주어진 시나리오에서 원본 데이터(Raw Data)와 최종 아티팩트(Artifacts)는 대규모, 내구성 및 비용 효율성이 중요하므로 Amazon S3가 가장 적합합니다. S3의 객체 스토리지 특성과 라이프사이클 정책은 장기 보관 및 비용 절감에 유리합니다. 반면, 가공된 특징(Processed Features)과 모델 학습 데이터는 다수의 EC2 인스턴스에서 고성능의 공유 파일 시스템 접근이 필수적입니다. Amazon FSx for Lustre는 HPC(고성능 컴퓨팅) 및 ML 워크로드에 최적화된 고성능 파일 시스템으로, 페타바이트 규모의 데이터를 처리하고 S3와 연동하여 데이터 레이크의 일부로 활용될 수 있어 이 요구사항에 가장 부합합니다. EFS는 공유 파일 시스템이지만, ML 학습의 고성능 요구사항과 페타바이트 규모에서는 FSx for Lustre가 더 효율적입니다. EBS는 단일 인스턴스에만 연결 가능하므로 다중 인스턴스 공유에는 부적합합니다.
🚀 Tip: MLS-C01 시험에서는 각 스토리지 서비스의 특징(객체 vs 파일 vs 블록), 성능 특성(처리량, IOPS), 확장성, 비용 구조, 그리고 주요 사용 사례를 정확히 이해하는 것이 중요합니다. 특히 대규모 ML 워크로드의 데이터 접근 패턴(순차 읽기, 임의 읽기, 공유 접근 등)에 따라 최적의 서비스를 선택하는 능력을 요구합니다. FSx for Lustre와 S3의 연동 시나리오를 잘 알아두세요.
Amazon S3Amazon FSx for LustreAmazon EBSAmazon EFSAmazon S3 GlacierAWS Storage Gateway
🛡️ Deuktem AWS Quiz Bot | 커뮤니티 이동