최신Google Certified Professional Data Engineer Exam (Professional-Data-Engineer日本語版) - Professional-Data-Engineer日本語무료샘플문제
문제1
貴社は、複数のクラウドストレージバケットと、生データおよび処理済みデータを含むBigQueryデータセットに分散したデータ資産を保有しています。要件は、これらの多様なデータストア間で、データの物理的な移動や複製を行うことなく、メタデータの一元的な検出、データ品質の監視、および一貫したセキュリティポリシーの適用を可能にする、統一されたデータガバナンスフレームワークを確立することです。この統合ガバナンスを実現するためのソリューションを実装する必要があります。
あなたはどうすべきですか？
貴社は、複数のクラウドストレージバケットと、生データおよび処理済みデータを含むBigQueryデータセットに分散したデータ資産を保有しています。要件は、これらの多様なデータストア間で、データの物理的な移動や複製を行うことなく、メタデータの一元的な検出、データ品質の監視、および一貫したセキュリティポリシーの適用を可能にする、統一されたデータガバナンスフレームワークを確立することです。この統合ガバナンスを実現するためのソリューションを実装する必要があります。
あなたはどうすべきですか？
정답: B
설명: (ExamPassdump 회원만 볼 수 있음)
문제2
Pub/Sub からデータを読み込み、BigQuery に書き込む Dataflow ストリーミングデータ取り込みパイプラインの新しいバージョンを作成しました。本番環境で実行されている以前のバージョンのパイプラインは、処理に 5 分間の時間枠を使用しています。新しいバージョンのパイプラインを、データの損失、不整合の発生、処理遅延の 10 分以上の増加なしにデプロイする必要があります。どうすればよいですか？
Pub/Sub からデータを読み込み、BigQuery に書き込む Dataflow ストリーミングデータ取り込みパイプラインの新しいバージョンを作成しました。本番環境で実行されている以前のバージョンのパイプラインは、処理に 5 分間の時間枠を使用しています。新しいバージョンのパイプラインを、データの損失、不整合の発生、処理遅延の 10 分以上の増加なしにデプロイする必要があります。どうすればよいですか？
정답: C
문제3
メディアストリーミングサービスであるモバイルアプリケーション向けに、新しいストレージシステムをデプロイしています。最適なシステムは Google Cloud Datastore だと判断しました。エンティティには複数のプロパティがあり、そのうちのいくつかは複数の値を取ることができます。たとえば、エンティティ「Movie」では、プロパティ「actors」とプロパティ「tags」は複数の値を持ちますが、プロパティ「date released」は持ちません。一般的なクエリでは、actor=<actorname> のすべての映画を date_released で並べ替えるか、tag=Comedy のすべての映画を date_released で並べ替えます。インデックス数の組み合わせ爆発を回避するにはどうすればよいでしょうか？
メディアストリーミングサービスであるモバイルアプリケーション向けに、新しいストレージシステムをデプロイしています。最適なシステムは Google Cloud Datastore だと判断しました。エンティティには複数のプロパティがあり、そのうちのいくつかは複数の値を取ることができます。たとえば、エンティティ「Movie」では、プロパティ「actors」とプロパティ「tags」は複数の値を持ちますが、プロパティ「date released」は持ちません。一般的なクエリでは、actor=<actorname> のすべての映画を date_released で並べ替えるか、tag=Comedy のすべての映画を date_released で並べ替えます。インデックス数の組み合わせ爆発を回避するにはどうすればよいでしょうか？
정답: B
문제4
オンプレミスのデータセンターから Google Cloud へ 1 PB のデータを移行する必要があります。移行中のデータ転送時間は数時間程度に抑えたいと考えています。安全な接続を介して大容量データを転送するために、Google が推奨するベストプラクティスに従いたいと考えています。どのような手順を踏むべきでしょうか？
オンプレミスのデータセンターから Google Cloud へ 1 PB のデータを移行する必要があります。移行中のデータ転送時間は数時間程度に抑えたいと考えています。安全な接続を介して大容量データを転送するために、Google が推奨するベストプラクティスに従いたいと考えています。どのような手順を踏むべきでしょうか？
정답: D
설명: (ExamPassdump 회원만 볼 수 있음)
문제5
Cloud Dataproc クラスタでスケジュールに従って実行される Spark ジョブがいくつかあります。ジョブの中には順番に実行されるものもあれば、同時に実行されるものもあります。このプロセスを自動化する必要があります。どうすればよいでしょうか。
