AWS認定資格 WEB問題集&徹底解説

ソリューションアーキテクト – アソシエイト

全問「徹底解説」— 正解の暗記ではなく、"解き方"が身につく

問題集で学習していて、こんな経験はありませんか?
「解説を読んで分かったつもりだったのに、本番で少し条件を変えられたら解けなかった」
「正解の理由は書いてあるけど、なぜ他の選択肢がダメなのかが分からない」

本サイトの問題には、正解の根拠だけでなく「どう考えれば正解にたどり着けるか」「本番でどうひねられて出題されるか」まで踏み込んだ徹底解説を用意しています。 このページでは、実際の画面を交えて徹底解説の中身をご紹介します。

徹底解説の3つの特徴

①「なぜ」が全部わかる
正解だけでなく不正解の選択肢にも根拠を明示。「なぜこれではダメなのか」まで理解できるので、消去法の精度が上がります。
②「解き方」を再現できる
問題文のどの要件に注目し、どう選択肢を絞るかを「正解への思考ルート」として表で可視化。初見の問題にも使える解き方が身につきます。
③「本番のひねり」に強くなる
「問題文がこう変わったら正解はこう変わる」という出題バリエーションひっかけポイントで、類似問題への応用力を鍛えます。

徹底解説の構成

1つの問題に対して、以下の要素で解説を構成しています(頻出度メーターも表示されるため、優先すべき問題が一目で分かります)。

1
要点サマリー
「この問題は何を試しているのか」を最初に一文で提示
2
選択肢ごとの解説
正解・不正解を問わず、全選択肢に根拠を明示
3
構成図
文章では伝わりにくいアーキテクチャを図で直感的に理解
4
これだけ覚える(記憶フック)
復習時に思い出すための「ひとこと」に凝縮
5
正解への思考ルート
要件の抽出から選択肢の絞り込みまでの判断を表で再現
6
ひっかけポイント
出題者が仕掛ける「罠」を言語化して注意喚起
7
出題バリエーション
条件が変わると正解がどう変わるかまでカバー
8
関連サービス解説・リファレンス
さらに深く学ぶためのサービス解説と公式ドキュメントへの導線

実際の画面で見る「徹底解説」

ここからは実際の問題を例に、解説の各パーツをそのままの見た目でご紹介します。
※ 例は SAA の問題ですが、解説の構成は各資格で共通です。

まずは例題(問題文と選択肢)

以下が、この後の各解説パーツが対象とする問題です。実際のページでは解説の冒頭に開閉式で表示され、いつでも問題文を見返しながら解説を読めます。

実際の画面イメージ
問題文と選択肢
ある企業のデータ分析チームは、毎週末に顧客行動データと在庫データを Amazon S3 から読み込み、Python スクリプトによる機械学習モデルのトレーニングを実行する必要があります。処理には 3〜4 時間かかり、完了後は結果を Amazon S3 へ出力します。現在は Amazon EC2 インスタンスを手動で起動して処理していますが、運用の自動化とコスト削減を図りたいと考えています。この要件を満たす最適な実装方法を 2 つ選択してください。

  • 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 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 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
  • 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

1.要点サマリー — まず「問題の狙い」をつかむ

解説の冒頭で「この問題は何を試しているのか」を一文で示します。長い問題文を読み解くときの軸が最初に手に入ります。あわせて頻出度(★)も表示します。

実際の画面イメージ
解説 頻出度★★★★★
この問題は、「長時間(15 分超)× 定期実行 × S3 連携 × コスト削減」の要件で、実行時だけ課金されるマネージドなバッチ実行基盤を選べるかがポイント

2.選択肢ごとの解説 — 不正解の理由まで明示(全選択肢を掲載)

正解の選択肢だけでなく、不正解の選択肢がなぜダメなのかも個別に解説します。本番では「確実に消せる選択肢」を見抜けるかどうかが得点を左右します。

実際の画面イメージ

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。


3.構成図 — アーキテクチャを図で理解する

文章だけでは伝わりにくい構成は、図で示します。「どのサービスがどこで登場するのか」が一目で分かります。

実際の画面イメージ

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

4.これだけ覚える(記憶フック)— 復習が速くなる

問題のエッセンスを「ひとこと」に凝縮。2周目以降の復習では、記憶フックを見るだけで知識を呼び起こせます。

実際の画面イメージ
これだけ覚える(記憶フック)
Lambda は 15 分の壁。長時間 × 定期実行 × 低コストのバッチは Batch(汎用)/Glue(ETL)が定番。

5.正解への思考ルート — "解き方"を表で再現(全要件を掲載)

問題文からどの要件を抽出し、それによってどの選択肢を消し、どれを残すのか。合格者が頭の中で行っている判断のプロセスを表で再現します。この「解き方」は初見の問題にもそのまま使えます。

実際の画面イメージ
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

6.ひっかけポイント — 出題者の"罠"を言語化(全ポイントを掲載)

もっともらしく見える不正解には、出題者の意図が隠れています。「どこにひっかけが仕掛けられているか」を言語化することで、同じパターンの罠を回避できるようになります。

実際の画面イメージ
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

7.出題バリエーション — 本番の"ひねり"に対応する(全パターンを掲載)

同じ知識でも、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」まで押さえることで、1問の学習で複数パターンに対応できるようになります。

実際の画面イメージ
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。

8.関連サービス解説・リファレンス — さらに深く学べる

問題に登場するサービスの解説ページへのリンクと、根拠となる公式ドキュメントへのリンクを掲載しています。 「解説を読んで終わり」ではなく、疑問が湧いたその場で一次情報まで確認できます。

実際に体験してみてください

徹底解説は、実際に問題を解きながら読むことで真価を発揮します。まずは無料問題でお試しください(No.1〜20 は会員登録なしでご利用いただけます)。