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）1 単一の Dataplex 仮想レイクを作成し、ランディング データ、生データ、キュレーションされたデータを格納する単一のゾーンを作成します。
2 各データ エンジニアリング チームに仮想レイクへのアクセス権を付与します。

（B）1 データ製品ごとに Dataplex 仮想レイクを作成し、ランディング データ、生データ、キュレーションされたデータを格納する単一のゾーンを作成します。
2. データ エンジニアリング チームに、データ製品に割り当てられた仮想レイクへのフル アクセス権を付与します。

（C）1 単一の Dataplex 仮想レイクを作成し、ランディング データ、生データ、キュレーションされたデータを格納する単一のゾーンを作成します。 2 ゾーン内の各データ製品ごとに個別のアセットを構築します。
3. ゾーン レベルでデータ エンジニアリング チームに権限を割り当てます。

（D）1 データ製品ごとに Dataplex 仮想レイクを作成し、ランディング データ、生データ、キュレーション データ用の複数のゾーンを作成します。
2. データ エンジニアリング チームに、データ製品に割り当てられた仮想レイクへのフル アクセス権を付与します。

（A）パーティション列とクラスタリング列を使用してテーブルを再作成します。

（B）課金対象となるバイト数を制限には、bq クエリ -maximum_bytes_billed フラグを使用します。

（C）IDごとに個別のテーブルを作成します。

（D）返される行数を減らすには、LIMIT キーワードを使用します。

（A）ワークフロー パイプラインに Dataflow を使用します。シェル スクリプトを使用してワークフローをスケジュールします。

（B）共有 VPC 構成で Cloud Composer を使用します。Cloud Composer リソースをホスト プロジェクトに配置します。

（C）共有 VPC 構成で Cloud Composer を使用します。Cloud Composer リソースをサービス プロジェクトに配置します。

（D）ワークフロー パイプラインには Dataflow を使用します。スケジュール設定には Cloud Run トリガーを使用します。

（A）連続 1 つとカテゴリ 2 つ

（B）連続 2 つとカテゴリ 1 つ

（C）3 カテゴリ

（D）3連続

（A）豚

（B）糸

（C）スパーク

（D）ハイブ

（A）データが存在する同じデータセット内の各チームに承認済みビューを作成し、承認済みビューへのデータ閲覧者アクセス権をユーザー/グループに割り当てます。

（B）各チーム用に作成されたデータセットに各チームの承認済みビューを作成します。承認済みビューに、データが存在するデータセットへのデータ閲覧者アクセス権を割り当てます。承認済みビューが存在するデータセットへのデータ閲覧者アクセス権をユーザー/グループに割り当てます。

（C）各テーブルに対してテーブルレベルでユーザー/グループにデータ閲覧権限を割り当てます。

（D）データが存在する同じデータセット内の各チームのSQLビューを作成し、ユーザー/グループにSQLビューへのデータ閲覧者アクセス権を割り当てます。

（A）有効期間の長い署名付き URL を生成して、残りのファイル用の新しい TSV ファイルを作成します。TSV ファイルを複数の小さなファイルに分割し、個別の Storage Transfer Service ジョブとして並行して送信します。

（B）HTTPS エンドポイントの TLS 証明書を更新します。TSV ファイルから完了したファイルを削除し、Storage Transfer Service ジョブを再実行します。

（C）Cloud Storage FUSE を設定し、Cloud Storage バケットを Compute Engine インスタンスにマウントします。TSV ファイルから完了したファイルを削除します。シェル スクリプトを使用して TSV ファイルを反復処理し、残りの URL を FUSE マウント ポイントにダウンロードします。

（D）TSV ファイル内のファイル チェックサムを MD5 から SHA256 に更新します。TSV ファイルから完了したファイルを削除し、Storage Transfer Service ジョブを再実行します。

（A）蓄積されたデータを 2 分ごとに読み込むようにアプリケーションを書き直します。

（B）ストリーミング挿入コードを個々のメッセージのバッチ ロードに変換します。

（C）ストリーミング挿入後のデータ可用性の平均待ち時間を見積もり、常に 2 倍の時間待機してからクエリを実行します。

（D）元のメッセージを Google Cloud SQL に読み込み、ストリーミング挿入を介して 1 時間ごとにテーブルを BigQuery にエクスポートします。

（A）BigQuery 機械学習を使用してモデルを大規模にトレーニングし、パッケージをバッチで分析できるようにします。

（B）画像のコーパスで AutoML モデルをトレーニングし、そのモデルを中心に API を構築して、パッケージ追跡アプリケーションと統合します。

（C）Cloud Vision API を使用して損傷を検出し、Cloud Functions を通じてアラートを発します。この機能にパッケージ追跡アプリケーションを統合します。

