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）メッセージの取り込みにはApache Kafkaを使用し、ストリーミング分析にはCloudDataflowを使用します。

（B）メッセージの取り込みにはApache Kafkaを使用し、ストリーミング分析にはCloudDataprocを使用します。

（C）メッセージの取り込みにはCloud Pub / Subを使用し、ストリーミング分析にはCloudDataflowを使用します。

（D）メッセージの取り込みにはCloud Pub / Subを使用し、ストリーミング分析にはCloudDataprocを使用します。

（A）create_dateによるクラスターテーブルデータ、場所によるパーティション、device_version

（B）create_dateによるパーティションテーブルデータtocation_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）MapReduceを使用したPython

（B）Hiveを使用したHiveQL

（C）Pigを使用したPigLatin

（D）MapReduceを使用したJava

（A）教師なし学習

（B）リグレッサー

（C）クラスタリング推定量

（D）分類子

（A）Dataflow Prime を使用し、Right Fitting を有効にしてワーカー リソースを増やします。

（B）パイプライン コードを変更し、融合を防ぐために再シャッフル ステップを導入します。

（C）ジョブを更新してワーカーの最大数を増やします。

（D）垂直自動スケーリングを有効にして、パイプラインがより大きなワーカーを使用できるようにします。

（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）プロジェクト A の VPC の周囲に境界を持つ組織内の VPC Service Controls を構成します。

（B）組織内でプロジェクト A の周囲に境界を持つ VPC Service Controls を構成します。

（C）プロジェクト A にファイアウォール ルールを追加して、プロジェクト A の VPC からのトラフィックのみが許可されるようにします。

（D）ID とアクセス管理の条件を使用して、プロジェクト A のユーザーとサービス アカウントのみがプロジェクト内のリソースにアクセスできるようにします。

（A）レシピをCloud Dataprepテンプレートとしてエクスポートし、CloudSchedulerでジョブを作成します。

（B）App Engine cronジョブを作成して、CloudDataprepジョブの実行をスケジュールします。

（C）CloudDataprepでcronスケジュールを作成します。

（D）CloudDataprepジョブをCloudDataflowテンプレートとしてエクスポートし、CloudComposerジョブに組み込みます。

（A）mySQL

（B）SQL Server

（C）リレーショナル

（D）NoSQL

（A）ユーザーがシステムで実行している同時クエリが多すぎます

（B）[myproject：mydataset.mytable]テーブルのほとんどの行のcountry列の値が同じであるため、データの偏りが発生します

（C）[myproject：mydataset.mytable]テーブルのパーティションが多すぎます

（D）[myproject：mydataset.mytable]テーブルのstateまたはcity列のNULL値が多すぎます

（A）IDごとに個別のテーブルを作成します。

（B）LIMITキーワードを使用して、返される行数を減らします。

（C）bq query--maximum_bytes_billedフラグを使用して、請求されるバイト数を制限します。

（D）パーティショニング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。

（A）最大15分の上限で、指数バックオフを使用してクエリを再試行します。

（B）データの古さを最小限に抑えるために、オンラインに戻るまでクエリを1秒ごとに再試行します。

（C）データベースがオンラインに戻るまで、クエリの頻度を1時間に1回に減らします。

（D）コマンドを発行してデータベースサーバーを再起動します。

（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）ラベル

（B）タイプ

（C）ゾーン

（D）ノード

（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）イベントをCloud Pub / Subに公開するアプリケーションを作成し、JSONイベントペイロードをAvroに変換してCloudStorageとBigQueryにデータを書き込むCloudDataflowパイプラインを作成します。

（B）APIを提供するアプリケーションを作成します。 APIをポーリングし、データをgzip圧縮されたJSONファイルとしてCloudStorageに書き込むツールを作成します。

（C）データを保存するためにCloudSQLデータベースに書き込むアプリケーションを作成します。データベースの定期的なエクスポートを設定して、Cloud Storageに書き込み、BigQueryにロードします。

（D）イベントをCloud Pub / Subに公開するアプリケーションを作成し、Cloud DataprocでSparkジョブを作成して、永続ディスクのHDFSに保存されているJSONデータをAvro形式に変換します。