# Domaine du contenu 3 : conception d’architectures hautement performantes
<a name="solutions-architect-associate-03-domain3"></a>

**Topics**
+ [Tâche 3.1 : déterminer les solutions de stockage hautement performantes et/ou pouvant être mises à l’échelle](#solutions-architect-associate-03-domain3-task1)
+ [Tâche 3.2 : concevoir des solutions de calcul hautement performantes et élastiques](#solutions-architect-associate-03-domain3-task2)
+ [Tâche 3.3 : identifier les solutions de base de données hautement performantes](#solutions-architect-associate-03-domain3-task3)
+ [Tâche 3.4 : déterminer les architectures réseau hautement performantes et/ou pouvant être mises à l’échelle](#solutions-architect-associate-03-domain3-task4)
+ [Tâche 3.5 : déterminer des solutions d’ingestion et de transformation des données hautement performantes](#solutions-architect-associate-03-domain3-task5)

## Tâche 3.1 : déterminer les solutions de stockage hautement performantes et/ou pouvant être mises à l’échelle
<a name="solutions-architect-associate-03-domain3-task1"></a>

Connaissance des éléments suivants :
+ Solutions de stockage hybride pour répondre aux exigences métier
+ Services de stockage avec cas d’utilisation appropriés (par exemple, Amazon S3, Amazon EFS, Amazon EBS)
+ Types de stockage et caractéristiques associées (par exemple, objet, fichier, bloc)

Compétences dans les domaines suivants :
+ Détermination des services et des configurations de stockage qui répondent aux exigences de performances
+ Identification des services de stockage pouvant être mis à l’échelle pour répondre à l’évolution des besoins

## Tâche 3.2 : concevoir des solutions de calcul hautement performantes et élastiques
<a name="solutions-architect-associate-03-domain3-task2"></a>

Connaissance des éléments suivants :
+ Services de calcul AWS avec cas d’utilisation appropriés (par exemple, AWS Batch, Amazon EMR, AWS Fargate)
+ Concepts d’informatique distribuée pris en charge par l’infrastructure mondiale et les services périphériques d’AWS
+ Concepts de mise en file d’attente et de messagerie (par exemple, publication/abonnement)
+ Possibilités de capacité de mise à l’échelle avec cas d’utilisation appropriés (par exemple, Amazon EC2 Auto Scaling, AWS Auto Scaling)
+ Technologies et modèles sans serveur (par exemple, AWS Lambda, Fargate)
+ Orchestration des conteneurs (par exemple, Amazon ECS, Amazon EKS)

Compétences dans les domaines suivants :
+ Découplage des charges de travail afin que les composants puissent être mis à l’échelle indépendamment
+ Identification des métriques et des conditions pour effectuer des actions de mise à l’échelle
+ Sélection des options et des fonctionnalités de calcul appropriées (par exemple, types d’instance EC2) pour répondre aux exigences métier
+ Sélection du type et de la taille de ressource appropriés (par exemple, quantité de mémoire Lambda) pour répondre aux besoins métier

## Tâche 3.3 : identifier les solutions de base de données hautement performantes
<a name="solutions-architect-associate-03-domain3-task3"></a>

Connaissance des éléments suivants :
+ Infrastructure globale AWS (par exemple, zones de disponibilité [AZ], régions AWS)
+ Stratégies et services de mise en cache (par exemple, Amazon ElastiCache)
+ Modèles d’accès aux données (par exemple, utilisation intensive en lecture par rapport à une utilisation intensive en écriture)
+ Planification de la capacité de la base de données (par exemple, unités de capacité, types d’instance, IOPS provisionnées)
+ Connexions aux bases de données et proxies
+ Moteurs de base de données avec cas d’utilisation appropriés (par exemple, migrations hétérogènes, migrations homogènes)
+ Réplication de base de données (par exemple, réplicas en lecture)
+ Types et services de base de données (par exemple, sans serveur, relationnel par rapport à non relationnel, en mémoire)

Compétences dans les domaines suivants :
+ Configuration des réplicas en lecture pour répondre aux exigences métier
+ Conception d’architectures de base de données
+ Détermination d’un moteur de base de données approprié (par exemple, MySQL par rapport à PostgreSQL)
+ Détermination d’un type de base de données approprié (par exemple, Amazon Aurora, Amazon DynamoDB)
+ Intégration de la mise en cache pour répondre aux exigences métier

## Tâche 3.4 : déterminer les architectures réseau hautement performantes et/ou pouvant être mises à l’échelle
<a name="solutions-architect-associate-03-domain3-task4"></a>

Connaissance des éléments suivants :
+ Services de mise en réseau périphérique avec cas d’utilisation appropriés (par exemple, Amazon CloudFront, AWS Global Accelerator)
+ Comment concevoir une architecture réseau (par exemple, niveaux de sous-réseau, routage, adressage IP)
+ Concepts de répartition de charge (par exemple, Application Load Balancer)
+ Options de connexion réseau (par exemple, AWS VPN, AWS Direct Connect, AWS PrivateLink)

Compétences dans les domaines suivants :
+ Création d’une topologie de réseau pour différentes architectures (par exemple, globale, hybride, à plusieurs niveaux)
+ Détermination des configurations réseau pouvant être mises à l’échelle pour répondre à l’évolution des besoins
+ Détermination de l’emplacement approprié des ressources pour répondre aux exigences métier
+ Sélection de la stratégie de répartition de charge appropriée

## Tâche 3.5 : déterminer des solutions d’ingestion et de transformation des données hautement performantes
<a name="solutions-architect-associate-03-domain3-task5"></a>

Connaissance des éléments suivants :
+ Services de visualisation et d’analytique des données avec cas d’utilisation appropriés (par exemple, Amazon Athena, AWS Lake Formation, Amazon QuickSuite)
+ Modèles d’ingestion des données (par exemple, fréquence)
+ Services de transfert des données avec cas d’utilisation appropriés (par exemple, AWS DataSync, AWS Storage Gateway)
+ Services de transformation des données avec cas d’utilisation appropriés (par exemple, AWS Glue)
+ Accès sécurisé aux points d’accès d’ingestion
+ Tailles et vitesses nécessaires pour répondre aux exigences métier
+ Services de données en streaming avec cas d’utilisation appropriés (par exemple, Amazon Kinesis)

Compétences dans les domaines suivants :
+ Création et sécurisation des lacs de données
+ Conception d’architectures de streaming des données
+ Conception de solutions de transfert des données
+ Mise en œuvre des stratégies de visualisation
+ Sélection des options de calcul appropriées pour le traitement des données (par exemple, Amazon EMR)
+ Sélection des configurations appropriées pour l’ingestion
+ Changement de format des données (par exemple, .csv vers .parquet)