AWS DEAまとめ

概要

AWS DEA (AWS Certified Data Engineer - Associate) は、パイプラインを実装し、ベストプラクティスに従ってコストとパフォーマンスの問題をモニタリング、トラブルシューティング、最適化する能力を検証します。また、次のタスクについての能力も検証します。

プログラミングの概念を適用しながら、データを取り込んで変換し、データパイプラインをオーケストレーションする。
最適なデータストアの選択、データモデルの設計、データスキーマのカタログ化、データライフサイクルの管理を行う。
データパイプラインの運用、保守、モニタリングを行う。データを分析し、データ品質を確保する。
適切な認証、認可、データ暗号化、プライバシー、ガバナンスを実装する。ログ記録を有効にする。

推奨される IT 全般の知識

受験対象者は、以下のような IT 全般の知識を有している必要があります。

取り込みからデスティネーションまでの抽出、変換、ロード (ETL) パイプラインのセットアップとメンテナンス
パイプラインの要求に応じた、高水準だが言語に依存しないプログラミングの概念の適用
ソース管理に Git コマンドを使用する方法
データレイクを使用してデータを保存する方法
ネットワーク、ストレージ、コンピューティングの一般的な概念推奨される AWS の知識 ... 受験対象者は、以下の AWS の知識を有している必要があります
AWS サービスを使用して、この試験ガイドの「はじめに」セクションに記載されているタスクを実行する方法
データパイプラインの一部であるすべてのデータの暗号化、ガバナンス、保護、ログ記録のための AWS サービスについての理解
AWS のサービスを比較して、サービス間における、コスト、パフォーマンス、機能の違いを理解する能力
SQL クエリを構造化する方法と AWS サービスで SQL クエリを実行する方法
AWS サービスを使用してデータを分析し、データ品質を検証し、データの一貫性を確保する方法についての理解
受験対象者にとって対象範囲外のジョブタスクとみなされるもの ... 受験対象者が実施できることが想定されていないジョブタスクは、以下のリストのとおりです。このリストはすべてを網羅しているわけではありません。以下のタスクは、本試験の範囲外です
人工知能と機械学習 (AI/ML) のタスクを実行する
プログラミング言語固有の構文に関する知識を実証する
データに基づいてビジネス上の結論を導き出す

試験内容の概要と重み設定

分野	重み設定
第 1 分野: データの取り込みと変換	34％
第 2 分野: データストア管理	26％
第 3 分野: データ運用とサポート	22％
第 4 分野: データセキュリティとガバナンス	18%

第 1 分野: データの取り込みと変換1.1: データの取り込みを行う

1.1.1 対象知識

データを取り込む AWS サービスのスループットとレイテンシーの特性
データ取り込みパターン (頻度やデータ履歴など)
ストリーミングデータの取り込み
バッチデータ取り込み (スケジュールされた取り込み、イベント駆動型の取り込みなど)
データ取り込みパイプラインの再現性
ステートフルデータトランザクションとステートレスデータ
トランザクション

1.1.2 対象スキル:

スキル	関連サービス
ストリーミングソースからのデータの読み取り	Amazon Kinesis、Amazon Managed Streaming for Apache Kafka [Amazon MSK]、Amazon DynamoDB Streams、AWS DMS、AWS Glue、Amazon Redshift など
バッチソースからのデータの読み取り	Amazon S3、AWS Glue、Amazon EMR、AWS DMS、Amazon Redshift、AWS Lambda、Amazon AppFlow など
バッチ取り込み用の適切な設定オプションの実装
データ API の利用	Amazon EventBridge、Apache Airflow、またはジョブとクローラの時間ベースのスケジュールを使用してスケジューラをセットアップ
イベントトリガーの設定	Amazon S3 イベント通知、EventBridge など
Amazon Kinesis からの Lambda 関数の呼び出し
データソースへの接続を許可する IP アドレスの許可リストの作成
スロットリングの実装とレート制限の克服	DynamoDB、Amazon RDS、Kinesis など
ストリーミングデータ配信のファンイン / ファンアウトの管理

