Amazon Data Engineer Associate DEA-C01 — 學習指南
邊學邊練。 每個概念都對應 Amazon 考試中心中附有驗證解答的真實考題，或在 ExamRoll.io 上透過限時練習演練整場考試。
本指南深入講解每個 DEA-C01 領域。選擇一個領域深入學習，或依序逐一學習。
領域
- 數據攝取與收集 — 這個領域涵蓋了可靠且大規模地將原始資料導入資料平台的模式、AWS 服務以及操作細節。資料工程師必須在批次和串流的進入點之間做出選擇，確保資料的編目和可發現性，並針對吞吐量、可重播性及故障模式進行設計。關鍵的 AWS 建構模組包括：用於批次處理的 S3 和 Glue、用於串流處理的 Kinesis
- 數據儲存與資料湖架構 — 這個領域涵蓋了 AWS 儲存服務和資料庫引擎如何在現代資料平台中支援大規模資料擷取、持久性封存、查詢效能和安全治理。資料工程師在將 S3、Lake Formation、Redshift 和 DynamoDB
- 數據編目與中繼資料管理 — 此領域涵蓋了元數據層，它讓資料在 AWS 資料平台中變得可被探索、可查詢且可治理。有效的目錄化與元數據管理能減少分析工作的阻力，並確保下游的消費者可以找到結構描述、分割區、存取政策與資料血緣。此領域的 AWS 服務——Glue Data Catalog、Glue Schema
- 數據轉換與處理 — 此領域涵蓋用於大規模清理、轉換和準備資料以進行分析和機器學習的 AWS 服務與模式。其重點是根據資料量、延遲要求和成本限制，選擇正確的運算資源和工具
- 數據編排與工作流程管理 — 協同運作與工作流程管理是建立可靠、可維護資料平台的中心要素：它們協調 ETL (extract-transform-load) 任務、管理相依性、處理故障，並整合事件驅動的流程。這個領域涵蓋了 AWS 為批次 ETL、複雜
- 數據查詢與分析 — 此領域涵蓋設計、調校與操作支援大型資料集分析查詢及商業智慧 (BI) 的 AWS 服務。其重點在於跨 Athena、Redshift、OpenSearch 和 QuickSight 的符合成本效益、高效能的查詢模式，以及它們如何與 S3、Glue
- 數據安全、治理與合規 — 此領域涵蓋了在啟用分析的同時，保護資料、使其可稽核且合規的控制措施、服務與操作模式。資料工程師必須設計加密、存取控制、探索與遮罩，以確保分析工作流程在執行時不會洩漏個人可識別資訊 (PII) 或破壞服務整合。以下章節將著重於具體的 AWS 服務與組態——S3/Redshift 加密、KMS、IAM
- 數據管道監控與疑難排解 — 資料管線的監控與故障排除對於確保串流與批次資料在 AWS 上能及時、準確地交付至關重要。此領域涵蓋了 Kinesis、Firehose、Glue、DMS、Lambda 等服務的遙測、警示和診斷技術，以及支援事件調查的 AWS
- 數據工作負載的成本優化 — 資料工作負載的成本優化，旨在確保儲存、運算和資料處理管道能在不造成失控支出的情況下交付價值。資料工程師必須在查詢效能、資料耐久性和可用性之間取得平衡，同時應對因服務和使用模式而異的定價模型。這個領域需要熟悉儲存類別與生命週期政策、查詢與叢集層級的控制、Spot
- 數據品質、驗證與可觀察性 — SLA 管理將可觀測性與修復及可靠性工程連結起來。為每個管線配置這些基準指標：吞吐量 (records/sec)、延遲 (ingest→sink)、錯誤率、任務/執行時間，以及下游計數。使用 CloudWatch Metrics 來監控 Glue 任務 (任務執行指標)、Kinesis/Kafka
準備好練習了嗎？
- 瀏覽所有附驗證解答的題目 → — 免費，含解析。
- 在 ExamRoll.io 上開始限時模擬考試 → — 完整題庫，支援 20 多種語言。
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 →