30 questions d'entraînement AWS DAS-C01 gratuites

Une application de streaming lit des données depuis Amazon Kinesis Data Streams et les écrit immédiatement dans un bucket Amazon S3 toutes les 10 secondes. L'application lit les données de centaines de shards. L'intervalle de traitement par lots ne peut pas être modifié en raison d'une autre exigence. Les données sont consultées via Amazon Athena. Les utilisateurs constatent une dégradation des performances des requêtes au fil du temps. Quelle action peut aider à améliorer les performances des requêtes ?

Une équipe de data scientists prévoit d'analyser des données de tendances de marché pour la nouvelle stratégie d'investissement de leur entreprise. Ces données de tendances proviennent de cinq sources différentes et en gros volumes. L'équipe souhaite utiliser Amazon Kinesis pour répondre à ce cas d'usage. Elle utilise des requêtes de type SQL pour analyser les tendances et souhaite envoyer des notifications à partir de certains motifs significatifs observés. Par ailleurs, les data scientists veulent enregistrer les données dans Amazon S3 à des fins d'archivage et de retraitement historique, et utiliser autant que possible des services managés AWS. L'équipe souhaite mettre en œuvre la solution la moins coûteuse. Quelle solution répond à ces exigences ?

Une grande entreprise reçoit tout au long de la journée des fichiers de partenaires externes sur Amazon EC2. En fin de journée, les fichiers sont fusionnés en un seul fichier, compressés au format gzip et téléversés vers Amazon S3. La taille totale de tous les fichiers avoisine 100 Go par jour. Une fois les fichiers téléversés vers Amazon S3, un programme AWS Batch exécute une commande COPY pour charger les fichiers dans un cluster Amazon Redshift. Quelle modification du programme accélérera le processus COPY ?

Dans une entreprise, une unité métier téléverse des fichiers .csv vers un bucket Amazon S3. L'équipe de la plateforme de données a mis en place un crawler AWS Glue pour la découverte et la création des tables et des schémas. Un job AWS Glue écrit les données traitées des tables créées vers une base de données Amazon Redshift. Le job AWS Glue gère correctement le mappage des colonnes et la création de la table Amazon Redshift. Lorsque le job AWS Glue est relancé pour une raison quelconque dans la journée, des doublons apparaissent dans la table Amazon Redshift. Quelle solution mettra à jour la table Redshift sans doublons lors des relances de jobs ?

Une compagnie aérienne stocke des données au format .csv dans Amazon S3 avec un AWS Glue Data Catalog. Les analystes de données souhaitent joindre ces données à des données de centre d'appels stockées dans Amazon Redshift, dans le cadre d'un traitement par lots quotidien. Le cluster Amazon Redshift est déjà fortement sollicité. La solution doit être managée, serverless, performante et minimiser la charge sur le cluster Amazon Redshift existant. Elle doit également demander un minimum d'effort et de développement. Quelle solution répond à ces exigences ?

Une grande entreprise de covoiturage compte des milliers de chauffeurs dans le monde qui servent chaque jour des millions de clients uniques. L'entreprise a décidé de migrer un data mart existant vers Amazon Redshift. Le schéma existant comprend les tables suivantes : une table de faits trips contenant les informations sur les courses terminées ; une table de dimension drivers pour les profils des chauffeurs ; une table de faits customers contenant les informations de profil des clients. L'entreprise analyse les détails des courses par date et par destination afin d'examiner la rentabilité par région. Les données des chauffeurs changent rarement. Les données des clients changent fréquemment. Quelle conception de tables offre les meilleures performances de requête ?

Une entreprise éditrice de logiciels héberge une application sur AWS et publie de nouvelles fonctionnalités chaque semaine. Dans le cadre du processus de test de l'application, il faut développer une solution qui analyse les journaux de chaque instance Amazon EC2 afin de vérifier que l'application fonctionne comme prévu après chaque déploiement. La solution de collecte et d'analyse doit être hautement disponible et capable d'afficher les nouvelles informations avec un délai minimal. Quelle méthode l'entreprise doit-elle utiliser pour collecter et analyser les journaux ?

