DEAデータオペレーションとサポート
あるデータエンジニアリングチームは、Amazon EMR、Amazon Redshift、Amazon Athenaを組み合わせたデータ処理パイプラインをAWS上で運用しています。
先月、新しいETLジョブの設定ミスによりEMRクラスターが長時間稼働し続け、AWSコストが通常の約3倍に膨れ上がりました。
問題の発覚が月次請求レビュー時まで遅れたため、コスト異常の早期検知と担当者への自動通知の仕組みを構築することになりました。
機械学習を活用したコスト異常の早期検知と自動通知を最小限の設定で実現する方法として最も適切なものはどれですか？
AAWS Cost Anomaly Detection でサービス別コストモニターを作成し、異常検知時にAmazon SNS トピック経由で担当者に通知する
✓ 正解
AWS Cost Anomaly Detection は機械学習で過去の使用パターンを学習し、通常とは異なるコスト増加をほぼリアルタイムで自動検知します。サービス別モニターを設定でき、SNSと連携した自動通知も容易に構成できるため、設定ミスによるEMRの長時間稼働のような突発的な異常の早期検知に最適です。
BAWS Budgets でEMRおよびRedshiftの月次予算を設定し、使用額が予算の80%に達した時点でアラートを送信する
AWS Budgetsは月次予算に対するしきい値アラートであり、過去パターンに基づく異常検知ではないため月の中盤での超過検知には不向きです。
CAmazon CloudWatch の請求メトリクス（EstimatedCharges）にアラームを設定し、しきい値超過時にAmazon SNS で通知する
Amazon CloudWatch EstimatedChargesは更新頻度が粗く（約6時間）、静的しきい値のためパターンによる異常検知ができません。
DAWS Cost Explorer のレポート機能でコストを定期分析し、前週比30%以上の増加時にAWS Lambda 関数で担当者に通知する
AWS Cost Explorerは自動通知機能がなく、Lambda連携のカスタム実装が必要で構成が複雑になります。
解説
AWS Cost Anomaly Detection は機械学習で過去の使用パターンを学習し、通常とは異なるコスト増加をほぼリアルタイムで自動検知します。サービス別モニターを設定でき、SNSと連携した自動通知も容易に構成できるため、設定ミスによるEMRの長時間稼働のような突発的な異常の早期検知に最適です。
選択肢BのAWS Budgetsは月次予算に対するしきい値アラートであり、過去パターンに基づく異常検知ではないため月の中盤での超過検知には不向きです。
選択肢CのAmazon CloudWatch EstimatedChargesは更新頻度が粗く（約6時間）、静的しきい値のためパターンによる異常検知ができません。
選択肢DのAWS Cost Explorerは自動通知機能がなく、Lambda連携のカスタム実装が必要で構成が複雑になります。
ドメイン別正答率・予想スコアでリアルタイムに実力把握
無限ノックでDEAを徹底対策。全問AI生成のオリジナル問題。
無料で演習を始める →