최신 Professional-Data-Engineer日本語 무료덤프 - Google Certified Professional Data Engineer Exam (Professional-Data-Engineer日本語版)

A. Cloud Bigtable

B. クラウドデータストア

C. クラウドSQL

D. クラウドスパナー

A. CloudBigtableクラスター内のノードの数を増やします

B. Cloud Bigtableに書き込む前に、CoGroupByKeyトランスフォームを使用するようにCloudDataflowパイプラインを変更します

C. ローカル実行を使用するようにCloudDataflowパイプラインを構成します

D. Cloud Bigtableに書き込む前に、Flattenトランスフォームを使用するようにCloudDataflowパイプラインを変更します

E. PipelineOptionsでmaxNumWorkersを設定して、CloudDataflowワーカーの最大数を増やします

A. Cloud Storageをデータウェアハウスシェルスクリプトとして使用して処理し、BigQueryを使用して目的のデータセットに対してビューを作成します

B. BigQueryを使用してデータを取り込み、データを分析してから、クエリを実行してビューを作成します

C. Dataflowを使用して、BigQueryをシンクとしてプログラムでロングテールとアウトバーのデータポイントを識別します

D. Cloud Composerを使用してロングテールと外れ値のデータポイントを特定し、使用可能なデータセットをBigQueryに出力します

A. [0、0、0、1、0、0、1]

B. [0、1]

C. [0、5、0、0、0、0]

D. [1、0、0、0、0、0、0]

A. Sideinputの代わりにCoGroupByKeyを使用する

B. エラーをスローしたレコードを再試行します

C. バッチサイズを小さくします

D. 圧縮されたAvroファイルに切り替えます

A. Dataflow を使用してすべてのデータを前処理します。予測時には、入力データにそれ以上の変換を指定せずに、BigOuery の ML.EVALUATE 句を使用します。

B. モデルを作成するときは、BigQuery の TRANSFORM 句を使用して前処理ステップを定義します。予測をリクエストする前に、保存されたクエリを使用して生の入力データを変換し、その後 ML を使用します。
評価する

C. BigOuery を使用して前処理ロジックを定義します。モデルを作成するときは、ビューをモデル トレーニング データとして使用します。予測時には、生の入力データに対する変換を指定せずに、BigQuery の ML EVALUATE 句を使用します。

D. モデルを作成するときは、BigQuery の TRANSFORM 句を使用して前処理の停止を定義します。予測時には、生の入力データに対する変換を指定せずに、BigQuery の ML.EVALUATE 句を使用します。

A. 各データアナリストのプロジェクトでデータアクセスログを有効にします。 CloudIAMロールを介したStackdriverLoggingへのアクセスを制限します。

B. プロジェクトレベルのエクスポートシンクを介して、監査ログ用に新しく作成されたプロジェクトのCloudStorageバケットにデータアクセスログをエクスポートします。エクスポートされたログを使用して、プロジェクトへのアクセスを制限します。

C. 集約されたエクスポートシンクを介して、監査ログ用に新しく作成されたプロジェクトのCloudStorageバケットにデータアクセスログをエクスポートします。エクスポートされたログを含むプロジェクトへのアクセスを制限します。

D. プロジェクトレベルのエクスポートシンクを介して、データアナリストのプロジェクトのクラウドストレージバケットにデータアクセスログをエクスポートします。 CloudStorageバケットへのアクセスを制限します。

A. 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。

B. 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。

C. 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。

D. 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。

A. BigQueryに読み込まれたCSVデータにはCSVのフラグが付けられていません。

B. BigQueryに読み込まれたCSVデータは、BigQueryのデフォルトのエンコーディングを使用していません。

C. CSVデータに、インポート時にスキップされた無効な行があります。

D. CSVデータはBigQueryに読み込まれる前にETLフェーズを通過していません。

A. 最大ワーカー数を増やす

B. CloudDataflowワーカーに大きなインスタンスタイプを使用する

C. 新しいデータのバッファーとして機能する一時テーブルをCloudBigtableに作成します。パイプラインに新しいステップを作成して最初にこのテーブルに書き込み、次にCloudBigtableからBigQueryに書き込むための新しいパイプラインを作成します

D. 新しいデータのバッファーとして機能する一時テーブルをCloudSpannerに作成します。パイプラインに新しいステップを作成して最初にこのテーブルに書き込み、次にCloudSpannerからBigQueryに書き込む新しいパイプラインを作成します

E. CloudDataflowパイプラインのゾーンを変更してus-central1で実行する

A. トランザクションデータの毎日のスナップショットをCloud Storageにコピーし、Avroファイルとして保存します。クエリを実行するには、外部データソースに対するBigQueryのサポートを使用します。

B. 可能な限りデータを非正規化します。

C. データの構造を可能な限り維持します。

D. BigQuery UPDATEを使用して、データセットのサイズをさらに縮小します。

E. ステータスの更新が更新される代わりにBigQueryに追加されるデータパイプラインを開発します。

A. PubSub KafkaコネクターをオンプレミスのKafkaクラスターにデプロイし、PubSubをソースコネクターとして構成します。 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. GCEVMインスタンスにKafkaクラスターをデプロイします。 GCEで実行されているクラスターにトピックをミラーリングするようにオンプレミスクラスターを構成します。 DataprocクラスターまたはDataflowジョブを使用して、Kafkaから読み取り、GCSに書き込みます。

C. PubSub KafkaコネクターをオンプレミスのKafkaクラスターにデプロイし、PubSubをシンクコネクターとして構成します。 Dataflowジョブを使用して、PubSubから読み取り、GCSに書き込みます。

D. シンクコネクタとして構成されたPubSubKafkaコネクタを使用してGCEVMインスタンスにKafkaクラスタをデプロイします。 Dataprocクラスターまたは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. Cloud Dataprocでジョブテンプレートを記述して、データ転送を実行します。

B. FTPサーバーをCompute Engine VMにインストールしてファイルを受信し、クラウドストレージに移動します。

C. Cloud Dataflowを使用して、データをCloudStorageに書き込みます。

D. オンプレミスサーバーからgsutilrsyncを実行します。