Q11 — AWS SAA-C03 第15章

第 11/100 問 | ← 第15章

Q1111. ある企業が、Amazon Aurora PostgreSQLデータベースを用いた新しいWebアプリケーションをリリースしました。この企業は、AIに依存する新機能をアプリケーションに追加したいと考えています。そのために、AIツールを利用するためのベクターストレージ機能が必要です。 この要件を最もコスト効率よく満たすソリューションはどれですか？

• A. Amazon OpenSearch Service を使用してOpenSearchクラスターを作成します。アプリケーションを設定し、ベクトル埋め込み（vector embeddings）をベクターインデックスに書き込むようにします。
• B. Amazon DocumentDB クラスターを作成します。アプリケーションを設定し、ベクトル埋め込みをベクターインデックスに書き込むようにします。
• C. Amazon Neptune ML クラスターを作成します。アプリケーションを設定し、ベクトル埋め込みをベクターグラフに書き込むようにします。
• D. Aurora PostgreSQL データベースに pgvector 拡張機能をインストールします。アプリケーションを設定し、ベクトル埋め込みをベクターテーブルに書き込むようにします。 ✓

正解: D. Aurora PostgreSQL データベースに pgvector 拡張機能をインストールします。アプリケーションを設定し、ベクトル埋め込みをベクターテーブルに書き込むようにします。

解説

AI駆動型Webアプリケーション向けに、既存のAmazon Aurora PostgreSQLデータベースにベクターストレージ機能を追加するという要件において、最もコスト効率の高いソリューションを判断するには、各選択肢を検討します。 A. Amazon OpenSearch Service を使用する場合： OpenSearch Service は、スケーラブルでセキュアかつ高性能なベクトルデータベースを提供するベクターエンジンを備え、k-NN／ANNアルゴリズムやHNSW・IVFインデックスなどによる効率的なベクトル検索をサポートします。しかし、これはAurora PostgreSQLとは別サービスであり、追加のコストと統合工数が発生します。 B. Amazon DocumentDB クラスターを作成する場合： DocumentDB はMongoDB互換のドキュメントデータベースであり、拡張機能やカスタム実装によりベクターストレージをサポート可能ですが、これも別サービスであり、追加のセットアップ・運用コストがかかります。 C. Amazon Neptune ML クラスターを作成する場合： Neptune ML はグラフ構造データに基づく機械学習に特化しており、ベクターストレージを主目的として設計されていません。ベクトル埋め込みの保存・検索という本要件には不適切です。 D. Aurora PostgreSQL に pgvector 拡張機能をインストールする場合： pgvector は、Aurora PostgreSQL 内でベクトルデータの格納・照会・インデックス作成を直接可能にする公式対応拡張機能です。別途ベクトル専用データベースを導入する必要がなく、コスト削減と統合の簡素化が図れます。また、Auroraはマネージドサービスであり、高パフォーマンス・高可用性・自動スケーリングといったメリットも享受できます。 以上より、最もコスト効率が高く、既存インフラを最大限活用できるソリューションは： D. Aurora PostgreSQL データベースに pgvector 拡張機能をインストールし、アプリケーションをベクトル埋め込みをベクターテーブルに書き込むよう設定することです。これにより、追加コストと統合複雑性を最小限に抑えつつ、Aurora のマネージドサービスの恩恵を受けることができます。