Q4 — AWS SAA-C03 第16章

第 4/100 問 | ← 第16章

Q1204. ソリューションアーキテクトは、Amazon EMRクラスターで実行される大規模なデータ分析ジョブのパフォーマンスを最適化する必要があります。このジョブは完了まで13時間かかります。クラスターには、大規模なコンピュート最適化インスタンス上でデプロイされた複数のコアノードおよびワーカーノードが含まれています。EMRログを確認したところ、ジョブ実行中に複数のノードが5時間以上アイドル状態であることが判明しました。ソリューションアーキテクトは、クラスターのパフォーマンスを最適化する必要があります。この要件を最もコスト効率よく満たす解決策はどれですか？

正解: B. ワークロードに応じてクラスターのサイズを自動的に調整するため、EMRマネージドスケーリング機能を使用します。

解説

現在13時間かかる大規模なデータ分析ジョブにおいて、実行中に複数のノードが5時間以上アイドル状態となるという課題に対処するため、最もコスト効率の高い最適化手法は以下のとおりです： B. ワークロードに応じてクラスターのサイズを自動的に調整するため、EMRマネージドスケーリング機能を使用します。 分析： EMRマネージドスケーリング機能：この機能は、クラスターのサイズを自動的に調整することで、可能な限り最低のコストで最高のパフォーマンスを実現します。ワークロードに関連する主要なメトリクスを継続的に監視し、アルゴリズムを用いてクラスターのサイズを最適化します。これにより、ピーク時のクラスター拡張とアイドル時の縮小が自動的に行われ、コスト削減とリソース活用率の向上が図られます。 コスト効率性：手動でのクラスターサイズ調整やAWS Lambdaへの移行と比較して、EMRマネージドスケーリングはワークロードの要件に正確に合わせたリソース配分を可能にし、無駄なリソース使用を回避します。ワークロードパターンの予測やカスタムスケーリングロジックの作成を不要とし、運用コストを大幅に削減できる、簡単に設定可能なスケーラブルなクラスターを提供します。 適用性：本ケースでは、長時間にわたってノードがアイドル状態となるという問題があるため、EMRマネージドスケーリングによってジョブ実行中のみ必要なノード数に動的に調整することで、アイドル時間とそれに伴うコストを削減できます。 他の選択肢が最適でない理由： A. コアノード数を増加させる：処理能力の向上は期待できますが、既にノードがアイドル状態にある状況でさらにノードを追加すると、コスト増加につながり、最もコスト効率の良い解決策とはなりません。 C. 分析ジョブをAWS Lambda関数に移行する：AWS Lambdaは、短時間・ステートレスなタスクに適しており、長時間実行・大規模なデータ分析ジョブには設計されていません。また、Lambda関数への移行にはコードの再記述が必要となり、最大実行時間（15分）などの制限にも直面する可能性があります。 D. コアノードをメモリ最適化インスタンスタイプに移行する：メモリ最適化インスタンスを用いることでジョブの実行時間を短縮できる可能性はありますが、アイドルノードの問題には対応できません。さらに、メモリ最適化インスタンスは通常、コンピュート最適化インスタンスよりも高価であり、コスト効率が低下する可能性があります。