Une entreprise industrielle collecte depuis un an des données de capteurs IoT provenant d'équipements de son atelier et les stocke dans Amazon Redshift pour une analyse quotidienne. Un analyste de données a déterminé qu'avec un débit d'ingestion attendu d'environ 2 To par jour, le cluster sera sous-dimensionné dans moins de 4 mois. Une solution à long terme est nécessaire. L'analyste indique que la plupart des requêtes ne portent que sur les 13 derniers mois de données, mais qu'il existe aussi des rapports trimestriels qui doivent interroger l'ensemble des données générées ces 7 dernières années. Le directeur technique (CTO) s'inquiète des coûts, de la charge d'administration et des performances d'une solution à long terme. Quelle solution l'analyste de données doit-il retenir pour répondre à ces exigences ?

Une société financière héberge un data lake dans Amazon S3 et un entrepôt de données sur un cluster Amazon Redshift. L'entreprise utilise Amazon QuickSight pour créer des tableaux de bord et souhaite sécuriser l'accès depuis son Active Directory sur site vers Amazon QuickSight. Comment les données doivent-elles être sécurisées ?

Une entreprise américaine de vente de baskets a lancé son site web mondial. Toutes les données transactionnelles sont stockées dans Amazon RDS et les données historiques de transactions consolidées le sont dans Amazon Redshift, dans la région us-east-1. L'équipe de business intelligence (BI) souhaite améliorer l'expérience utilisateur en proposant un tableau de bord des tendances de baskets. Elle décide d'utiliser Amazon QuickSight pour afficher les tableaux de bord du site. Pendant le développement, une équipe au Japon a provisionné Amazon QuickSight dans ap-northeast-1. L'équipe rencontre des difficultés pour connecter Amazon QuickSight depuis ap-northeast-1 à Amazon Redshift dans us-east-1. Quelle solution résoudra ce problème tout en répondant aux exigences ?

Une compagnie d'assurance dispose de données brutes au format JSON envoyées sans planification prédéfinie, via un flux de diffusion Amazon Kinesis Data Firehose, vers un bucket Amazon S3. Un crawler AWS Glue est planifié toutes les 8 heures pour mettre à jour le schéma dans le catalogue de données des tables stockées dans le bucket S3. Les analystes de données analysent les données avec Apache Spark SQL sur Amazon EMR configuré avec AWS Glue Data Catalog comme metastore. Les analystes signalent que, parfois, les données qu'ils reçoivent sont obsolètes. Un ingénieur de données doit leur donner accès aux données les plus récentes. Quelle solution répond à ces exigences ?

Un analyste de données utilise AWS Glue pour organiser, nettoyer, valider et formater un jeu de données de 200 Go. Il a déclenché le job avec le type de worker Standard. Après 3 heures, le statut du job AWS Glue est toujours RUNNING. Les journaux d'exécution n'affichent aucun code d'erreur. L'analyste souhaite réduire la durée d'exécution du job sans surprovisionner. Quelles actions doit-il entreprendre ?

Une entreprise diffuse en streaming ses données de facturation à fort volume (100 Mo/s) vers Amazon Kinesis Data Streams. Un analyste de données a partitionné les données sur account_id afin que tous les enregistrements d'un même compte aillent vers le même shard Kinesis et que l'ordre soit préservé. En construisant un consommateur personnalisé avec le SDK Java de Kinesis, l'analyste remarque que, parfois, les messages arrivent dans le désordre pour un account_id. Après investigation, il découvre que les messages désordonnés semblent provenir de shards différents pour un même account_id et qu'ils apparaissent lors d'un redimensionnement du flux. Quelle est l'explication de ce comportement et quelle est la solution ?

Une entreprise de transport utilise des capteurs IoT installés sur des camions pour collecter des données de véhicules pour sa flotte de livraison mondiale. Elle envoie actuellement les données des capteurs sous forme de petits fichiers .csv vers Amazon S3. Les fichiers sont ensuite chargés dans un cluster Amazon Redshift de 10 nœuds à deux slices par nœud, et interrogés à la fois par Amazon Athena et Amazon Redshift. L'entreprise souhaite optimiser les fichiers pour réduire le coût des requêtes et accélérer le chargement des données dans le cluster Amazon Redshift. Quelle solution répond à ces exigences ?