1.1.3 Amazon Kinesis： SQS, KDS, KDF, MSKの違い

特徴	SQS	KDS	KDF	MSK
メッセージ配信	メッセージはデフォルトで4日 (最大14日) 保持／　各メッセージは1つのコンシューマに配信 (FIFOキューでは正確に一度だけ配信が保証される)	データはデフォルトで24時間 (最大365日) ストリーム内に保持／　各レコードは特定シャードに格納されシャード単位で読み取りが行われる／　同じデータを複数のコンシューマで処理することが可能	組込データストレージはない／　メッセージ用シャードはスケーリング制御により自動調整	メッセージの最大保持期間は7日／　コンシューマグループによる分散消費
データ消費	メッセージはコンシューマが利用可能な状態で受信する必要がある	ストリームがデータをプルすることで、複数のコンシューマが同時に異なるレートでデータを消費できる	-
レイテンシ	半リアルタイム／　ミリ秒単位のレイテンシ	リアルタイム／　秒単位以下のリアルタイムレイテンシを提供 - クラシック-200ミリ秒、拡張ファンアウト-70ミリ秒	半リアルタイム／　最小バッファ時間は1分	リアルタイム
スループット	メッセージはキューに追加され、コンシューマが利用可能になったときに配信	スループットはストリームのシャード数によって制限され、必要に応じてシャードを追加・削除してスループットを調整することが可能	-
用途	マイクロサービス間のメッセージキューイングと分散型アプリケーションのデカップリング	ビッグデータをリアルタイムにストリーミング、処理および分析／　カスタムコードを用いたフロー／　リアルタイムなデータ分析、ダッシュボード、メトリクスなど	ビッグデータを半リアルタイムにストリーミング、処理および分析／　S3、Splunk、Redshift、OpenSearchなどの自動化されたフロー／　半リアルタイムなデータ分析、ダッシュボード、メトリクスなど	ビッグデータをリアルタイムにストリーミングおよび処理
管理	フルマネージド型のサービス／　スケーリングやキャンパシティプロビジョニングは自動	セミマネージド型サービス／　カスタムコードはプロデューサ・コンシューマ双方に必要、スケーリングはシャードの分割・統合を含め手動	フルマネージド型サービス／　カスタムコード不要、スケーリングは自動	セミマネージド型サービス／　クラスタのセットアップ、運用、スケーリングはAWS
統合	各AWSサービスと緊密に統合	各AWSサービスと緊密に統合／　LambdaによりリアルタイムデータをOpenSearchに供給	各AWSサービスと緊密に統合／　Lambdaによる変換	各AWSサービスと緩く統合／　統合にはKafka APIとプロトコルが必要

1.1.4 AWS Glue、Lambdaの違い

AWS Glueはフルマネージド型ETLサービスで、特徴は以下の通り：

データソース： S3、RDS、DynamoDB、KDS、DocumentDB
データソースへのマッピング定義： Glue Data CatalogとしてPythonコードで生成される
データセット： S3、RDS、DocumentDB
ジョブ： Apache SparkあるいはPythonで定義
ジョブの計算： DPU (Data Processing Unit)、1DPU = 4 vCPU, 16GBメモリ
ジョブのチェックポイント管理：ジョブのチェックポイントをブックマーク機能で管理
ジョブの起動：スケジュール起動、あるいは、イベントトリガー
データ品質： Glue Data Quality

	Lambda	Glue with Python	Glue with Spark
規模	小規模	中規模	大規模
説明	軽量で高速なETLタスク	中規模なETLタスク／　Sparkの管理オーバーヘッドを必要としない	大規模なデータを扱う重量ETLタスク／　Apache Sparkの分散処理を利用

1.2: データを変換して処理する

対象知識:

ビジネス要件に基づく ETL パイプラインの作成
データの量、速度、多様性 (構造化データ、非構造化データなど)
クラウドコンピューティングと分散コンピューティング
Apache Spark を使用してデータを処理する方法
中間データステージングの場所

対象スキル:

スキル	関連サービス
パフォーマンスニーズに合わせてコンテナの使用を最適化	Amazon EKS、Amazon ECS など
さまざまなデータソースへの接続	JDBC、ODBC など
複数のソースからのデータの統合
データ処理時のコストの最適化
要件に基づくデータ変換サービスの実装	Amazon EMR、AWS Glue、Lambda、Amazon Redshift など
フォーマット間のデータ変換	例えば、.csv から Apache Parquet へ
一般的な変換エラーとパフォーマンス問題のトラブルシューティングとデバッグ
AWS サービスを使用して他のシステムからデータを使用できるようにするデータ API の作成

