최신 Professional-Data-Engineer日本語 무료덤프 - Google Certified Professional Data Engineer Exam (Professional-Data-Engineer日本語版)

A. ソースAPI

B. パルド

C. シンクAPI

D. データ抽出

A. GPUハードウェアアクセラレータを備えたVMを使用してモデルをトレーニングする

B. TPUハードウェアアクセラレータを備えたVMを使用してモデルをトレーニングする

C. VMタイプをe2 standard-32に変更します

D. VMタイプをn2-highmem-32に変更します

A. テーブルのスキーマが正しく設計されていません。

B. ネットワーク接続に問題があります。

C. ワークロードは Cloud Bigtable に適していません。

D. Cloud Bigtable クラスタのノードが多すぎます。

A. 既存のデータが日ごとに別々のファイルに保存されている場合は、パーティション テーブルを作成し、各ファイルを適切なパーティションにアップロードします。

B. ORDER BY を使用してテーブルの行を時系列順に並べ、テーブルの種類を「パーティション化」に変更します。

C. クエリを実行して、既存のテーブルから特定の日付のレコードを取得し、宛先テーブルには、日付が「$YYYYMMDD」の形式で終わるパーティション テーブルを指定します。

D. パーティション化されたテーブルを作成し、毎日新しいレコードをそこにストリーミングします。

A. 新しい BigOuery データセットを作成し、ストリーミング挿入を使用して複数のベンダーからデータを取得します。BigQuery ML モデルを構成して、「取り込み」データセットをトレーニング データとして使用します。

B. BigQuery ストリーミング挿入を使用して、BigQuery データセット ML モデルがデプロイされている複数のベンダーからデータを取得します。

C. Pub'Sub トピックを作成し、すべてのベンダー データをそのトピックに送信します。トピックに Cloud Functions を接続してデータを処理して BigQuery に保存します。

D. Pub/Sub トピックを作成し、すべてのベンダー データをそのトピックに送信します。Dataflow を使用して Pub/Sub データを処理およびサニタイズし、BigQuery にストリーミングします。

A. 60 分間の固定時間ウィンドウを使用します。

B. 60 分の遅延を持つ時間ベースのトリガーを持つグローバル ウィンドウを使用します。

C. ギャップ時間が 60 分のセッション ウィンドウを使用します。

D. 期間が 60 分のスライディング タイム ウィンドウを使用します。

A. 標準SQLを使用してイベントの新しいビューを作成する

B. 標準SQLクエリを使用して新しいパーティションテーブルを作成します

C. 認証に使用するODBC接続のサービスアカウントを作成します

D. 標準SQLを使用してevents_partitionedの新しいビューを作成します。

E. ODBC 接続と共有「イベント」用の Google Cloud Identity and Access Management（Cloud IAM）ロールを作成します。

A. スキーマを同じに保ち、すべてのテーブルを結合するビューを作成し、常にビューをクエリします。

B. 著者の名、姓、生年月日など、各属性の列を含む幅の広いテーブルを作成します。

C. スキーマを同じままにして、本と各属性の異なるテーブルを維持し、今日と同じようにクエリを実行します。

D. 書籍と著者に関する情報を含むテーブルを作成しますが、著者フィールドを著者列内にネストします。

A. gcloud kms keys create を使用して対称鍵を作成します。次に、gcloud kms encrypt を使用して、各アーカイブ ファイルを鍵で暗号化します。gsutil cp を使用して、暗号化された各ファイルを Cloud Storage バケットにアップロードします。暗号化に使用した鍵を手動で破棄し、鍵を 1 回ローテーションして、鍵を 1 回ローテーションします。

B. gcloud kms keys create を使用して対称鍵を作成します。次に、gcloud kms encrypt を使用して、鍵と一意の追加認証データ (AAD) を使用して各アーカイブ ファイルを暗号化します。gsutil cp を使用して、暗号化された各ファイルを Cloud Storage バケットにアップロードし、AAD を Google Cloud の外部に保持します。

C. .boto 構成ファイルで顧客指定の暗号鍵 (CSEK) を指定します。gsutil cp を使用して、各アーカイブ ファイルを Cloud Storage バケットにアップロードします。CSEK をシークレットの永続ストレージとして Cloud Memorystore に保存します。

D. .boto 構成ファイルで顧客指定の暗号化キー (CSEK) を指定します。gsutil cp を使用して、各アーカイブ ファイルを Cloud Storage バケットにアップロードします。セキュリティ チームだけがアクセスできる別のプロジェクトに CSEK を保存します。

A. Cloud Bigtable に書き込む前に Flatten 変換を使用するように Cloud Dataflow パイプラインを変更します。

B. ローカル実行を使用するように Cloud Dataflow パイプラインを構成する

C. PipelineOptions で maxNumWorkers を設定して、Cloud Dataflow ワーカーの最大数を増やします。

D. Cloud Bigtable クラスタ内のノード数を増やす

E. Cloud Bigtable に書き込む前に CoGroupByKey 変換を使用するように Cloud Dataflow パイプラインを変更します。

A. プリエンプティブワーカーはデータを保存できません。

B. プリエンプティブ ワーカーが再利用された場合は、代わりのワーカーを手動で追加する必要があります。

C. Dataproc クラスタにはプリエンプティブ ワーカーのみを含めることはできません。

D. プリエンプティブワーカーは永続ディスクを使用できません。

A. Cloud Dataflow を使用して、データを Cloud Storage に書き込みます。

B. データ転送を実行するためのジョブ テンプレートを Cloud Dataproc に記述します。

C. オンプレミス サーバーから gsutil rsync を実行します。

D. Compute Engine VM に FTP サーバーをインストールして、ファイルを受信して​​ Cloud Storage に移動します。

A. BigQuery データセットをリージョン別に設定します。スケジュールされたクエリを作成して、バックアップの時刻を末尾に付けたテーブルにデータのコピーを作成します。緊急時には、テーブルのバックアップ コピーを使用します。

B. BigQuery データセットをリージョン別に設定します。緊急時には、ポイントインタイム スナップショットを使用してデータを回復します。

C. BigQuery データセットをマルチリージョンに設定します。スケジュールされたクエリを作成して、バックアップの時刻を末尾に付けたテーブルにデータのコピーを作成します。緊急時には、テーブルのバックアップ コピーを使用します。

D. BigQuery データセットをマルチリージョンに設定します。緊急時には、ポイントインタイム スナップショットを使用してデータを回復します。