Une entreprise migre ses jobs ETL existants sur site vers Amazon EMR. Le code se compose d'une série de jobs écrits en Java. L'entreprise doit réduire la charge des administrateurs système sans modifier le code sous-jacent. En raison de la sensibilité des données, la conformité impose l'utilisation du chiffrement du volume racine sur tous les nœuds du cluster. Les standards de l'entreprise exigent que les environnements soient provisionnés via AWS CloudFormation lorsque c'est possible. Quelle solution satisfait ces exigences ?

Un hôpital utilise des capteurs médicaux portables pour collecter des données auprès des patients. Il conçoit une solution en quasi-temps réel capable d'ingérer les données de manière sécurisée et à grande échelle. La solution doit également pouvoir supprimer les informations médicales protégées (PHI) des patients du flux de données et stocker les données dans un stockage durable. Quelle solution répond à ces exigences avec le moins de charge opérationnelle ?

Une entreprise de médias souhaite réaliser de l'apprentissage automatique et de l'analytique sur les données de son data lake Amazon S3. Deux besoins de transformation de données permettront aux consommateurs internes de créer des rapports : des transformations quotidiennes de 300 Go de données de formats variés arrivant dans Amazon S3 à heure planifiée ; des transformations ponctuelles de plusieurs téraoctets de données archivées dans le data lake S3. Quelle combinaison de solutions répond de manière économique aux exigences de transformation des données de l'entreprise ? (Choisissez TROIS réponses)

Une agence marketing souhaite améliorer ses capacités de reporting et de business intelligence. Pendant la phase de planification, elle a interrogé les parties prenantes concernées et découvert que : l'équipe opérations exécute ses rapports toutes les heures sur les données du mois en cours ; l'équipe commerciale veut utiliser plusieurs tableaux de bord Amazon QuickSight présentant une vue glissante des 30 derniers jours selon plusieurs catégories, et souhaite voir les données dès qu'elles atteignent le backend de reporting ; l'équipe finance exécute ses rapports quotidiennement sur les données du mois précédent et une fois par mois sur les 24 derniers mois de données. Le système contient actuellement 400 To de données, avec 100 To supplémentaires attendus chaque mois. L'entreprise recherche la solution la plus économique possible. Quelle solution répond à ses exigences ?

Une entreprise souhaite améliorer la satisfaction des utilisateurs de son système domotique en ajoutant des fonctionnalités à son moteur de recommandation. Chaque capteur pousse de façon asynchrone ses données JSON imbriquées vers Amazon Kinesis Data Streams via la Kinesis Producer Library (KPL) en Java. Les statistiques issues d'un ensemble de capteurs défaillants montrent que, lorsqu'un capteur dysfonctionne, ses données enregistrées ne sont pas toujours envoyées vers le cloud. L'entreprise a besoin d'une solution offrant une analytique en quasi-temps réel sur les données des capteurs les plus à jour. Quelle solution permet à l'entreprise de répondre à ces exigences ?

Une grande entreprise dispose d'un data lake central pour réaliser des analyses dans différents départements. Chaque département utilise un compte AWS distinct et stocke ses données dans un bucket Amazon S3 de ce compte. Chaque compte AWS utilise AWS Glue Data Catalog comme catalogue de données. Les besoins d'accès au data lake varient selon les rôles : les analystes juniors ne doivent avoir qu'un accès en lecture aux données de leur département ; les analystes seniors peuvent accéder à plusieurs départements, y compris le leur, mais uniquement pour un sous-ensemble de colonnes. Quelle solution permet d'obtenir ces schémas d'accès tout en minimisant les coûts et les tâches d'administration ?

Une entreprise a développé un nouveau site web de reporting électoral qui utilise Amazon Kinesis Data Firehose pour livrer les journaux complets d'AWS WAF vers un bucket Amazon S3. L'entreprise recherche désormais une option peu coûteuse pour réaliser cette analyse ponctuelle de données avec des visualisations des journaux, en demandant un effort de développement minimal. Quelle solution répond à ces exigences ?

Un analyste de données conçoit une solution permettant d'interroger interactivement des jeux de données en SQL via une connexion JDBC. Les utilisateurs joindront des données stockées dans Amazon S3 au format Apache ORC avec des données stockées dans Amazon Elasticsearch Service (Amazon ES) et Amazon Aurora MySQL. Quelle solution fournira les résultats LES PLUS à jour ?

