面向在职工程师的 DEA-C01 考试指南与学习计划

太长不看(TL;DR)
- 数据摄取与转换(34%)和数据存储管理(26%)占 DEA-C01 的 60%——按这个比例分配学习时间,而不是在四个领域平均用力。
- 考试费用为 150 美元,65 题,130 分钟,换算后 720/1000 通过。如果 Glue、Athena 和 Redshift 已是你的日常工作,准备 40–60 小时;如果不是,接近 90 小时。
- 几乎每道存储题都藏着第二层:Lake Formation 授权、KMS 密钥策略或分区布局。用“附加一个 IAM 策略”来回答会失败。
凌晨 02:00 被呼叫的工程师才是目标受众
DEA-C01 不是通用云认证徽章。它假定你已经曾在很不方便的时间调试过失败的 Glue 作业,或者曾因缺少排序键与 Redshift 查询规划器争论过。AWS 自己的先修要求是 2–3 年数据工程经验和 1–2 年 AWS 实操经验,题目也确实是这个路数——它们描述一条故障或昂贵的管道,并要求给出最小修复。
如果你的工作主要是在别人建好的表上用 QuickSight 做仪表盘,考试会显得很抽象。先做 3–4 周动手摄取工作,或者先考 SAA-C03 再回来。如果你端到端负责管道以及随之而来的账单,这是 AWS 发布的最直接有用的助理级考试。
四个领域,以及那 34% 实际落在哪里
| 领域 | 权重 | 实际考查内容 |
|---|---|---|
| 1. 数据摄取与转换 | 34% | Glue 作业、爬网程序和作业书签;Kinesis Data Streams、Firehose 与 MSK 的对比;DMS 复制;EMR 和 EMR Serverless;文件格式、压缩、分区 |
| 2. 数据存储管理 | 26% | S3 布局与生命周期、数据目录、Redshift 分布键/排序键与 Spectrum、DynamoDB 容量模式、模式演进 |
| 3. 数据运维与支持 | 22% | Step Functions 与 MWAA 的对比、CloudWatch 指标与告警、DPU 与工作节点规格、成本调优、故障分诊 |
| 4. 数据安全与治理 | 18% | IAM 与 Lake Formation 的对比、KMS 密钥策略、传输中的 TLS、使用 Macie 发现 PII、行/列级过滤、CloudTrail 审计 |
这个权重看起来不均衡,直到你真正参加考试才会注意到:安全类问题已经融入其他三个领域,而不是孤立地放在领域 4 中。一道“为什么这个 Glue 作业很慢”的题,关键可能在于每对象 KMS 解密成本;一道“查询 S3 最便宜的方式”的题,关键可能在于调用方是否拥有 Lake Formation 的 SELECT 权限。
领域 1 奖励你把默认值背得滚瓜烂熟:Firehose 的投递缓冲区不会在低于 60 秒或 1 MiB 时刷新;Glue 爬网程序会重新分类分区,并且可能重命名某一列;一个把 8,000 个小 Parquet 文件写入 S3 的 Spark 作业,无论数据多正确,都会让 Athena 苦不堪言。
报名:150 美元买到什么,以及先考哪门
| 考试 | 费用(美元) | 形式 | 换算后通过分数 | 先考它的情形 |
|---|---|---|---|---|
| DEA-C01 | 150 美元 | 65 题 / 130 分钟 | 720 | 你已经编写 ETL,并且每周都会接触 Glue、Athena 或 Redshift |
| SAA-C03 | 150 美元 | 65 题 / 130 分钟 | 720 | 你的工作是 VPC、账户和着陆区 |
| DVA-C02 | 150 美元 | 65 题 / 130 分钟 | 720 | 你的日常是 Lambda、API Gateway 和 CI/CD |
费用按每次尝试收取,并因地区和当地税费而异;预约通过 Pearson VUE 进行,可在考试中心或在线监考。认证有效期为 3 年。AWS 将 65 题中的一些标记为不计分,因此少数你觉得奇怪的题目不会计入成绩——不要让一道坏题影响接下来的 20 道题。
顺序不如重叠重要。如果你已经持有 SAA-C03,大约三分之一的网络和 IAM 材料可以迁移,DEA-C01 就变成 5 周的任务。如果你什么都没有,只有在数据确实是你日常工作的情况下才先考 DEA-C01;否则 SAA-C03 会给你更广泛的词汇,让数据领域的问题更容易解析。
一份能在值班期间坚持下来的六周计划
每周七到八小时,前期重点放在动手实验而不是视频上。
第 1–2 周是摄取:构建一个 Glue 爬网程序,再加一个 PySpark 作业,读取 CSV、写出分区 Parquet,并重新运行两次,以便看到书签生效。第 3–4 周是存储和性能:把同一数据集放入 Redshift,使用两种不同的排序键,然后查询两者并比较。第 5–6 周是运维和安全,外加两次限时模拟练习。
export BUCKET="dea01-lab-$(aws sts get-caller-identity --query Account --output text)"
aws s3 mb "s3://$BUCKET" --region us-east-1
aws s3 cp ./sample/orders.csv "s3://$BUCKET/raw/orders/" --recursive
