Professional-Cloud-Architect日本語 無料問題集「Google Certified Professional - Cloud Architect (GCP) (Professional-Cloud-Architect日本語版)」

（A）デバッグ VM をイメージにエクスポートし、そのイメージをローカル サーバーで実行すると、カーネル ログ メッセージがネイティブ スクリーンに表示されます。

（B）gcloud または Cloud Console を使用してシリアル コンソールに接続し、ログを確認します。

（C）API または Cloud Console を使用してデバッグ GCE アクティビティ ログを読み取ります。

（D）障害時間に合わせて Google Stackdriver タイムラインを調整し、バッチ サーバーのメトリックを観察します。

（E）Stackdriver Logging を使用してモジュールのログエントリを検索します。

（F）アクティビティ ログを使用して、障害が発生したサーバーのライブ マイグレーション イベントが発生したかどうかを識別します。

（A）アジアからの総訪問数、エラー率、レイテンシ

（B）アジアのユーザーの総訪問数と平均待ち時間

（C）データベースに存在する文字セットの数

（D）米国とアジアのレイテンシーの違い

（E）アジアからのリクエストのエラー率

（A）Google Kubernetes エンジン

（B）アプリエンジン

（C）GKE オンプレミス

（D）コンピューティングエンジン

（A）* ファイル本体にメタデータを追加します。
* 個々のファイルを圧縮します。
* ランダムなプレフィックスパターンを使用してファイルに名前を付けます。
* ファイルを1つのバケットに保存する

（B）* ファイル本体にメタデータを追加します。
* 個々のファイルを圧縮します。
* ファイル名は serverName-Timestamp で指定します。
* バケットが 1 時間以上経過している場合は新しいバケットを作成し、個々のファイルを新しいバケットに保存します。
それ以外の場合は、ファイルを既存のバケットに保存します

（C）* メタデータ用の単一のマニフェスト ファイルを使用して、10,000 イベントごとにバッチ処理します。
* イベント ファイルとマニフェスト ファイルを 1 つのアーカイブ ファイルに圧縮します。
* serverName-EventSequence を使用してファイルに名前を付けます。
* バケットが 1 日以上経過している場合は新しいバケットを作成し、単一のアーカイブ ファイルを新しいバケットに保存します。
それ以外の場合は、単一のアーカイブ ファイルを既存のバケットに保存します。

（D）* 個々のファイルを圧縮します。
* ファイル名は serverName-EventSequence で指定します。
* ファイルを1つのバケットに保存する
* 保存後に各オブジェクトのカスタム メタデータ ヘッダーを設定します。

（A）Google Compute Engine と Cloud Deployment Manager

（B）Google Container Engine と Cloud Load Balancing

（C）Google Container Engine、Jenkins、Helm

（D）Google Compute Engine、Jenkins、クラウド負荷分散

（A）同じプロジェクトと VPC にこれらの 2 つの関数を作成します。func_query が内部トラフィックのみを受け入れるようにします。func_query のイングレス ファイアウォールを作成して、func_display からのトラフィックのみを許可します。また、両方の関数が同じサービス アカウントを使用していることを確認します。

（B）func_query を「認証が必要」にします。一意のサービス アカウントを作成し、それを func_display に関連付けます。サービス アカウントに func_query の呼び出し元ロールを付与します。func_display に ID トークンを作成し、func_query を呼び出すときにそのトークンをリクエストに含めます。

（C）トークンを作成し、それを環境変数として func_display に渡します。func_query を呼び出すときに、リクエストにトークンを含めます。同じトークンを func _query に渡し、トークンが異なる場合は呼び出しを拒否します。

（D）func _query を「認証が必要」にして、内部トラフィックのみを受け入れます。同じ VPC にこれらの 2 つの関数を作成します。func_query のイングレス ファイアウォール ルールを作成して、func_display からのトラフィックのみを許可します。

（A）

（B）

（C）

（D）

（A）VM の外側にある別のストレージ層。このタスクには適していません。

（B）長距離での操作には適さないコピーコマンド

（C）オンプレミス インフラストラクチャと GCP 間の複雑なインターネット接続

（D）スループットを制限する単一のVPNトンネル

（E）GCP 内の仮想マシン (VM) の数はオンプレミスのマシンの数より少ない

（F）このタスクに適さない Google Cloud Storage の階層

（A）各リージョンでクラスタを起動して生データを前処理および圧縮し、データをリージョンバケットに移動し、Cloud Dataproc クラスタを使用してジョブを完了します。

（B）すべてのデータを 1 つのゾーンに移動し、Cloud Dataproc クラスタを起動してジョブを実行します。

（C）各リージョンでクラスタを起動して生データを前処理および圧縮し、データをマルチリージョン バケットに移動して、Dataproc クラスタを使用してジョブを完了します。

（D）すべてのデータを 1 つのリージョンに移動し、Google Cloud Dataproc クラスタを起動してジョブを実行します。

（A）GCP Console で、Stackdriver Logging に移動します。Kubernetes Engine と Cloud SQL のログを確認します。