Une entreprise de commerce de détail construit sa solution d'entrepôt de données avec Amazon Redshift. Dans ce cadre, elle charge des centaines de fichiers dans la table de faits créée dans son cluster Amazon Redshift. L'entreprise souhaite que la solution atteigne le débit le plus élevé et exploite au mieux les ressources du cluster lors du chargement des données dans sa table de faits. Comment répondre à ces exigences ?

Une fois par mois, une entreprise reçoit un fichier .csv de 100 Mo compressé en gzip. Le fichier contient 50 000 enregistrements d'annonces immobilières et est stocké dans Amazon S3 Glacier. L'entreprise a besoin que son analyste de données interroge un sous-ensemble des données pour un fournisseur précis. Quelle est la solution la plus économique ?

Une entreprise qui surveille les conditions météorologiques sur des chantiers distants met en place une solution de collecte des données de température provenant des deux stations météo suivantes : la station A, qui compte 10 capteurs, et la station B, qui en compte cinq. Ces stations ont été positionnées par des experts métier sur site. Chaque capteur possède un identifiant unique. Les données collectées par chaque capteur seront recueillies via Amazon Kinesis Data Streams. En fonction du débit total entrant et sortant, un unique flux de données Amazon Kinesis à deux shards a été créé. Deux clés de partition ont été créées à partir des noms des stations. Pendant les tests, un goulet d'étranglement apparaît sur les données provenant de la station A, mais pas de la station B. Après vérification, il est confirmé que le débit total du flux reste inférieur au débit alloué à Kinesis Data Streams. Comment résoudre ce goulet d'étranglement sans augmenter le coût global ni la complexité de la solution, tout en conservant les exigences de qualité de collecte des données ?

Une entreprise construit un data lake et doit ingérer des données depuis une base de données relationnelle contenant des données de séries temporelles. Elle souhaite utiliser des services managés pour y parvenir. Le processus doit être planifié quotidiennement et ne remonter que les données incrémentales de la source vers Amazon S3. Quelle est l'approche LA PLUS économique pour répondre à ces exigences ?

Une société de crédit immobilier dispose d'un microservice d'acceptation des paiements. Ce microservice utilise le client de chiffrement Amazon DynamoDB avec des clés gérées par AWS KMS pour chiffrer les données sensibles avant de les écrire dans DynamoDB. L'équipe finance doit pouvoir charger ces données dans Amazon Redshift et agréger les valeurs des champs sensibles. Le cluster Amazon Redshift est partagé avec d'autres analystes de données d'unités métier différentes. Quelles étapes un analyste de données doit-il suivre pour réaliser cette tâche de manière efficace et sécurisée ?

Une entreprise a développé plusieurs jobs AWS Glue pour valider et transformer ses données provenant d'Amazon S3 et les charger dans Amazon RDS for MySQL par lots, une fois par jour. Les jobs ETL lisent les données S3 avec un DynamicFrame. Actuellement, les développeurs ETL rencontrent des difficultés à ne traiter que les données incrémentales à chaque exécution, car le job AWS Glue traite l'intégralité des données d'entrée S3 à chaque exécution. Quelle approche permettrait aux développeurs de résoudre ce problème avec un minimum de code ?

Une entreprise de médias effectue des analyses sur les données de logs générées par ses applications. Le nombre de tâches d'analyse concurrentes a récemment augmenté, et les performances globales des tâches existantes se dégradent à mesure que de nouvelles tâches s'ajoutent. Les données partitionnées sont stockées dans Amazon S3 One Zone-Infrequent Access (S3 One Zone-IA) et le traitement analytique est réalisé sur des clusters Amazon EMR utilisant EMR File System (EMRFS) avec la vue cohérente activée. Un analyste de données a déterminé que les nœuds de tâches EMR mettent de plus en plus de temps à lister les objets dans Amazon S3. Quelle action est la PLUS susceptible d'améliorer les performances d'accès aux données de logs dans Amazon S3 ?

Une entreprise financière utilise Apache Hive sur Amazon EMR pour des requêtes ad hoc. Les utilisateurs se plaignent de performances médiocres. Un analyste de données relève les éléments suivants : environ 90 % des requêtes sont soumises dans l'heure qui suit l'ouverture des marchés ; l'utilisation de Hadoop Distributed File System (HDFS) ne dépasse jamais 10 %. Quelle solution permettrait de résoudre ces problèmes de performances ?