1.3: データパイプラインをオーケストレーションする

対象知識:

さまざまな AWS サービスを統合して ETL パイプラインを作成する方法
イベント駆動型アーキテクチャ
スケジュールや依存関係に基づいてデータパイプライン用に AWS サービスを設定する方法
サーバーレスワークフロー

対象スキル:

スキル	関連サービス
オーケストレーションサービスを使用してデータ ETL パイプラインのワークフローを構築	Lambda、EventBridge、Amazon Managed Workflows for Apache Airflow [Amazon MWAA]、AWS Step Functions、AWS Glue ワークフローなど
パフォーマンス、可用性、スケーラビリティ、回復性、耐障害性を実現するデータパイプラインの構築
サーバーレスワークフローの実装と保守
通知サービスを使用したアラートの送信	Amazon SNS、Amazon SQS など

1.4: プログラミングの概念を応用する

対象知識:

継続的インテグレーションと継続的デリバリー (CI/CD) (データパイプラインの実装、テスト、デプロイ)
SQL クエリ (データソースクエリとデータ変換用)
反復可能なデプロイのための IaC (AWS CDK、AWS CloudFormation など)
分散コンピューティング
データ構造とアルゴリズム (グラフデータ構造やツリーデータ構造など)
SQL クエリの最適化

対象スキル:

スキル	関連サービス
コードの最適化によるデータ取り込みと変換のランタイム短縮
同時実行性とパフォーマンスのニーズを満たすための Lambda 関数の設定
SQL クエリを実行したデータの変換	Amazon Redshift ストアドプロシージャなど
データパイプラインの要件を満たすための SQL クエリの構造化
Git コマンドを使用した、リポジトリの作成、更新、複製、分岐などのアクションの実行
AWS SAM を使用したサーバーレスデータパイプラインのパッケージ化およびデプロイ	Lambda 関数、Step Functions、DynamoDB テーブルなど
Lambda 関数内からのストレージボリュームの使用とマウント

第 2 分野: データストア管理

2.1: データストアを選択する

2.1.1 対象知識

ストレージプラットフォームと特性
特定のパフォーマンス要求に対応するストレージサービスと設定
データストレージ形式 (.csv、.txt、Parquet など)
データストレージをデータ移行要件に合わせて調整する方法
特定のアクセスパターンに適したストレージソリューションを決定する方法
ロックを管理してデータへのアクセスを防ぐ方法 (Amazon Redshift、
Amazon RDS など)

2.1.2 対象スキル:

スキル	関連サービス
特定のコストとパフォーマンスの要件に適したストレージサービスの実装	Amazon Redshift、Amazon EMR、AWS Lake Formation、Amazon RDS、DynamoDB、Amazon Kinesis Data Streams、Amazon MSK など
特定のアクセスパターンと要件に適したストレージサービスの設定	Amazon Redshift、Amazon EMR、Lake Formation、Amazon RDS、DynamoDB など
適切なユースケースへのストレージサービスの適用	Amazon S3 など
データ処理システムへの移行ツールの統合	AWS Transfer Family など
データ移行またはリモートアクセス方法の実装	Amazon Redshiftフェデレーションクエリ、Amazon Redshift マテリアライズドビュー、Amazon Redshift Spectrum など

2.1.3 ストレージの種類

	オブジェクト	ブロック	ファイル
AWSサービス	S3	EBS	EFS
特徴	- 階層構造をもたず、データはフラットな形式で保存
- 日付・保存期間などのメタデータとともに保存され、一意の識別子 (ID) をもつフラットなアドレス空間に保存
- 仮想化技術を用いて、物理的に離れたサーバを並列化して、一つのストレージプールとして保存	- 物理マシンの記憶領域をボリュームという単位で分割し、さらにその内部を固定長のブロックに切り出して、ブロックにデータ保存
- 階層構造を持たず、データへのパスを複数指定できるため、高速なアクセスを行う	- ファイルやディレクトリといった形式で、階層的にデータを保存。ユーザは階層を辿っていくことでデータにアクセス
- ファイル名、作成日、サイズなど最低限のメタデータが付与
ユースケース	- 構造化データ、非構造化データ問わず、幅広い用途で使われる	- ファイルストレージやオブジェクトストレージより低いレイヤーに位置づけられる
- 仮想サーバの外部記憶などコンピュートサービス用のストレージとして使われる	- PC用OSで採用されており、多くの人になじみがある

