Amazon CLF-C02: Основные сервисы баз данных — Руководство по подготовке

By Laurynas Brazys · 29 July 2026 · #amazon #clf-c02 #certification #exam-prep #study-guide

Часть AWS Cloud Practitioner CLF-C02 — Руководство по подготовке. Практикуйтесь с проверенными ответами в центре экзаменов Amazon, или пройдите тесты на время на ExamRoll.io.

Управляемые реляционные базы данных: Amazon RDS и Amazon Aurora

Amazon RDS предоставляет полностью управляемые реляционные движки (MySQL, PostgreSQL, MariaDB, SQL Server, Oracle) с автоматическим резервным копированием, Multi‑AZ для высокой доступности, репликами чтения для масштабирования и восстановлением на основе снимков. Aurora — это специально разработанный движок, совместимый с MySQL и PostgreSQL, который отделяет вычислительные ресурсы от распределенного отказоустойчивого уровня хранения, обеспечивая более высокую пропускную способность, быстрое восстановление после сбоев и такие функции, как backtrack и Global Database для межрегиональной репликации. Модели ценообразования включают инстансы On-Demand для гибкого выделения ресурсов, Reserved Instances или Savings Plans для прогнозируемой экономии, а также модели бессерверных или автомасштабируемых ресурсов для Aurora Serverless, чтобы согласовать затраты с переменными рабочими нагрузками. Ключевые архитектурные решения зависят от профиля чтения/записи, требований к задержке и допустимого уровня операционной сложности: выбирайте RDS, когда преобладают требования к совместимости и лицензированию, и Aurora, когда вам нужна более высокая производительность, автомасштабирование хранилища или глобальные операции чтения. Распространенные ошибки специалистов — это недостаточное выделение IOPS для рабочих нагрузок с интенсивной записью, отключение Multi‑AZ для производственной среды, сохранение учетных данных главного пользователя по умолчанию и отказ от тестирования восстановления на определенный момент времени. Для соответствия требованиям включите шифрование неактивных данных (at rest) с помощью AWS KMS, принудительно используйте TLS для шифрования данных при передаче (in-transit) и убедитесь, что автоматические резервные копии и снимки соответствуют целям по хранению и межрегиональному аварийному восстановлению (DR).

NoSQL, кэширование и графовые базы данных: DynamoDB, ElastiCache, Amazon Neptune

Для рабочих нагрузок типа «ключ-значение» и документных баз данных в огромных масштабах Amazon DynamoDB предлагает задержку в пределах нескольких миллисекунд, автоматическое секционирование и два режима производительности: подготовленный (provisioned) с автомасштабированием и по требованию (on-demand) для непредсказуемого трафика. Такие функции, как DynamoDB Streams, глобальные таблицы и восстановление на определенный момент времени (PITR), поддерживают репликацию, отслеживание изменений данных (change data capture) и резервное копирование. Распространенная ошибка — это неудачный дизайн ключа секционирования, который создает «горячие» секции и троттлинг; сначала смоделируйте шаблоны доступа к данным. Для рабочих нагрузок в памяти с низкой задержкой используйте ElastiCache: Redis предлагает персистентность, кластеризацию и механизм pub/sub, в то время как Memcached — это простое многопоточное кэширование. Используйте DAX для рабочих нагрузок DynamoDB с интенсивным чтением, требующих кэширования с микросекундной задержкой. Для графовых запросов, ориентированных на связи, Amazon Neptune является полностью управляемой графовой базой данных с поддержкой Gremlin и SPARQL. Решения по ценообразованию: режим on-demand в DynamoDB прост в использовании, но дороже при стабильно высоком трафике; подготовленная производительность (provisioned) с автомасштабированием и Reserved Capacity может быть значительно дешевле. Размер кэша, политики вытеснения (eviction policies) и выбор персистентности в ElastiCache влияют на стоимость и восстановление. При выборе между управляемыми NoSQL, кэшами в памяти и графовыми базами данных оценивайте долговечность данных (durability), модели согласованности (consistency) и операционную сложность.

DynamoDB vs RDS/Aurora: DynamoDB для огромных масштабов, гибкой схемы и дизайна с одной таблицей; RDS/Aurora для сложных SQL-запросов, транзакций и реляционной целостности.
ElastiCache (Redis) vs DAX: Redis для универсальных рабочих нагрузок в памяти и персистентности; DAX — это кэш для чтения, специфичный для DynamoDB, с интеграцией на стороне клиента.
Neptune: Используйте, когда обход графа и графовая аналитика являются ядром приложения.

