Amazon CLF-C02: 核心資料庫服務 — 學習指南
屬於 AWS Cloud Practitioner CLF-C02 — 學習指南. 使用經過驗證的解答練習： Amazon 考試中心, 或參加限時模擬考試： ExamRoll.io.
受管關聯式資料庫：Amazon RDS 與 Amazon Aurora
Amazon RDS 提供全受管的關聯式引擎 (MySQL、PostgreSQL、MariaDB、SQL Server、Oracle)，具備自動備份、用於高可用性的 Multi‑AZ、用於擴展的讀取複本，以及基於快照的還原功能。Aurora 是一個專為雲端打造、與 MySQL 和 PostgreSQL 相容的引擎，它將運算層與分散式、容錯的儲存層分離，以提供更高的吞吐量、快速的當機復原，以及如 backtrack 和用於跨區域複寫的 Global Database 等功能。定價模型包括用於彈性容量的 On-Demand 執行個體、用於可預測性節省成本的 Reserved Instances 或 Savings Plans，以及 Aurora Serverless 的無伺服器或自動擴展容量模型，使成本與變動的工作負載保持一致。關鍵的架構決策取決於讀寫模式、延遲要求和營運容忍度：當相容性和授權需求是主要考量時，選擇 RDS；當您需要更高的效能、儲存自動擴展或全域讀取時，選擇 Aurora。從業人員常見的陷阱是為高寫入工作負載配置不足的 IOPS、忘記為生產環境啟用 Multi‑AZ、保留預設的主憑證，以及未測試 point-in-time recovery (時間點還原)。為了合規性，請使用 AWS KMS 啟用靜態加密 (encryption at rest)，強制使用 TLS 進行傳輸中加密 (in-transit encryption)，並驗證自動備份和快照是否滿足保留和跨區域災難復原 (DR) 的目標。
NoSQL、快取與圖形資料庫：DynamoDB、ElastiCache、Amazon Neptune
對於大規模的鍵值 (key-value) 和文件 (document) 工作負載，Amazon DynamoDB 提供個位數毫秒的延遲、自動分區，以及兩種容量模式：佈建模式 (provisioned，具備自動擴展) 和用於不可預測流量的隨需模式 (on-demand)。DynamoDB Streams、global tables 和 point-in-time recovery (PITR) 等功能支援複寫、變更資料擷取 (change data capture) 和備份。一個常見的陷阱是糟糕的分區索引鍵 (partition key) 設計，這會導致熱分區 (hot partitions) 和調節 (throttling)；請務必先對資料存取模式進行建模。對於低延遲的記憶體內 (in-memory) 工作負載，請使用 ElastiCache：Redis 提供持久性、叢集和發布/訂閱 (pub/sub) 功能，而 Memcached 則是簡單的多執行緒快取。對於需要微秒級快取的重度讀取 DynamoDB 工作負載，請使用 DAX。對於以關聯為中心的圖形查詢，Amazon Neptune 是一個支援 Gremlin 和 SPARQL 的全受管圖形資料庫。定價決策：DynamoDB 的 on-demand 模式雖然簡單，但在穩定高流量下成本較高；採用具備自動擴展的佈建模式和 Reserved Capacity 會便宜得多。ElastiCache 中的快取大小、收回策略 (eviction policies) 和持久性選擇會影響成本和復原能力。在受管 NoSQL、記憶體內快取和圖形資料庫之間做選擇時，應評估其耐用性、一致性模型和營運複雜性。
- DynamoDB vs RDS/Aurora： DynamoDB 適用於大規模、彈性結構描述、單一資料表設計；RDS/Aurora 適用於複雜的 SQL 查詢、交易和關聯式完整性。
- ElastiCache (Redis) vs DAX： Redis 適用於通用的記憶體內工作負載和持久性；DAX 是專為 DynamoDB 設計的讀取快取，並與用戶端整合。
- Neptune： 當遍歷 (traversals) 和圖形分析是應用程式的核心時使用。
分析與資料湖模式：Amazon Redshift、Athena 與 S3 儲存選項
Amazon Redshift 是一個 PB 等級的欄式 (columnar) 資料倉儲，專為複雜的分析查詢和高並行性而優化。現代的 Redshift (RA3 節點) 將運算與受管儲存分離，讓您可以獨立擴展運算能力，並透過利用 S3 作為受管儲存來降低成本；Redshift Spectrum 可直接查詢 S3 中的資料，以實現資料湖整合。對於檔案的臨時性 (ad-hoc) SQL 查詢，Amazon Athena 提供無伺服器、按查詢付費的分析服務 (按掃描的 TB 數計費)，非常適合用於 S3 上的 CSV/Parquet/JSON 檔案；優化檔案格式和壓縮可以大幅降低成本。S3 提供多種儲存類別：對於未知的存取模式，S3 Intelligent‑Tiering 會自動在不同存取層之間移動物件，以在無擷取費用的情況下將成本降至最低；對於長期封存，可考慮 S3 Glacier 或 Glacier Deep Archive，但會產生擷取延遲和費用。成本權衡包括儲存與運算：壓縮、分區並使用欄式格式以減少掃描量；考慮使用 Redshift 的並行擴展 (concurrency scaling) 和工作負載管理 (workload management) 以獲得可預測的效能。對於與分析相關的機器學習工作負載，繁重的訓練可能需要 GPU EC2 家族 (P 或 G 系列)，但大多數分析型資料庫工作負載依賴的是優化的 CPU 和欄式執行，而非 GPU。
練習這些題目 → · 在 ExamRoll.io 上限時練習 →
Pass the whole exam — not just this question
You found this answer. Get every verified question and explanation in one place, and save hours of prep. Free to start.
通過考試 →