（B）GCP Console で、Cloud SQL に移動します。最新のバックアップを復元します。kubect1 を使用してすべてのポッドを再起動します。

（C）Cloud SQL プロキシ コンテナで使用されるサービス アカウントに、Cloud Build 編集者のロールがまだ付与されていることを確認します。

（D）gcloud sql instance restart を使用します。

（A）Kubernetes Engine は共有ホスティングと見なされるため、PCI DSS では使用できません。

（B）Google Cloud Platform は PCI 準拠の認定を受けているため、すべての Google Cloud サービスが使用可能です。

（C）App Engine は、GCP 上で PCI DSS ホスティングの認定を受けている唯一のコンピューティング プラットフォームです。

（D）Kubernetes Engine と GCP は、PCI DSS 準拠の環境を構築するために必要なツールを提供します。

（A）すべてのユーザーをグループに追加します。課金プロジェクトでは BigQuery ユーザーのロール、データを含むプロジェクトでは BigQuery データ ビューアーのロールをグループに付与します。

（B）すべてのユーザーをグループに追加します。課金プロジェクトでは BigQuery dataViewer の役割、データを含むプロジェクトでは BigQuery jobUser の役割をグループに付与します。

（C）すべてのユーザーをグループに追加します。課金プロジェクトでは BigQuery データ ビューアーの役割、データを含むプロジェクトでは BigQuery ユーザーの役割をグループに付与します。

（D）すべてのユーザーをグループに追加します。課金プロジェクトでは BigQuery jobUser の役割、データを含むプロジェクトでは BigQuery dataViewer の役割をグループに付与します。

（A）Python 用の最新の BigQuery API クライアント ライブラリをインストールします。

（B）gcloud components install bq コマンドを使用して、gccloud の bq コンポーネントをインストールします。

（C）BigQuery アクセス権を持つ新しいサービス アカウントを作成し、そのユーザーでスクリプトを実行します。

（D）BigQuery アクセス スコープを有効にした新しい仮想マシンでスクリプトを実行します。

（A）Fastly の名前付き IP リストを使用して、外部ロードバランサに Cloud Armor セキュリティ ポリシーを適用します。

（B）Fastly が公開した IP アドレスを使用して、外部ロードバランサーに Cloud Armor セキュリティ ポリシーを適用します。C. Fastly IP アドレス範囲のポート 443 に VPC ファイアウォール ルールを適用します。

（C）scurceiplisr-fasrly タグが付けられたネットワーク リソースのポート 443 に VPC ファイアウォール ルールを適用します。

（A）Cloud SQL を使用して MySQL を置き換え、Cloud Spanner を使用して履歴データのクエリを実行します。

（B）時系列データには Cloud SQL を使用し、履歴データクエリには Cloud Bigtable を使用します。

（C）時系列データには Cloud Bigtable を使用し、トランザクション データには Cloud Spanner を使用し、履歴データ クエリには BigQuery を使用します。

（D）Cloud Bigtable を使用して MySQL を置き換え、BigQuery を使用して履歴データのクエリを実行します。

（A）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

（B）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

（C）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

（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）gcloud コマンドを使用して、業務時間外に開発インスタンスと承認インスタンスのマシンタイプをより小さいマシンタイプに変更するシェル スクリプトを作成します。タスクを自動化するには、本番インスタンスの 1 つでシェル スクリプトをスケジュールします。

（B）Cloud Scheduler を使用して、業務時間後に開発環境と受け入れ環境を停止し、業務時間直前に開始する Cloud Functions 関数をトリガーします。

（C）開発アプリケーションと承認アプリケーションを管理対象インスタンス グループにデプロイし、自動スケーリングを有効にします。

（D）本番環境では通常の Compute Engine インスタンスを使用し、受け入れ環境と開発環境ではプリエンプティブル VM を使用します。

（A）プロジェクトで Cloud Trace API を有効にし、Cloud Monitoring Alerts を使用して Cloud Trace 指標に基づいてアラートを送信します。

（B）クラスタで Anthos Config Management を構成し、クラスタにデプロイする SLO とアラート ポリシーを定義する yaml ファイルを作成します。

（C）Cloud Profiler を使用してリクエストのレイテンシを追跡します。Cloud Profiler の結果に基づいて Cloud Monitoring でカスタム指標を作成し、この指標がしきい値を超えた場合に備えてアラート ポリシーを作成します。

（D）クラスタに Anthos Service Mesh をインストールします。Google Cloud Console を使用してサービスレベル目標 (SLO) を定義します。

（A）BigQuery のデータに対して SQL ステートメントを作成し、ビューとして保存します。ビューを毎日実行し、結果を新しいテーブルに保存します。

（B）BigQuery からデータを読み取ってクリーンアップする Cloud Function を作成します。これをトリガーします。Compute Engine インスタンスから Cloud Function をトリガーします。

（C）Cloud Dataprep を使用して、BigQuery テーブルをソースとして構成します。データをクリーンアップする毎日のジョブをスケジュールします。

（D）ストリーミング Cloud Dataflow ジョブを設定し、取り込みプロセスでデータを受け取ります。Cloud Dataflow パイプラインでデータをクリーンアップします。