Professional-Data-Engineer日本語 無料問題集「Google Certified Professional Data Engineer Exam (Professional-Data-Engineer日本語版)」

（A）リージョン内に Cloud SQL インスタンスを作成し、同じリージョン内の Cloud Storage バケットへの自動バックアップを構成します。

（B）あるゾーンに Cloud SQL インスタンスを作成し、別のリージョンのゾーンに外部読み取りレプリカを構成します。

（C）1 つのゾーンに Cloud SQL インスタンスを作成し、同じリージョン内の別のゾーンに読み取りレプリカを作成します。

（D）1 つのゾーンに Cloud SQL インスタンスを作成し、同じリージョン内の別のゾーンにフェイルオーバー レプリカを作成します。

（A）シンクAPI

（B）パルド

（C）ソースAPI

（D）データ抽出

（A）Cloud AutoML 自然言語

（B）クラウド音声テキスト変換 API

（C）クラウド自然言語 API

（D）Dialogflow エンタープライズ エディション

（A）入力値

（B）連続した特徴

（C）重み

（D）偏見

（A）制約/gcp. resourceLocations 組織ポリシー制約を in:eu-locations に設定します。

（B）Terraform を使用してリソースをデプロイし、変数検証ルールを実装して、すべてのリソースのリージョンが europe-west3 リージョンに設定されていることを確認します。

（C）制約/gcp. resourceLocations 組織ポリシー制約を in: europe-west3-locations に設定します。

（D）作成されたすべてのリソースを監視し、europe-west3 リージョン外で作成されたリソースを自動的に破棄する Cloud Functions を作成します。

（A）PubSub Kafka コネクタをオンプレミスの Kafka クラスタにデプロイし、PubSub をソースコネクタとして構成します。Dataflow ジョブを使用して PubSub から読み取り、GCS に書き込みます。

（B）PubSub Kafka コネクタをオンプレミスの Kafka クラスタにデプロイし、PubSub をシンク コネクタとして構成します。Dataflow ジョブを使用して PubSub から読み取り、GCS に書き込みます。

（C）PubSub Kafka コネクタをシンク コネクタとして構成して、GCE VM インスタンスに Kafka クラスタをデプロイします。Dataproc クラスタまたは Dataflow ジョブを使用して、Kafka から読み取り、GCS に書き込みます。

（D）GCE VM インスタンスに Kafka クラスタをデプロイします。オンプレミス クラスタを構成して、GCE で実行されているクラスタにトピックをミラーリングします。Dataproc クラスタまたは Dataflow ジョブを使用して、Kafka から読み取り、GCS に書き込みます。

（A）Dataflow を使用してデータ パイプラインをプロビジョニングし、Cloud Scheduler を使用してジョブを実行します。

（B）Compute Engine の起動スクリプトを使用してコンテナ イメージをプルし、global コマンドを使用してインフラストラクチャをプロビジョニングします。

（C）GKE を使用してコンテナを自動スケーリングし、globud コマンドを使用してインフラストラクチャをプロビジョニングします。

（D）Cloud Build を使用して、Terraform ビルドを使用したジョブをスケジュールし、インフラストラクチャをプロビジョニングして、最新のコンテナ イメージで起動します。

（A）Cloud Logging を使用して、ユーザーまたは下流の消費者がタグ付けされたリソースに対するアクセス権を変更または削除しているかどうかを判断します。

（B）プロジェクトのスロット予約を使用して、十分なクエリ処理能力を確保し、利用可能なスロットを低速のクエリに割り当てることができるようにします。

（C）利用可能な管理リソース チャートを使用して、スロットの使用状況とジョブの経時的なパフォーマンスを確認します。INFORMATION_SCHEMA でクエリを実行して、クエリのパフォーマンスを確認します。

（D）Cloud Monitoring を使用して BigQuery 指標を表示し、特定の割合のスロットが使用されたことを通知するアラートを設定します。

（A）バッチデータパイプラインのみ

（B）上記のいずれでもない

（C）ストリーミングデータパイプラインのみ

（D）バッチデータパイプラインとストリーミングデータパイプラインの両方

（A）新しいCDCレコードと対応する操作タイプをステージングテーブルにリアルタイムで挿入します。

（B）DML INSERT、UPDATE、または DELETE を実行して、レポート テーブル内の各 CDC レコードをリアルタイムで複製します。

（C）新しい CDC レコードと対応する操作タイプをレポート テーブルにリアルタイムで挿入し、マテリアライズド ビューを使用して各一意のレコードの現在のバージョンのみを公開します。

（D）レポートテーブルから古いレコードを定期的に削除する
定期的にDML MERGEを使用して、レポートテーブルでDML INSERT、UPDATE、およびDELETE操作を同時に実行します。

（A）月ごと

（B）週ごと

（C）分単位

（D）時間ごと

（A）データをスプレッドシートにエクスポートし、条件の可能な組み合わせごとに 1 つずつグラフと表のシリーズを作成し、複数のタブに分散します。

（B）現在のデータを調べ、値の選択を可能にする基準フィルターにバインドされた一般化されたグラフと表の小さなセットを作成します。

（C）現在のデータを調べて、条件の可能な組み合わせごとに 1 つずつ、一連​​のグラフと表を作成します。

（D）データをリレーショナル データベース テーブルに読み込み、すべての行をクエリし、各条件でデータを要約し、Google Charts および Visualization API を使用して結果をレンダリングする Google App Engine アプリケーションを作成します。

（A）テーブルをユーザー ID 列でパーティション化し、イベント日付列でクラスター化します。

（B）イベントの日付とユーザー ID 列の両方でテーブルをクラスター化します。

（C）イベント日付列でテーブルをパーティション化し、ユーザー ID 列でテーブルをクラスター化します。

（D）取り込み時間パーティション分割テーブルを作成し、ユーザー ID 列でクラスター化します。

（A）Pub/Sub トピックに投票を書き込み、Cloud Functions でサブスクライブして BigQuery に投票を書き込む

（B）投票を Pub/Sub トポロジに書き込み、Dataflow パイプラインを介して Bigtable と BigQuery の両方に書き込みます。Bigtable にクエリを実行してリアルタイムの結果を取得し、BigQuery にクエリを実行して後で分析します。投票が終了したら、Bigtable インスタンスをシャットダウンします。高可用性 (HA) 構成と複数のリードレプリカを備えた Cloud SQL for PostgreSQL データベースを作成します。

（C）高可用性（HA）構成の Memorystore インスタンスを作成する

（A）コンサルタントにプロジェクトの Cloud Dataflow 開発者ロールを付与します。

（B）コンサルタントにプロジェクトの閲覧者ロールを付与します。

（C）コンサルタントが別のプロジェクトで作業できるように、匿名化されたデータのサンプルを作成します。

（D）サービス アカウントを作成し、コンサルタントがそのアカウントを使用してログオンできるようにします。