최신 Professional-Cloud-Architect日本語 무료덤프 - Google Certified Professional - Cloud Architect (GCP) (Professional-Cloud-Architect日本語版)

A. 1) ストレージが 75% を超えたときに Stackdriver アラートを作成し、インスタンス上の使用可能なストレージを増やしてスペースを確保します。
2) CPU 負荷を軽減するために memcached を導入します。
3) レプリケーションの遅延を減らすために、インスタンス タイプを 32 コア マシン タイプに変更します。

B. 1) インスタンスの自動ストレージ増加を有効にします。
2) CPU 使用率を 75% 未満に保つために、インスタンス タイプを 32 コア マシン タイプに変更します。
3) レプリケーション ラグに関する Stackdriver アラートを作成し、データベースをシャードしてレプリケーション時間を短縮します。

C. 1) ストレージが 75% を超えたときに Stackdriver アラートを作成し、インスタンス上の使用可能なストレージを増やしてスペースを確保します。
2) CPU 負荷を軽減するために memcached を導入します。
3) レプリケーション ラグに関する Stackdriver アラートを作成し、インスタンス タイプを 32 コア マシン タイプに変更してレプリケーション ラグを削減します。

D. 1) インスタンスの自動ストレージ増加を有効にします。
2) CPU 使用率が 75% を超えたときに Stackdriver アラートを作成し、インスタンス タイプを変更して CPU 使用率を削減します。
3) レプリケーション ラグに関する Stackdriver アラートを作成し、データベースをシャードしてレプリケーション時間を短縮します。

A. 新しいコンテナイメージのサービス yaml ファイルを更新します。kubect1 delete service/echoservice と kubect1 create -f <yaml-file> を使用します。

B. kubect1 set image deployment/echo-deployment <new-image> を使用します。

C. 新しいコンテナイメージでデプロイメント yaml ファイルを更新します。kubect1 delete deployment/ echo-deployment と kubect1 create -f <yaml-file> を使用します。

D. Kubernetes クラスターの背後にあるインスタンス グループのローリング更新機能を使用する

A. 認証システムに SAML 2.0 SSO 互換性を組み込みます。

B. パートナー システムの送信元 IP アドレスに基づいてデータ アクセスを制限します。

C. OAuth 互換のアクセス制御システムを構築または活用します。

D. 信頼できる第三者に提供できるディーラーごとにセカンダリ資格情報を作成します。

A. 1. 現在の VMware 環境で実行されている仮想マシンの評価を実行します。
2. 移行計画を定義し、Migrate for Compute Engine 移行 RunBook を準備して、移行を実行します。

B. 1. 現在の VMware 環境で実行されている仮想マシンの評価を実行します。
2. すべてのディスクのイメージを作成します。Compute Engine にディスクをインポートします。
3. ブート ディスクがインポートされた標準の仮想マシンを作成します。

C. 1. 現在の VMware 環境で実行されている仮想マシンの評価を実行します。
2. 選択したすべての仮想マシンにサードパーティ エージェントをインストールします。
3. すべての仮想マシンを Compute Engine に移行します。