2.1.4 Redshiftの各タイプ

ノードタイプ

	DC (Dense Compute)	DS (Dense Storage)	RA3
主な用途	計算集約的なワークロード	ストレージ集約的なワークロード	柔軟性とパフォーマンスを最適化
ストレージタイプ	SSD	HDD	Managed Storage (SSD + S3)
シナリオ	頻繁にクエリ実行	大量のデータを安価に保存	データの成長が予測できないホット/コールドデータ
拡張性	クラスタ内のノード数でスケーリング	クラスタ内のノード数でスケーリング	ストレージとコンピュートを独立して主ケーリング
コスト	高い計算能力のためコスト高	ストレージが主なためコスト安	使用したストレージのみ料金がかかる柔軟性

分散タイプ

	KEY	EVEN	ALL
説明	分散キーで特定の1つのカラムの値に基づいて、行がスライス全体に分散	特定カラムの値を考慮することなく、ラウンドロビン方式 (均等) で行がスライスに分散。データの均等な分散を保証	テーブル全体のコピーが各ノードに分布される。これによりテーブルとの結合がノード内でローカルに行える
ユースケース	分散キーで頻繁にテーブルを結合	デフォルトで明確な結合パターンがないテーブルがあまり頻繁に結合に関与しない	比較的小さなルックアップテーブルで、大きなテーブルと頻繁に結合
例	ordersテーブルとcustomersテーブルがあり、customer_idカラムで頻繁に結合される場合、customer_idを両方のテーブルの分散キーにする	他のテーブルとあまり結合しないlog_entriesテーブル	product_categoriesルックアップテーブルが、より大きなproductsテーブルと頻繁に結合される

2.2: データカタログシステムを理解する

対象知識:

データカタログの作成方法
要件に基づくデータ分類
メタデータとデータカタログのコンポーネント

対象スキル:

スキル	関連サービス
データカタログを使用したデータソースのデータの利用
データカタログの構築と参照	AWS Glue Data Catalog、Apache Hiveメタストアなど
スキーマの発見と AWS Glue クローラによるデータカタログへの入力
パーティションとデータカタログの同期
カタログ用の新しいソース接続またはターゲット接続の作成	AWS Glueなど

2.3: データのライフサイクルを管理する

2.3.1 対象知識:

ホットデータおよびコールドデータ要件に対応する適切なストレージソリューション
データライフサイクルに基づいてストレージのコストを最適化する方法
ビジネス要件および法的要件を満たすためにデータを削除する方法
データ保持ポリシーとアーカイブ戦略
適切な回復性と可用性でデータを保護する方法

2.3.2 対象スキル:

スキル	関連サービス
Amazon S3 と Amazon Redshift の間でデータを移動するためのロードおよびアンロード操作の実行
S3 データのストレージ階層を変更するための S3 ライフサイクルポリシーの管理
S3 ライフサイクルポリシーを使用して特定の期限に達したデータを無効化
S3 バージョニングと DynamoDB TTL の管理

2.3.3 データレイヤー

データレイヤー名	説明	ライフサイクルポリシー戦略の例
未加工	未処理の未処理データを含み、データがデータレイクに取り込まれるレイヤーです。可能であれば、元のファイル形式を維持し、S3 バケットのバージョン管理を有効にしてください。	1 年後、ファイルを Amazon S3 低頻度アクセス (IA) ストレージクラスに移動します。Amazon S3 IA で 2 年間使用した後、それらを Amazon S3 Glacierにアーカイブします
ステージ	使用に最適化された処理済みの中間データが含まれます (CSV から Apache Parquet に変換された未処理ファイルまたはデータ変換など)。 AWS Glueジョブは未処理レイヤーからファイルを読み取り、データを検証します。その後、AWS Glueジョブはデータを Apache Parquet 形式のファイルに保存し、AWS Glueメタデータはデータカタログのテーブルに保存されます。	データは、一定期間経過後、または組織の要件に従って削除できます。一部のデータ派生要素 (元の JSON 形式の Apache Avro 変換など) は、短時間 (たとえば 90 日後) にデータレイクから削除できます。
分析	特定のユースケースの集計データを、すぐに使用できる形式 (Apache Parquet など) で格納します。	データは Amazon S3 IA に移動して、一定期間経過後、または組織の要件に従って削除できます。

