Q96 — AWS SAA-C03 第16章

第 96/100 問 | ← 第16章

Q1296. ある企業は、ユーザーがテラバイト単位の画像および動画をアップロードできる長期保存ソリューションを構築したいと考えています。これらの画像および動画は、機械学習（ML）モデルのトレーニングに使用されます。この保存ソリューションは、スケーラブルかつコスト最適化されたものである必要があります。これらの要件を満たすソリューションはどれですか？

正解: B. ユーザーによる画像および動画のアップロード用にAmazon S3バケットをプロビジョニングします。このS3バケットをAmazon SageMaker AI向けに設定し、MLモデルのトレーニングで直接利用できるようにします。データはS3 Intelligent-Tieringストレージクラスに保存します。

解説

要件（スケーラビリティ、コスト最適化、MLモデルトレーニングへの適合性）に基づき、各選択肢を検討します。 選択肢A： スケーラビリティ：Amazon S3は非常にスケーラブルであり、テラバイト規模の画像・動画アップロードを容易に処理できます。一方、Amazon FSx for Lustreもスケーラブルですが、主にハイパフォーマンスコンピューティングワークロード向けに設計されています。 コスト最適化：S3自体は長期保存にコスト効率が良いですが、FSx for Lustreは比較的高価です。低レイテンシ・高スループットアクセスを目的としており、長期・コスト効率重視の保存には不向きです。また、S3からFSx for Lustreへのデータコピーという追加ステップは、よりシンプルでコスト効率の高い代替手段がある中で、コスト面で非効率です。 MLトレーニングへの適合性：FSx for Lustreは高速なデータアクセスを提供でき、トレーニングに有効ですが、S3データを直接活用できる方法が存在するため、複雑さとコスト増加を伴うこのアプローチは正当化されません。 選択肢B： スケーラビリティ：Amazon S3はオブジェクトストレージサービスであり、テラバイト～ペタバイト規模のデータをシームレスに拡張可能です。企業の大量アップロード要件を十分に満たします。 コスト最適化：S3 Intelligent-Tieringは、アクセス頻度が不明または変動する長期データ保存に最適化されたストレージクラスです。頻繁アクセス／稀にアクセスなどの異なる階層間で自動的にデータを移動し、コストを最適化します。また、Amazon SageMakerはS3に直接アクセスできるため、データ転送や追加ストレージインフラの導入が不要となり、大幅なコスト削減が可能です。 MLトレーニングへの適合性：Amazon SageMakerは、S3に格納されたデータを直接読み込んでMLモデルをトレーニングできるフルマネージドサービスです。これにより、データをS3に保存したまま、中間ステップを経ずに効率的なトレーニングワークフローを実現できます。 選択肢C： スケーラビリティ：16 GBのストレージしか持たないAmazon SageMakerノートブックインスタンスは、テラバイト規模のデータ保存には全く不十分です。これは個人によるML開発・テストを目的としたものであり、大規模データセットの保存には適していません。 コスト最適化：ノートブックインスタンスへの直接アップロードは、大規模データの保存には非効率であり、S3のような長期保存向けのコスト効率の高いストレージとは対照的です。 MLトレーニングへの適合性：ノートブックインスタンスはML開発には有用ですが、大規模データの保存・アップロード基盤として利用するのは非現実的であり、ベストプラクティスにも反します。 選択肢D： スケーラビリティ：Amazon S3は大規模データ保存にスケーラブルですが、Amazon EFSはネットワーク接続型ストレージ（NAS）環境での共有ファイルアクセスに適しており、大規模データの長期保存にはS3ほどコスト効率が良くありません。 コスト最適化：EFSは、特に長期・大容量データ保存ではS3よりも高コストになりやすく、S3からEFSへのデータコピーという不要なステップとコストが発生します。 MLトレーニングへの適合性：SageMakerはEFSなど他のストレージからもデータを読み込めますが、S3を直接利用できるのにEFSを中間ステップとして使うのは過剰な複雑化であり、最も効率的・コスト効果の高いアプローチではありません。 以上より、スケーラビリティ、コスト最適化、MLモデルトレーニングへの適合性のすべての要件を満たすソリューションは、選択肢Bです。