최신 Professional-Cloud-Architect日本語 무료덤프 - Google Certified Professional - Cloud Architect (GCP) (Professional-Cloud-Architect日本語版)

A. バックエンドのインスタンス テンプレートを作成します。リージョンごとに、マルチゾーン マネージド インスタンス グループにデプロイします。L7 ロードバランサーを使用します。

B. バックエンドのインスタンス テンプレートを作成します。リージョンごとに、単一ゾーンのマネージド インスタンス グループにデプロイします。L4 ロードバランサーを使用します。

C. バックエンドのインスタンス テンプレートを作成します。リージョンごとに、マルチゾーン マネージド インスタンス グループにデプロイします。L4 ロードバランサーを使用します。

D. バックエンドのインスタンス テンプレートを作成します。リージョンごとに、単一ゾーンのマネージド インスタンス グループにデプロイします。L7 ロード バランサーを使用します。

A. Dress4Win では、利用可能な最高の RAM 対 CPU 比率を提供するマシン タイプにアプリケーション サーバーを展開することを推奨します。

B. オンプレミスの物理ハードウェア コアと RAM をクラウド内の最も近いマシン タイプにマッピングします。

C. Dress4Win では、利用可能な最小のインスタンスを使用して本番環境にデプロイし、時間の経過とともに監視し、目的のパフォーマンスが達成されるまでマシン タイプをスケールアップすることをお勧めします。

D. アプリケーション サーバー仮想マシンに関連付けられている仮想コアと RAM の数を特定し、それらをクラウド内のカスタム マシン タイプに合わせて調整し、パフォーマンスを監視し、目的のパフォーマンスに達するまでマシン タイプをスケールアップします。

A. Bigtable を使用した Google Container Engine

B. Google Cloud データフロー

C. Google Cloud Dataproc

D. Google BigQuery を使用した Google Compute Engine

A. gcloud を使用して Kubernetes クラスタを作成します。 kubect1 を使用してデプロイメントを作成します。

B. gcloud を使用して Kubernetes クラスタを作成します。Deployment Manager を使用してデプロイメントを作成します。

C. kubect1 を使用して Kubernetes クラスターを作成します。Deployment Manager を使用してデプロイメントを作成します。

D. kubect1 を使用して Kubernetes クラスターを作成します。 kubect1 を使用してデプロイメントを作成します。

A. オブジェクトのバージョン管理

B. バケットロック

C. オブジェクトのライフサイクル管理

D. オブジェクト変更通知

A. Stackdriver Trace を使用してトレース リスト分析を作成します。

B. すべてのプロジェクトで Cloud Identity-Aware Proxy を有効にし、管理者のグループをメンバーとして追加します。

C. Stackdriver Monitoring を使用して、プロジェクトのアクティビティに関するダッシュボードを作成します。

D. GCP Console のアクティビティ ページと Stackdriver Logging を使用して、必要な分析情報を提供します。

A. 新しいコンテナイメージのサービス yaml ファイルを更新します。kubect1 delete service/echoservice と kubect1 create -f <yaml-file> を使用します。

B. kubect1 set image deployment/echo-deployment <new-image> を使用します。

C. 新しいコンテナイメージでデプロイメント yaml ファイルを更新します。kubect1 delete deployment/ echo-deployment と kubect1 create -f <yaml-file> を使用します。

D. Kubernetes クラスターの背後にあるインスタンス グループのローリング更新機能を使用する

A. 既存のユーザーの入力をキャプチャし、リソース使用率が 80% を超えるまでキャプチャしたユーザー負荷を再生します。また、既存のユーザーによるアプリの使用状況に基づいて推定ユーザー数を導き出し、予想される負荷の 200% を処理するのに十分なリソースを展開します。

B. 既存のユーザー入力をキャプチャし、すべてのレイヤーで自動スケールがトリガーされるまで、キャプチャされたユーザー負荷を再生します。同時に、いずれかのゾーンのすべてのリソースを終了します。

C. 合成ランダム ユーザー入力を作成し、少なくとも 1 つのレイヤーで自動スケール ロジックがトリガーされるまで合成負荷を再生し、両方のゾーンでランダム リソースを終了してシステムに「カオス」を導入します。

D. 新しいシステムをより大きなユーザー グループに公開し、すべてのレイヤーで自動スケール ロジックが実行されるまで、毎日グループのサイズを増やします。同時に、両方のゾーンでランダムにリソースを終了します。

A. パッケージの依存関係 (Python と pip) がインストールされた後、ソースをコピーします。

B. requirements.txt から依存関係を削除します。

C. Google Container Engine ノードプールには、より大きなマシンタイプを使用します。

D. Alpine Linux のようなスリム化されたベースイメージを使用します。

E. pip を実行した後、Python を削除します。

A. Cloud Platform Console で永続ディスクのサイズを増やし、Linux で resize2fs コマンドを使用します。

B. 仮想マシンをシャットダウンし、Cloud Platform Console を使用して永続ディスクのサイズを増やしてから、仮想マシンを再起動します。

C. Cloud Platform Console で、永続ディスクのスナップショットを作成し、そのスナップショットを新しい大きなディスクに復元し、古いディスクをアンマウントして新しいディスクをマウントし、データベース サービスを再起動します。

D. Cloud Platform Console で、仮想マシンに接続された新しい永続ディスクを作成し、フォーマットしてマウントし、ファイルを新しいディスクに移動するようにデータベース サービスを構成します。

E. Cloud Platform Console で永続ディスクのサイズを増やし、Linux の fdisk コマンドを使用して新しいスペースが使用可能であることを確認します。

A. Google Container Engine クラスタを使用してウェブサイトを提供し、データを永続ディスクに保存します。

B. Google App Engine を使用してウェブサイトを提供し、Google Cloud Datastore を使用してユーザーデータを保存します。

C. マネージド インスタンス グループを使用してウェブサイトを提供し、Google Cloud Bigtable を使用してユーザー データを保存します。

D. 単一の Compute Engine 仮想マシン (VM) を使用して、Google Cloud SQL を基盤とする Web サーバーをホストします。

A. クラウド ビッグテーブル

B. クラウド データストア

C. ビッグクエリ

D. クラウドスパナー

A. RAID10 アレイ内の各仮想マシン (VM) インスタンスに追加の永続ディスク ボリュームをマウントし、LVM を使用して Cloud Storage に送信するスナップショットを作成します。

B. バックアップ場所としてローカル SSD ボリュームをマウントします。バックアップが完了したら、gsutil を使用してバックアップを Google Cloud Storage に移動します。

C. gcloud ツールを使用して永続ディスクのスナップショットを使用して定期的にバックアップを実行するように cron ジョブを構成します。

D. gcsfuse を使用して Google Cloud Storage バケットをインスタンスに直接ボリュームとしてマウントし、mysqldump を使用してマウントされた場所にバックアップを書き込みます。