2.4: データモデルとスキーマの進化を設計する

対象知識:

データモデリングの概念
データリネージを使用してデータの正確性と信頼性を確保する方法
インデックス作成、パーティショニング戦略、圧縮、その他のデータ最適化手法のベストプラクティス
構造化データ、半構造化データ、非構造化データをモデル化する方法
スキーマ進化の手法

対象スキル:

スキル	関連サービス
Amazon Redshift、DynamoDB、Lake Formation のスキーマの設計
データ特性の変化への対処
スキーマ変換の実行	AWS Schema Conversion Tool [AWS SCT] や AWS DMS Schema Conversion の使用など
AWS ツールを使用してデータリネージを確立	Amazon SageMaker ML Lineage Tracking など

第 3 分野: データ運用とサポート

3.1: AWS サービスを使用してデータ処理を自動化する

対象知識:

反復可能なビジネス成果を得るためのデータ処理の維持とトラブルシューティング方法
データ処理のための API コール
スクリプティングを使用できるサービス (Amazon EMR、Amazon Redshift、AWS Glue など)

対象スキル:

スキル	関連サービス
データパイプラインのオーケストレーション	Amazon MWAA、Step Functions など
Amazon マネージドワークフローのトラブルシューティング
SDK を呼び出してコードから Amazon の機能にアクセス
AWS サービスの機能を使用してデータを処理	Amazon EMR、Amazon Redshift、AWS Glue など
データ API の使用と管理
データ変換の準備	AWS Glue DataBrew など
データのクエリ	Amazon Athena など
Lambda を使用してデータ処理を自動化
イベントとスケジューラの管理	EventBridge など

3.2: AWS サービスを使用してデータを分析する

対象知識:

プロビジョニングされたサービスとサーバーレスサービスのトレードオフ
SQL クエリ (例えば、複数の修飾子または JOIN 句を含む SELECTステートメント)
分析のためにデータを視覚化する方法
クレンジングテクニックが必要になる状況と適用方法
データ集約、移動平均、グループ化、ピボット

対象スキル:

スキル	関連サービス
AWS のサービスとツールを使用してデータを視覚化	AWS Glue DataBrew、Amazon QuickSight など
データの検証とクリーニング	Lambda、Athena、QuickSight、Jupyter Notebook、Amazon SageMaker Data Wrangler など
Athena を使用したデータのクエリやビューの作成
Apache Spark 対応の Athena ノートブックを使用してデータを探索

Amazon QuickSight

BIツール。経営層が必要なダッシュボードやレポートを提供。以下、Quicksightの特徴：

柔軟なクエリ： Quicksight Qにより問い合わせを自然言語で処理しレポート
オートスケーリング：インメモリエンジンSPICEによりスケールアップ・ダウンを自動化
細かなセキュリティ設定：行レベルセキュリティ (Row-Level Security - RLS) を提供
多様なグラフ：折れ線グラフ、コンボチャート、水平棒グラフ、ヒートマップ、ツリーマップ、散布図、ヒストグラム、箱ひげ図、等

3.3: データパイプラインの保守とモニタリングを行う

対象知識:

アプリケーションデータのログを記録する方法
パフォーマンスチューニングのベストプラクティス
AWS サービスへのアクセスをログに記録する方法
Amazon Macie、AWS CloudTrail、Amazon CloudWatch

対象スキル:

スキル	関連サービス
監査のためのログの抽出
監査とトレーサビリティを促進するためのログ記録およびモニタリングソリューションのデプロイ
モニタリング中に通知を使用したアラートの送信
パフォーマンス問題のトラブルシューティング
CloudTrail を使用した API コールの追跡
パイプラインのトラブルシューティングとメンテナンス	AWS Glue、Amazon EMR など
Amazon CloudWatch Logs を使用してアプリケーションデータをログに記録 (設定とオートメーションに重点を置く)
AWS サービスによるログの分析	Athena、Amazon EMR、Amazon OpenSearch Service、CloudWatch Logs Insights、ビッグデータアプリケーションログなど

3.4: データ品質を確保する

対象知識:

データサンプリング技法
データスキューメカニズムの実装方法
データ検証 (データの完全性、一貫性、正確性、整合性)
データプロファイリング

対象スキル:

スキル	関連サービス
データ処理時にデータ品質チェックを実行する (空のフィールドのチェックなど)
データ品質ルールの定義	AWS Glue DataBrew など
データの一貫性の調査	AWS Glue DataBrew など

第 4 分野: データセキュリティとガバナンス

4.1: 認証メカニズムを適用する

対象知識:

VPC セキュリティネットワークの概念
マネージドサービスとアンマネージドサービスの違い
認証方法 (パスワードベース、証明書ベース、ロールベース)
AWS マネージドポリシーとカスタマーマネージドポリシーの違い

対象スキル:

スキル	関連サービス
VPC セキュリティグループの更新
IAM グループ、ロール、エンドポイント、サービスの作成と更新
パスワード管理用の認証情報の作成とローテーション	AWS Secrets Managerなど
アクセス用の IAM ロールのセットアップ	Lambda、Amazon API Gateway、AWS CLI、CloudFormation など
ロール、エンドポイント、サービスへの IAM ポリシーの適用	S3 Access Points、AWS PrivateLink など

4.2: 認可メカニズムを適用する

対象知識:

認可方法 (ロールベース、ポリシーベース、タグベース、属性ベース)
AWS セキュリティに適用される最小権限の原則
ロールベースのアクセス制御と想定されるアクセスパターン
サービス間の不正アクセスからデータを保護する方法

対象スキル:

スキル	関連サービス
マネージドポリシーがニーズを満たさない場合のカスタム IAM ポリシーの作成
アプリケーションとデータベースの認証情報の保存	Secrets Manager、AWS Systems Manager Parameter Store など
データベースユーザー、グループ、ロールにデータベースへのアクセス権と権限を付与する	Amazon Redshift など
Lake Formation を通じてアクセス許可を管理する	Amazon Redshift、Amazon EMR、Athena、Amazon S3 用

4.3: データ暗号化とマスキングを実行する

対象知識:

AWS 分析サービス (Amazon Redshift、Amazon EMR、AWS Glue など) で利用できるデータ暗号化オプション
クライアント側の暗号化とサーバー側の暗号化の違い
機密データの保護
データの匿名化、マスキング、キーソルティング

対象スキル:

スキル	関連サービス
コンプライアンス法または企業ポリシーに従ってデータマスキングと匿名化を適用
暗号化キーを使用してデータを暗号化または復号化	AWS KMS など
AWS アカウントの境界を越えた暗号化の設定
転送中のデータの暗号化を有効化

4.4: 監査用のログを準備する

対象知識:

アプリケーションデータのログを記録する方法
AWS サービスへのアクセスをログに記録する方法
一元化された AWS ログ

対象スキル:

スキル	関連サービス
CloudTrail を使用した API コールの追跡
CloudWatch Logs を使用してアプリケーションログを保存
一元化されたログのクエリに AWS CloudTrail Lake を使用
AWS サービスを使用してログを分析	Athena、CloudWatch Logs Insights、Amazon OpenSearch Service など
ログの記録のためにさまざまな AWS サービスを統合	大容量ログデータの場合に Amazon EMR を使用するなど

4.5: データプライバシーとガバナンスを理解する

対象知識:

個人を特定できる情報 (PII) を保護する方法
データ主権

対象スキル:

スキル	関連サービス
データ共有のアクセス許可を付与	Amazon Redshift のデータ共有など
PII 識別の実装	Lake Formation による Macie など
許可されていない AWS リージョンへのデータのバックアップやレプリケーションを防ぐためのデータプライバシー戦略の実装
アカウントで発生した設定変更の管理	AWS Config など

付録

範囲内の AWS のサービスと機能

以下に、試験範囲の AWS のサービスと機能のリストを示します。このリストはすべて
を網羅しているわけではなく、また、変更される場合があります。各 AWS のサービス
は、サービスの主な機能に応じたカテゴリに分けられています。

