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）BigQuery のデフォルトの動作に従って、45 日より古いアプリケーション ログを削除します。

（B）テーブルの有効期限を45日に設定します

（C）BigQuery コマンドライン ツール (bq) を使用して 45 日以上経過したレコードを削除するスクリプトを作成します。

（D）テーブルを時間パーティション分割し、パーティションの有効期限を45日に設定します。

（A）Cloud Key Management Service (Cloud KMS) で新しいキーを生成します。顧客管理のキー オプションを使用してすべてのデータを Cloud Storage に保存し、作成されたキーを選択します。データを復号して BigQuery データセットに保存するための Dataflow パイプラインを設定します。

（B）Cloud KMS にキーをインポートします。顧客管理キー オプションを使用してすべてのデータを Cloud Storage に保存し、作成されたキーを選択します。データを復号して新しい BigQuery データセットに保存するための Dataflow パイプラインを設定します。

（C）Cloud Key Management Service (Cloud KMS) で新しいキーを生成します。顧客管理キーオプションを使用して BigQuery でデータセットを作成し、作成したキーを選択します。

（D）Cloud KMS にキーをインポートします。顧客指定のキー オプションを使用して BigQuery にデータセットを作成し、作成したキーを選択します。

（A）開発ブランチに基づいて Cloud Build トリガーを作成し、新しいコンテナ イメージをビルドして Container Registry に保存します。脆弱性スキャンを利用して、コード テストが成功することを確認します。Cloud Build プロセスの最終ステップとして、開発クラスタに新しいコンテナ イメージをデプロイします。新しいバージョンをデプロイするには、Cloud Build のみがアクセスできることを確認します。

（B）リモート Git リポジトリに、コードをテストし、コードが開発ブランチにプッシュされたときにコンテナをビルドするコミット後フックをインストールします。コミットが成功したら、開発者に新しくビルドされたコンテナ イメージを開発クラスターにデプロイしてもらいます。

（C）各開発者に、開発ブランチにコミットするときにコードをテストし、コンテナをビルドする事前コミット フックをワークステーションにインストールしてもらいます。コミットが成功したら、開発者に新しくビルドされたコンテナ イメージを開発クラスターにデプロイしてもらいます。

（D）開発ブランチに基づいて、コードをテストし、コンテナをビルドして Container Registry に保存する Cloud Build トリガーを作成します。新しいイメージを監視し、開発クラスタに新しいイメージをデプロイするデプロイ パイプラインを作成します。デプロイ ツールのみが新しいバージョンをデプロイできるようにアクセス権を持つようにします。

（A）Cloud SQL、Cloud Storage、Cloud Pub/Sub、Cloud Dataflow

（B）Cloud Dataproc、Cloud Pub/Sub、Cloud SQL、Cloud Dataflow

（C）Cloud Pub/Sub、Compute Engine、Cloud Storage、Cloud Dataproc

（D）Container Engine、Cloud Pub/Sub、Cloud SQL

（E）Cloud Dataflow、Cloud Storage、Cloud Pub/Sub、BigQuery

（A）Google Cloud Dedicated Interconnect を構成します。

（B）追加の VPN 接続を追加し、負荷分散します。

（C）Google Cloud SQL を使用して毎日データベースを復元します。

（D）UDP を使用するようにレプリケーションを構成します。

（E）複製されたトランザクションを Google Cloud Pub/Sub に送信します。

（A）Linux で xinetd サービスとして登録されたシャットダウン スクリプトを作成し、そのサービスを呼び出すように Stackdnver エンドポイント チェックを構成します。

（B）/etc/rc.6.d/ ディレクトリに k99.shutdown という名前のシャットダウン スクリプトを作成します。

（C）Linux で xinetd サービスとして登録されたシャットダウン スクリプトを作成し、gcloud compute instances add-metadata コマンドを使用して、サービス URL を、キーがshutdown-script-url の新しいメタデータ エントリの値として指定します。

（D）シャットダウン スクリプトを作成し、新しい仮想マシン インスタンスを作成するときに、Cloud Platform Console でキー「shutdown-script」を持つ新しいメタデータ エントリの値として使用します。