（D）TensorFlow を使用して、画像のコーパスでトレーニングされたモデルを作成します。このモデルを使用する Python ノートブックを Cloud Datalab に作成して、破損したパッケージを分析できるようにします。

（A）キャンセル オプションを使用して Cloud Dataflow パイプラインを停止します。更新されたコードで新しい Cloud Dataflow ジョブを作成します。

（B）ドレイン オプションを使用して Cloud Dataflow パイプラインを停止します。更新されたコードで新しい Cloud Dataflow ジョブを作成します。

（C）--jobName を新しい一意のジョブ名に設定して --update オプションを渡すことで、Cloud Dataflow パイプラインをインフライトで更新します。

（D）--jobName を既存のジョブ名に設定して --update オプションを渡すことで、Cloud Dataflow パイプラインをインフライトで更新します。

（A）コード内で TableReference: オブジェクトを指定します。

（B）Google BigQuery TableSchema クラスと TableFieldSchema クラスの両方を使用します。

（C）.fromQuery 操作を使用して、テーブルから特定のフィールドを読み取ります。

（D）TableRow オブジェクトを返す変換を呼び出します。PCollexction 内の各要素はテーブル内の 1 つの行を表します。

（A）データが常に暗号化されていることを確認します。

（B）特定のテーブルへの書き込みを無効にします。

（C）ロールによってテーブルへのアクセスを制限します。

（D）複数のテーブルまたはデータベースにわたってデータを分離します。

（E）BigQuery API アクセスを承認されたユーザーに制限します。

（F）Google Stackdriver Audit Logging を使用してポリシー違反を判断します。

（A）実稼働環境の Memorystore for Redis インスタンスに対して、データ損失が制限されたデータ保護モードを使用して手動のテーラーオーバーを開始します。

（B）実稼働環境の Redis インスタンスにレプリカを 1 つ増やします。force-data-loss データ保護モードを使用して手動フェイルオーバーを開始します。

（C）開発環境で Standard Tier Memorystore for Redis インスタンスを作成します。force-data-loss データ保護モードを使用して手動フェイルオーバーを開始します。

（D）開発環境で Standard Tier Memorystore for Redis インスタンスを作成します。データ損失が制限されたデータ保護モードを使用して手動フェイルオーバーを開始します。

（A）時間に基づいてトリガーする

（B）要素数に基づいてトリガーする

（C）他のトリガーとの組み合わせであるトリガー

（D）要素のサイズ（バイト単位）に基づいてトリガーします。

（A）プライベート可視性を持つ「gdpr」タグ テンプレートを作成します。機密データを含むテーブルの HR グループに bigquery -dataViewer ロールを割り当てます。

（B）公開可能な「gdpr」タグ テンプレートを作成します。このタグの datacatalog. tagTemplateViewer ロールを全従業員グループに割り当て、機密データを含むテーブルの HR グループに bijquery.dataViewer ロールを割り当てます。

（C）公開可能な「gdpr」タグ テンプレートを作成します。機密データを含むテーブルの HR グループに bigquery.dataViewer ロールを割り当てます。

（D）プライベート可視性を持つ「~gdpr」タグ テンプレートを作成します。このタグの datacatalog.tagTemplateViewer ロールをすべての従業員グループに割り当て、機密データを含むテーブルの HR グループに bigquery.dataViewer ロールを割り当てます。

（A）移行には gsutil、リアルタイム更新には Pub/Sub と Dataflow

（B）移行には BigQuery Data Transfer Service、リアルタイム更新には Pub/Sub と Dataproc を使用します

（C）移行にはストレージ転送サービス、リアルタイム更新には Pub/Sub と Cloud Data Fusion を使用します。

（D）移行とリアルタイム更新の両方に gsutil を使用します

（A）ソースのインスタンス/ストレージ/使用済みバイト数の増加と、宛先のサブスクリプション/未配信メッセージ数の変化率の減少に基づくアラート

（B）ソースの subscription/num_undelivered_messages の増加と、宛先の instance/storage/used_bytes の変化率の減少に基づくアラート

（C）ソースの subscription/num_undelivered_messages の減少と、宛先の instance/storage/used_bytes の変化率の増加に基づくアラート

（D）ソースのインスタンス/ストレージ/使用済みバイト数の減少と、宛先のサブスクリプション/未配信メッセージ数の変化率の増加に基づくアラート