カテゴリ	関連AWSサービス
分析	- Amazon Athena
- Amazon EMR
- AWS Glue
- AWS Glue DataBrew
- AWS Lake Formation
- Amazon Kinesis Data Firehose
- Amazon Kinesis Data Streams
- Amazon Managed Service for Apache Flink
- Amazon Managed Streaming for Apache Kafka (Amazon MSK)
- Amazon OpenSearch Service
- Amazon QuickSight
アプリケーション統合	- Amazon AppFlow
- Amazon EventBridge
- Amazon Managed Workflows for Apache Airflow (Amazon MWAA)
- Amazon SNS
- Amazon SQS
- AWS Step Functions
クラウド財務管理	- AWS Budgets
- AWS Cost Explorer
コンピューティング	- AWS Batch
- Amazon EC2
- AWS Lambda
- AWS Serverless Application Model (AWS SAM)
コンテナ	- Amazon ECR
- Amazon ECS
- Amazon EKS
データベース	- Amazon DocumentDB (MongoDB 互換)
- Amazon DynamoDB
- Amazon Keyspaces (Apache Cassandra 向け)
- Amazon MemoryDB for Redis
- Amazon Neptune
- Amazon RDS
- Amazon Redshift
デベロッパーツール	- AWS CLI
- AWS Cloud9
- AWS CDK
- AWS CodeBuild
- AWS CodeCommit
- AWS CodeDeploy
- AWS CodePipeline
フロントエンドのウェブとモバイル	- Amazon API Gateway
機械学習	- Amazon SageMaker
マネジメントとガバナンス	- AWS CloudFormation
- AWS CloudTrail
- Amazon CloudWatch
- Amazon CloudWatch Logs
- AWS Config
- Amazon Managed Grafana
- AWS Systems Manager
- AWS Well-Architected Tool
移行と転送	- AWS Application Discovery Service
- AWS Application Migration Service
- AWS DMS
- AWS DataSync
- AWS Schema Conversion Tool (AWS SCT)
- AWS Snow ファミリー
- AWS Transfer Family
ネットワークとコンテンツ配信	- Amazon CloudFront
- AWS PrivateLink
- Amazon Route 53
- Amazon VPC
セキュリティ、アイデンティティ、コンプライアンス	- AWS Identity and Access Management (IAM)
- AWS Key Management Service (AWS KMS)
- Amazon Macie
- AWS Secrets Manager
- AWS Shield
- AWS WAF
ストレージ	- AWS Backup
- Amazon EBS
- Amazon EFS
- Amazon S3
- Amazon S3 Glacier

範囲外の AWS のサービスと機能

以下に、試験対象外の AWS のサービスと機能のリストを示します。このリストはすべてを網羅しているわけではなく、また、変更される場合があります。試験の対象となる職務内容に完全に関係のない AWS のサービスは、このリストから除外されています。

カテゴリ	関連AWSサービス
分析	- Amazon FinSpace
ビジネスアプリケーション	- Alexa for Business
- Amazon Chime
- Amazon Connect
- Amazon Honeycode
- AWS IQ
- Amazon WorkDocs
- Amazon WorkMail
コンピューティング	- AWS App Runner
- AWS Elastic Beanstalk
- Amazon Lightsail
- AWS Outposts
- AWS Serverless Application Repository
コンテナ	- Red Hat OpenShift Service on AWS (ROSA)
データベース	- Amazon Timestream
デベロッパーツール	- AWS Fault Injection Simulator (AWS FIS)
- AWS X-Ray
フロントエンドのウェブとモバイル	- AWS Amplify
- AWS AppSync
- AWS Device Farm
- Amazon Location Service
- Amazon Pinpoint
- Amazon Simple Email Service (Amazon SES)
IoT	- FreeRTOS
- AWS IoT 1-Click
- AWS IoT Device Defender
- AWS IoT Device Management
- AWS IoT Events
- AWS IoT FleetWise
- AWS IoT RoboRunner
- AWS IoT SiteWise
- AWS IoT TwinMaker
機械学習	- Amazon CodeWhisperer
- Amazon DevOps Guru
マネジメントとガバナンス	- AWS Activate
- AWS Managed Services (AMS)
メディアサービス	- Amazon Elastic Transcoder
- AWS Elemental Appliances and Software
- AWS Elemental MediaConnect
- AWS Elemental MediaConvert
- AWS Elemental MediaLive
- AWS Elemental MediaPackage
- AWS Elemental MediaStore
- AWS Elemental MediaTailor
- Amazon Interactive Video Service (Amazon IVS)
- Amazon Nimble Studio
移行と転送	- AWS Mainframe Modernization
- AWS Migration Hub
ストレージ	- EC2 Image Builder

Reference

AWS Certified Data Engineer - Associate 認定 | AWS 認定