AWS認定資格 WEB問題集＆徹底解説

会員登録/ログイン

A. AWS Step Functions と AWS Lambda を組み合わせて、データ処理ワークフローを構築する

AWS Step Functions と AWS Lambda でワークフローを自動化すること自体は可能。
ただし本要件の処理は3〜4 時間かかり、Lambda の関数タイムアウト上限（900 秒＝15 分）を超えるため完走できない。
処理を細切れにして複数の Lambda 関数へ分割する回避策は、機械学習トレーニングのような一続きの計算では状態の受け渡しが複雑になり、現実的ではない。

正解

B. AWS Batch でジョブ定義を作成し、Amazon EventBridge のスケジュールで定期実行する

AWS Batch はコンテナ化したバッチジョブを実行するマネージドサービスで、実行時間の上限に縛られず 3〜4 時間の処理を完走できる。
既存の Python スクリプトをそのままコンテナイメージに載せられ、S3 からの読み込み・S3 への出力も問題なく行える。
Amazon EventBridge のスケジュールで毎週末に自動起動でき、ジョブ実行中だけコンピューティングが起動するため、EC2 を手動起動する現状よりも運用負荷・コストの両面で有利。

正解

C. AWS Glue でジョブを作成し、Python シェルまたは Apache Spark 環境で処理を実行する

AWS Glue は S3 上のデータを処理するサーバーレスのマネージド実行基盤で、Python シェルジョブと Apache Spark ジョブを選べる。
Python シェルジョブには pandas・numpy・scikit-learn などが同梱され、追加ライブラリも指定できるため Python による処理をそのまま実行でき、大規模データなら Spark を選べばよい。
S3 から読み込み → Python で処理 → S3 へ出力という流れと、スケジュールによる定期実行・実行時間課金という要件に合致する。

D. Amazon RDS のストアドプロシージャでバッチ処理を実行し、Amazon EventBridge で定期起動する

Amazon RDS はリレーショナルデータベースサービスであり、ストアドプロシージャはDB 内の SQL 処理を書くための仕組み。Python スクリプトによる機械学習モデルのトレーニングを走らせる実行基盤ではない。
そもそも S3 上のデータを直接読み書きする用途にも向かず、要件のデータフローを満たせない。
加えて RDS インスタンスは常時稼働で課金されるため、週末だけの処理ではコスト削減の要件にも反する。

構成図

Amazon EventBridge（毎週末スケジュール）
   │ 定期に起動
   ▼
実行基盤（B: AWS Batch ／ C: AWS Glue）
   ▲ 入力              │ 処理結果を書き戻す
Amazon S3 ───────────▶ Amazon S3

正解への思考ルート

問題文から要件を抽出し、選択肢の適否を判断するのがポイントです。

要件	判断ポイント
処理に 3〜4 時間かかる（長時間処理）	AWS Lambda のタイムアウト上限は 15 分。長時間処理はそもそも完走できない →選択肢（A）を消す
Python スクリプトで機械学習モデルをトレーニング	RDS のストアドプロシージャは SQL 処理用で、Python の実行基盤にならない →選択肢（D）を消す
Amazon S3 から読み込み、Amazon S3 へ出力	AWS Batch（コンテナ）・AWS Glue（Python Shell / Spark）はどちらも S3 との入出力に対応 →選択肢（B・C）は候補
毎週末に定期実行し、運用を自動化したい	Amazon EventBridge のスケジュールや Glue のスケジュールトリガーで、手動の EC2 起動を置き換えられる →選択肢（B・C）は候補
コスト削減（現在は EC2 を手動起動）	ジョブ実行時だけリソースが起動・課金される B・C が有利。常時稼働の RDS は週次バッチでは無駄が大きい →選択肢（B・C）が正解

ひっかけポイント

• 「Step Functions + Lambda」は自動化の定番構成に見えるが、本問では3〜4 時間 > 15 分という一点だけで即座に切れる。実行時間を最初に確認する癖をつける
• Step Functions 自体は最大 1 年実行できるため惑わされやすいが、制限に引っかかるのは中で動く Lambda 側
• 「Amazon RDS のストアドプロシージャ」は EventBridge で定期起動できる点がもっともらしいが、スケジュール実行できることと機械学習の実行基盤であることは別問題
• AWS Glue は ETL 寄り、AWS Batch は汎用バッチ寄り。本問はどちらでも要件を満たすため「2 つ選択」で両方が正解になる

出題バリエーション

同じ知識が本番では条件を変えて出題されます。

問題文がこう変わったら	正解はこう変わる
「処理は10 分以内に終わる」	Lambda（＋ EventBridge）が正解に浮上。Batch / Glue は過剰。
「複数の処理を順番に実行し、失敗時はリトライ・分岐したい」	Step Functions によるオーケストレーションが正解軸に（実行の中身は Batch / Glue）。
「GPU を使った大規模なモデル学習と、学習済みモデルの推論エンドポイントが必要」	Amazon SageMaker（トレーニングジョブ／エンドポイント）が正解軸に。
「中断されても構わないので、とにかく安く実行したい」	AWS Batch + スポットインスタンス（Fargate Spot 含む）の組み合わせが問われる。
「Hadoop / Spark クラスターを細かくチューニングして使いたい」	Amazon EMR が選択肢として登場する。

関連サービスの解説

Amazon EventBridge
Amazon RDS
Amazon Simple Storage Service (Amazon S3)
AWS Batch
AWS Glue
AWS Lambda
AWS Step Functions