D. 1. アプリケーションとその依存関係のリストに基づいて移行計画を定義します。
2. Migrate for Compute Engine を使用して、すべての仮想マシンを個別に Compute Engine に移行します。

A. ログを BigQuery にエクスポートし、BigQuery でクエリをトリガーして関連するイベントのログ データを処理します。

B. ログを Pub/Sub トピックにエクスポートし、関連するログイベントで Cloud Functions をトリガーします。

C. ログを Cloud Storage バケットにエクスポートし、関連するログイベントで Cloud Run をトリガーします。

D. Cloud Scheduler を使用して cron ジョブをスケジュールします。スケジュールされたジョブは、関連するイベントについて 1 分ごとにログをクエリします。

A. 管理されていないインスタンス グループを使用してデプロイされた RabbitMQ

B. 高可用性モードで Cloud Dataproc Regional を使用してデプロイされた Hadoop/Spark

C. App Engine スタンダード環境を使用してデプロイされた Web アプリケーション

D. カスタムマシンタイプにデプロイされた Jenkins、モニタリング、要塞ホスト、セキュリティスキャナサービス

A. バックエンドのインスタンス テンプレートを作成します。リージョンごとに、マルチゾーン マネージド インスタンス グループにデプロイします。L7 ロードバランサーを使用します。

B. バックエンドのインスタンス テンプレートを作成します。リージョンごとに、単一ゾーンのマネージド インスタンス グループにデプロイします。L4 ロードバランサーを使用します。

C. バックエンドのインスタンス テンプレートを作成します。リージョンごとに、マルチゾーン マネージド インスタンス グループにデプロイします。L4 ロードバランサーを使用します。

D. バックエンドのインスタンス テンプレートを作成します。リージョンごとに、単一ゾーンのマネージド インスタンス グループにデプロイします。L7 ロード バランサーを使用します。

A. 既存のデータ ウェアハウスを BigQuery に置き換えます。フェデレーション データ ソースを使用します。

B. 既存のデータ ウェアハウスを 9​​6 個の CPU を備えた Compute Engine インスタンスに置き換えます。

C. 既存のデータ ウェアハウスを 9​​6 個の CPU を備えた Compute Engine インスタンスに置き換えます。32 個の CPU を備えた Compute Engine プリエンプティブ インスタンスを追加します。

D. 既存のデータ ウェアハウスを BigQuery に置き換えます。テーブル パーティション分割を使用します。

A. マスターとは別のゾーンに Cloud SQL インスタンスの赤いレプリカを構成し、REST API の KPI を監視しながらフェイルオーバーを手動でトリガーします。

B. 侵入検知ソフトウェアを仮想マシンに導入して、不正アクセスを検出し、記録します。

C. 災害シミュレーション演習をスケジュールし、その間にゾーン内のすべての VM をシャットオフして、アプリケーションの動作を確認します。

D. セキュリティ会社と連携して、悪意のある Web サイトからユーザーの認証データを検索する Web スクレイピングを実行し、見つかった場合は通知します。

A. ユーザーを管理するために、開発/テスト/ステージング用と本番環境用の 2 つの G Suite アカウントを作成します。
各アカウントには、アプリケーションごとに 1 つのプロジェクトが含まれている必要があります。

B. ユーザーを管理するために 2 つの G Suite アカウントを作成します。1 つはすべての開発アプリケーション用の単一のプロジェクトで、もう 1 つはすべての本番アプリケーション用の単一のプロジェクトです。

C. 単一の G Suite アカウントを作成し、独自のプロジェクト内の各アプリケーションの各ステージでユーザーを管理します。

D. 開発/テスト/ステージング環境用のプロジェクト 1 つと本番環境用のプロジェクト 1 つでユーザーを管理するための単一の G Suite アカウントを作成します。

A. Cloud Armor を統合して、Cloud Storage にアップロードされた分析ファイルへの SQL インジェクション攻撃の可能性を防御します。

B. 単一の MySQL データベースから MySQL クラスターに移行する方法を示したアーキテクチャ図を描きます。

C. 以前のゲームからの 10 TB の分析データを Cloud SQL インスタンスに読み込み、データセット全体に対してテストクエリを実行して、正常に完了することを確認します。

D. 現在のバッチ ETL コードを Cloud Dataflow に移行した場合の影響を評価します。

E. BigQuery でのパフォーマンスを向上させるために、データを非正規化するスキーマ移行プランを作成します。

A. 車両のコンピュータでデータを 1 時間ごとのスナップショットに圧縮し、Google Cloud Storage (GCS) Nearline バケットに保存します。

B. テレメトリ データを、データを圧縮するストリーミング データフロー ジョブにリアルタイムでプッシュし、Cloud Bigtable に保存します。

C. テレメトリ データをリアルタイムでストリーミング データフロー ジョブにプッシュし、データを圧縮して Google BigQuery に保存します。

D. 車両のコンピューターでデータを 1 時間ごとのスナップショットに圧縮し、GCS Coldline バケットに保存します。

A. Cloud Deployment Manager は、Google Cloud リソースの自動化のみをサポートします。

B. Cloud Deployment Manager を使用して、クラウド リソースを完全に削除できます。

C. Cloud Deployment Manager API は将来廃止される可能性があります。

D. Cloud Deployment Manager を実行するには、Google API サービス アカウントが必要です。

E. Cloud Deployment Manager は、会社のエンジニアには馴染みがありません。

F. Cloud Deployment Manager は Python を使用します。