Аналитика и паттерны озера данных: Amazon Redshift, Athena и выбор хранилища S3

Amazon Redshift — это колоночное хранилище данных петабайтного масштаба, оптимизированное для сложных аналитических запросов и высокой конкурентности. Современный Redshift (узлы RA3) разделяет вычислительные ресурсы и управляемое хранилище, позволяя независимо масштабировать вычисления и снижать затраты за счет использования S3 в качестве управляемого хранилища; Redshift Spectrum запрашивает данные напрямую в S3 для интеграции с озером данных. Для специальных SQL-запросов к файлам Amazon Athena предоставляет бессерверную аналитику с оплатой за запрос (счета выставляются за терабайт отсканированных данных) и идеально подходит для CSV/Parquet/JSON в S3; оптимизация форматов и сжатие значительно снижают затраты. S3 предлагает несколько классов хранения: для неизвестных шаблонов доступа S3 Intelligent‑Tiering автоматически перемещает объекты между уровнями доступа, чтобы минимизировать затраты без платы за извлечение; для долгосрочных архивов рассмотрите S3 Glacier или Glacier Deep Archive, где применяются задержки и плата за извлечение. Компромиссы в затратах включают хранение и вычисления: сжимайте, секционируйте и используйте колоночные форматы для уменьшения объемов сканирования; рассмотрите Concurrency Scaling и Workload Management в Redshift для предсказуемой производительности. Для рабочих нагрузок машинного обучения, связанных с аналитикой, интенсивное обучение может потребовать семейств EC2 с GPU (серии P или G), но большинство аналитических нагрузок баз данных полагаются на оптимизированные CPU и колоночное выполнение, а не на GPU.

Миграция, резервное копирование, безопасность и лучшие практики эксплуатации

Миграция и защита баз данных требуют правильного сочетания сервисов и политик. AWS Database Migration Service (DMS) выполняет гомогенные и гетерогенные миграции с минимальным временем простоя; Schema Conversion Tool помогает конвертировать схемы баз данных при переходе между типами движков. Для резервного копирования и защиты на основе политик используйте встроенные функции движков (автоматические бэкапы и снимки RDS, DynamoDB PITR) вместе с AWS Backup для централизованных политик резервного копирования между сервисами и копирования между аккаунтами или регионами. Безопасность должна включать IAM-политики с минимальными привилегиями, шифрование при передаче (TLS) и в состоянии покоя (KMS), а также сетевые средства контроля: группы безопасности (security groups) — это брандмауэры с отслеживанием состояния на уровне хоста, которые вы прикрепляете к экземплярам, а сетевые ACL (network ACLs) — это фильтры без отслеживания состояния на уровне подсети. Они дополняют друг друга, но различаются по поведению. В рамках модели общей ответственности AWS управляет облачной инфраструктурой, а клиенты — данными, IAM, установкой патчей на уровне ОС на самостоятельно управляемых экземплярах и ротацией ключей для секретов и учетных данных доступа. Автоматизация операций с помощью CloudFormation, AWS CLI или SDK позволяет создавать воспроизводимые окружения; распространенные ошибки — это использование корневого аккаунта, оставление широких IAM-политик, пренебрежение ротацией ключей и отсутствие мониторинга с помощью CloudWatch, VPC Flow Logs или AWS Config. Для передачи больших объемов данных рассмотрите AWS Snowball или DataSync, чтобы безопасно перемещать терабайты/петабайты с шифрованием при передаче и проверкой целостности.

Практическая задача: сценарий использования

Сценарий: AcmeRetail управляет сезонной ecommerce-платформой с локальной OLTP-базой данных MySQL и большими историческими файлами продаж в формате CSV на локальном NFS-ресурсе. В их AWS-аккаунте есть VPC с приватными подсетями и Transit Gateway для связи с их дата-центром. Им необходимо мигрировать транзакционную базу данных с минимальным временем простоя и сделать исторические данные доступными для запросов со стороны BI-систем.

Задача: Перенести производственную базу данных почти без простоя, обеспечить масштабируемую аналитику для исторических CSV-файлов, а также гарантировать резервное копирование, шифрование и доступ по принципу минимальных привилегий.

Рекомендуемый подход:

Используйте AWS Database Migration Service (DMS) вместе с Schema Conversion Tool (при необходимости) для миграции MySQL в Amazon Aurora (совместимый с MySQL), настроив непрерывную репликацию для минимизации времени простоя.
Перенесите исторические CSV-файлы в Amazon S3 с помощью AWS DataSync или Snowball (для очень больших объемов), храните их в S3, используя Intelligent-Tiering, и преобразуйте в формат Parquet с помощью AWS Glue ETL для повышения эффективности запросов.
Подготовьте Amazon Redshift (RA3) или используйте Amazon Athena для выполнения BI-запросов к данным в S3 (в формате Parquet); используйте Redshift Spectrum, если необходимо объединять запросы к хранилищу данных и озеру данных.
Внедрите автоматическое резервное копирование (автоматические бэкапы и снимки RDS), включите шифрование с помощью ключей KMS, ограничьте доступ с помощью IAM-ролей и групп безопасности с минимальными привилегиями и централизуйте политики резервного копирования с помощью AWS Backup.

Обоснование: Непрерывная репликация DMS обеспечивает миграцию транзакционных систем почти без простоя; связка S3 + Parquet + Athena/Redshift минимизирует затраты на аналитику и объемы сканируемых данных; использование KMS, резервного копирования и IAM с минимальными привилегиями соответствует модели общей ответственности и лучшим практикам эксплуатации для обеспечения доступности, безопасности и контроля затрат.

← Основные сервисы хранения данных · Все домены · Сети и доставка контента →

Отработать эти вопросы → · Тесты на время на ExamRoll.io →