（A）Google Cloud のストレージ転送サービスを設定して、データセンターから Cloud Storage にデータを送信します。

（B）暗号化された USB デバイスにファイルをエクスポートし、デバイスを Google Cloud に送信して、Cloud Storage へのデータのインポートをリクエストします。

（C）Google Cloud から Transfer Appliances をリクエストし、データをアプライアンスにエクスポートして、アプライアンスを Google Cloud に返します。

（D）1 Gbps リンクを使用している他のユーザーがいないことを確認し、マルチスレッド転送を使用してデータを Cloud Storage にアップロードします。

（A）各層にタグを追加し、必要なトラフィック フローを許可するルートを設定します。

（B）個々の VM にソフトウェア ベースのファイアウォールを設定します。

（C）各層を異なるサブネットワークに追加します。

（D）各層にタグを追加し、必要なトラフィック フローを許可するファイアウォール ルールを設定します。

（A）PCI データを処理するすべての仮想マシン (VM) にラベルを付けることで、監査検出フェーズを合理化します。

（B）クレジットカードデータのみを処理する別のプロジェクトを作成します。

（C）Google BigQuery へのログのエクスポートを有効にし、ACL とビューを使用して監査人と共有されるデータの範囲を指定します。

（D）個別のサブネットワークを作成し、クレジットカード データを処理するコンポーネントを分離します。

（E）トークナイザー サービスを作成し、トークン化されたデータのみを保存します。

（A）Cloud Deployment Manager は Python を使用します。

（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 は、会社のエンジニアには馴染みがありません。

（E）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。

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

（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）kubectl autoscale deploying APP_NAME -max 6 -min 2 -cpu- percent 50 を使用して、Kubernetes の自動スケーリング デプロイメントを構成します。

（B）Kubernetesクラスターを作成するときに、-enable- autoscalingフラグを使用します。

（C）subscription/push_request メトリックに基づいて Kubernetes の自動スケーリングを構成します。

（D）subscription/num_undelivered メッセージ メトリックに基づいて Kubernetes の自動スケーリングを構成します。

（A）標準インスタンスを使用して、Compute Engine に Hadoop クラスタを手動でデプロイします。

（B）プリエンプティブ インスタンスを使用して、Compute Engine に Hadoop クラスタを手動でデプロイします。

（C）標準ワーカー インスタンスを使用して Dataproc クラスタを作成します。

（D）スポット ワーカー インスタンスを使用して Dataproc クラスタを作成します。

（A）クラウド関数

（B）コンピューティングエンジン

（C）Kubernetes エンジン

（D）AppEngine フレキシブル環境

（A）開発およびテスト用のプロジェクトと、ステージングおよび本番用のプロジェクトを作成します。

（B）開発用に 1 つのプロジェクト、ステージング用に 2 つ目、本番用に 3 つ目を作成します。

（C）開発用に 1 つのサブネットワークを作成し、ステージングと本番用に別のサブネットワークを作成します。

（D）開発およびテスト用のネットワークと、ステージングおよび本番環境用のネットワークを作成します。

（A）OpenVPN を使用して、オンプレミス環境と Google Cloud の間に VPN トンネルを構成します。

（B）オンプレミス環境と Google Cloud 間の直接ピアリング接続を構成します。

（C）Cloud VPN を使用して、オンプレミス環境と Google Cloud の間に VPN トンネルを構成します。

（D）オンプレミス環境と Google Cloud の間に Cloud Dedicated Interconnect 接続を構成します。

（A）負荷テスト ツールを使用して、予想される同時ユーザー数とアプリケーションへの合計リクエスト数をシミュレートし、結果を検査します。

（B）開発環境で Cloud Debugger を使用して、さまざまなマイクロサービス間のレイテンシを把握します。

（C）GKE クラスターで自動スケーリングを有効にし、アプリケーション デプロイメントで水平ポッド自動スケーリングを有効にします。アプリケーションに curl リクエストを送信し、自動スケーリングが機能するかどうかを検証します。

（D）すべての Google Cloud リージョン内の複数の GKE クラスタにアプリケーションを複製します。グローバル HTTP (S) ロードバランサを構成して、単一のグローバル IP アドレスを介してさまざまなクラスタを公開します。