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）Cloud Dataproc, Cloud Dataflow, BigQuery

（B）Cloud Dataflow, Cloud SQL, Cloud Spanner

（C）Cloud Pub/Sub, Cloud Dataproc, Cloud SQL

（D）Cloud Pub/Sub, Cloud Storage, BigQuery

（A）ジョブを送信します。

（B）ジョブを一覧表示します。

（C）クラスターを削除します。

（D）クラスターを作成します。

（A）北米のプライマリクラスターとアジアとヨーロッパのセカンダリクラスターでCloudBigtableを実装します。

（B）NorhtAmericaでマスターを使用してCloudSQL for PostgreSQLを実装し、アジアとヨーロッパでレプリカを読み取ります。

（C）北米のリーダーとアジアとヨーロッパの読み取り専用レプリカでCloudSpannerを実装します。

（D）ストレージまたは処理用にリージョンを選択せず​​にBigQueryを実装します。

（A）トレーニング データセットのサイズを減らし、入力フィーチャの数を減らします。

（B）トレーニング データセットのサイズを増やし、入力フィーチャの数を減らします。

（C）トレーニング データセットのサイズを減らし、入力特徴の数を増やします。

（D）トレーニング データセットのサイズを増やし、入力フィーチャの数を増やします。

（A）各テーブルのIDおよびアクセス管理IIAM）ポリシーを取得します

（B）Google Cloud Billing APIを使用して、ウェアハウスに請求されているアカウントを確認します。

（C）Stackdriver Monitoringを使用して、BigQueryクエリスロットの使用状況を確認します。

（D）GoogleStackdriver監査ログを使用してデータアクセスを確認します。

（A）2 つのリージョン Cloud Storage バケットを採用し、両方のバケットに出力を書き込むようにアプリケーションを更新します。

（B）アーキテクチャにマルチリージョンの Cloud Storage バケットを採用します。

（C）デュアルリージョンの Cloud Storage バケットを採用し、アーキテクチャでターボ レプリケーションを有効にします。

（D）2 つのリージョン Cloud Storage バケットを採用し、一方のバケットからもう一方のバケットにコピーする毎日のタスクを作成します。

（A）パイプラインの作成時にジョブが失敗するグローバルウィンドウ関数が適用されていません

（B）遅れて来るデータに対応するためのトリガーを設定していないため、ジョブが失敗します

（C）パイプラインの作成時にジョブが失敗する非グローバルウィンドウ関数が適用されていません

（D）タイムスタンプが割り当てられていないため、ジョブが失敗します

（A）クラウド関数を1時間ごとに実行するようにスケジュールし、Pub / Subトピックからすべての回避可能なメッセージをプルして、必要な集計を実行します

（B）ストリーミングDataflowジョブを作成して、Pub / Subトピックから継続的に読み取り、タンブリングウィンドウを使用して必要な集計を実行します

（C）バッチDataflowジョブを1時間ごとに実行するようにスケジュールし、Pub-Subトピックから利用可能なすべてのメッセージをプルして、必要な集計を実行します

（D）新しいメッセージがトピックに公開されるたびにPub/Subトリガーを使用して実行される必要なデータ処理を実行するクラウド関数を作成します。

（A）行全体でアトミック性を必要とするスキーマ設計は避けてください

（B）NoSQLの概念に基づくスキーマ設計は避けてください

（C）リレーショナルデータベース設計に基づくスキーマ設計を作成する

（D）行全体でアトミック性を必要とするスキーマ設計を作成する

（A）Storage Transfer Service を使用して、AWS S3 バケットから Cloud Storage バケットにデータをコピーします。Cloud Storage データに対して外部テーブルを作成し、BigQuery を使用して直接データをクエリします。

（B）AWS S3 バケット データへの BigQuery Omni 接続を設定し、Cloud Storage および S3 データ上に BigLake テーブルを作成し、BigQuery を使用して直接データをクエリします。

（C）AWS S3 バケット データへの BigQuery Omni 接続を設定します。Cloud Storage および S3 データ上に外部テーブルを作成し、BigQuery を使用して直接データをクエリします。

（D）Storage Transfer Service を使用して、AWS S3 バケットから Cloud Storage バケットにデータをコピーします。Cloud Storage データ上に BigLake テーブルを作成し、BigQuery を使用して直接データをクエリします。

（A）標準SQLを使用してイベントの新しいビューを作成します

（B）標準SQLを使用してevents_partitionedの新しいビューを作成します

（C）認証に使用するODBC接続用のサービスアカウントを作成します

（D）標準の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

（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）BigLake を使用して、現在のソリューションをデータ レイク アーキテクチャに変換します。

（B）BigOuery を使用してデータ系統を追跡し、Dataprep を使用してデータを管理し、データ品質検証を実行します。

（C）Dataplex を使用して、データの管理、データ系統の追跡、データ品質検証の実行を行います。

（D）新しいソースのオンボーディングとデータリネージの追跡に役立つ新しいデータ検出ツールを Google Kubernetes Engine 上に構築します。

（A）ロケーション別およびdevice_version別のcreate_dateパーティションによるクラスターテーブルデータ

（B）create_dateによるパーティションテーブルデータlocation_Idおよびdevice_versionによるクラスタテーブルデータ

（C）create_date、location_id、device_versionでテーブルデータを分割します

（D）create_datelocation_idおよびdevice_versionによるクラスターテーブルデータ

（A）イベント時間トリガー

（B）遅延を許可する方法

（C）処理時間トリガー

（D）1時間ごとの透かし

（A）Dataflow SQL を使用してデータを正規化するジョブを作成し、ジョブの最初の実行後にパイプラインが繰り返し実行されるようにスケジュールします。

（B）BigQuery と GoogleSQL を使用してデータを正規化し、BigQuery で定期的なクエリをスケジュールします。

（C）Spark ジョブを作成し、Dataproc Serverless に送信します。

（D）Cloud Data Fusion と Wrangler を使用してデータを正規化し、定期的なジョブを設定します。

（A）各チームに Analytics Hub でデータを公開するよう依頼します。他のチームにデータをサブスクライブするよう指示します。

（B）各チームにデータの承認済みビューを作成するように依頼します。各チームに biquery.jobUser ロールを付与します。

（C）BigQuery のスケジュールされたクエリを作成して、すべての顧客データをチーム プロジェクトに複製します。

（D）各チームがプロジェクトでアクセスする必要があるデータのマテリアライズド ビューを作成できるようにします。

（A）SELECT

（B）制限

（C）BETWEEN

（D）WHERE

（A）パターンtracking_table_YYYYMMDDに従って、毎日のシャードテーブルを作成します。

（B）tracking_tableというテーブルを作成し、DATE列を含めます。

（C）日を表すTIMESTAMP列を持つtracking_tableというテーブルを作成します。

（D）tracking_tableというパーティションテーブルを作成し、TIMESTAMP列を含めます。