aws glue create-database --database-input '{"Name":"dea01"}'
aws glue create-crawler --name dea01-crawler --role "$GLUE_ROLE_ARN"
--database-name dea01
--targets '{"S3Targets":[{"Path":"s3://'$BUCKET'/raw/"}]}'
aws glue start-crawler --name dea01-crawler
aws glue get-crawler --name dea01-crawler --query 'Crawler.LastCrawl.Status'
最后一条命令在小型 CSV 上大约 60–90 秒后返回 `"SUCCEEDED"`。然后从 Athena 查询它:
```sql
SELECT partition_0 AS dt, count(*) AS rows
FROM dea01.orders
GROUP BY 1 ORDER BY 1 DESC LIMIT 10;
如果在当天晚上拆掉爬网程序和存储桶,整个实验在 us-east-1 的成本低于 5 美元。不过,跳过 Redshift 集群后果自负——单独运行一个 `ra3.xlplus` 两小时,是内化分布风格的最便宜方式,而且这是人们最容易大脑一片空白的主题。
## 凌晨 02:00 的 Lake Formation 拒绝,教会我领域 4
2025-11-04 02:10 UTC,一个已经运行五个月的夜间 Glue 作业开始在写入时失败。作业本身没有任何改动;一位队友在前一天下午把 curated 前缀注册到了 Lake Formation。我们用 Athena 做快速复现,它立刻返回:
Insufficient Lake Formation permission(s) on orders (Database: analytics, Table: orders)
我的第一个配置错得很有教育意义:我给 Glue 执行角色授予了表上的 `SELECT`,并以为这足够了,因为该角色已经拥有存储桶上的 `s3:GetObject`。事实并非如此。curated 前缀是由另一个角色注册为 Lake Formation 位置的——也就是执行注册的那个角色——而 Lake Formation 会为该位置的注册角色发放临时 S3 凭证,而不是为调用方发放。
诊断来自 CloudTrail,而不是错误文本。按 `eventSource = lakeformation.amazonaws.com` 和 `eventName = GetDataAccess` 过滤后,可以看到发放的凭证与注册角色绑定。一旦我在同一 S3 路径上给 Glue 角色授予数据位置权限并重新运行,作业就在 6 分 12 秒内成功,而基线是 4 分钟。多出来的几分钟是作业在重试前几个分区。
如果你遇到这种情况,修复方法如下:
```bash
aws lakeformation grant-permissions
--principal '{"DataLakePrincipalIdentifier":"arn:aws:iam::123456789012:role/GlueETLRole"}'
--resource '{"DataLocation":{"ResourceArn":"arn:aws:s3:::analytics-curated/orders/"}}'
--permissions DATA_LOCATION_ACCESS
通过重新运行作业并确认 CloudWatch 日志以 `Job run Succeeded` 结尾来验证——同时在 Terraform 中重新应用同样的授权,以免下一次注册再次悄悄破坏它。
## 考试技巧:130 分钟,65 道题
这相当于每道题两分钟,而长篇场景题如果放任不管,会吃掉四分钟。先读题干的最后一句——它通常会说“MOST cost-effective”(最具成本效益)或“LEAST operational overhead”(最低运维开销),而这两个短语对应的正确答案不同。在一道 Glue 与 EMR 对比题中,便宜的答案通常是 EMR Serverless;低运维的答案通常是 Glue。
任何 90 秒内无法决定的题都标记一下然后继续。我的第一遍通常会留下 8–12 道标记题;第二遍能解决其中大部分,因为后面的题经常会让前面的题更清楚。AWS 不会因为答错而扣分,所以对于多选题,绝不要让它留有的选择少于题目要求——不存在部分得分,但猜答案没有任何成本。
## 这个学习计划不适合你的情况
如果你的截止时间不足三周,而且你还没运行过 Spark 作业,这个时间表只会造就一个压力山大的考生和一次 150 美元的重考。要么把考试日期推迟六周,要么先考一门基础考试。同样,如果你只是需要在销售对话中获得可信度,而不是为了自己的工作,那么 Skill Builder 上的免费官方练习题集加上公开的考试指南就能告诉你需要什么,无需做实验。
我们为这套实验环境(存储桶、爬网程序、Lake Formation 授权)维护了一个 Terraform 基线,因此可以通过一次 apply 拆除并重建;这正是 awsgood.com 托管服务团队为客户
发表回复