Cloud Dataproc クラスタでスケジュールに従って実行される Spark ジョブがいくつかあります。ジョブの中には順番に実行されるものもあれば、同時に実行されるものもあります。このプロセスを自動化する必要があります。どうすればよいでしょうか。
정답: C
설명: (ExamPassdump 회원만 볼 수 있음)
문제6
Cloud SQL 上に MySQL データベースワークロードをデプロイします。データベースは、さまざまな地理的リージョンからの複数のリーダーをサポートするためにスケールアップできる必要があります。データベースは、リージョン障害が発生した場合でも、高い可用性を備え、低い RTO および RPO 要件を満たす必要があります。データベースのフェイルオーバー中にリーダーへの影響を最小限に抑える必要があります。どうすればよいですか？
Cloud SQL 上に MySQL データベースワークロードをデプロイします。データベースは、さまざまな地理的リージョンからの複数のリーダーをサポートするためにスケールアップできる必要があります。データベースは、リージョン障害が発生した場合でも、高い可用性を備え、低い RTO および RPO 要件を満たす必要があります。データベースのフェイルオーバー中にリーダーへの影響を最小限に抑える必要があります。どうすればよいですか？
정답: D
문제7
dataset.inventory_vm サンプルレコード:
BigQueryテーブルにVMデータのインベントリが保存されています。このデータを最もコスト効率の良い方法で定期レポート用に準備したいと考えています。レポートでは、vCPUが8未満のVM行を除外する必要があります。どうすればよいでしょうか？
dataset.inventory_vm サンプルレコード:
BigQueryテーブルにVMデータのインベントリが保存されています。このデータを最もコスト効率の良い方法で定期レポート用に準備したいと考えています。レポートでは、vCPUが8未満のVM行を除外する必要があります。どうすればよいでしょうか？
정답: C
문제8
あなたは北米各地に拠点を置く大手銀行に勤務しています。銀行口座の取引を処理するデータストレージシステムを構築しています。ACID準拠とSQLによるデータアクセス機能が必要です。どのソリューションが適切でしょうか？
あなたは北米各地に拠点を置く大手銀行に勤務しています。銀行口座の取引を処理するデータストレージシステムを構築しています。ACID準拠とSQLによるデータアクセス機能が必要です。どのソリューションが適切でしょうか？
정답: B
설명: (ExamPassdump 회원만 볼 수 있음)
문제9
レガシー SQL と標準 SQL に関する次の記述のうち、正しくないものはどれですか。
レガシー SQL と標準 SQL に関する次の記述のうち、正しくないものはどれですか。
정답: B
설명: (ExamPassdump 회원만 볼 수 있음)
문제10
会社では、カンマ区切り値 (CSV) ファイルを Google BigQuery にロードしています。データは完全に正常にインポートされましたが、インポートされたデータはソース ファイルとバイト単位で一致していません。この問題の原因として最も可能性が高いのは何でしょうか。
会社では、カンマ区切り値 (CSV) ファイルを Google BigQuery にロードしています。データは完全に正常にインポートされましたが、インポートされたデータはソース ファイルとバイト単位で一致していません。この問題の原因として最も可能性が高いのは何でしょうか。
정답: C
설명: (ExamPassdump 회원만 볼 수 있음)
문제11
あなたの小売企業は、BigQueryの分析費用について懸念を抱いています。同社は、店舗IDとリアルタイムの売上高に対して同じ集計方法を使用する必要のあるクエリを複数実行しています。分析費用を最小限に抑え、より迅速な結果を返す最適なソリューションを実装する必要があります。どうすればよいでしょうか？
あなたの小売企業は、BigQueryの分析費用について懸念を抱いています。同社は、店舗IDとリアルタイムの売上高に対して同じ集計方法を使用する必要のあるクエリを複数実行しています。分析費用を最小限に抑え、より迅速な結果を返す最適なソリューションを実装する必要があります。どうすればよいでしょうか？
정답: A
설명: (ExamPassdump 회원만 볼 수 있음)
문제12
ケーススタディ2 - MJTelco
会社概要
MJTelcoは、世界中の急速に成長している未開拓市場でネットワーク構築を目指すスタートアップ企業です。同社は革新的な光通信ハードウェアに関する特許を保有しており、これらの特許に基づき、安価なハードウェアで信頼性の高い高速バックボーンリンクを多数構築することが可能です。
会社概要
経験豊富な通信業界の幹部によって設立されたMJTelcoは、もともと宇宙空間における通信の課題を克服するために開発された技術を活用しています。事業運営の根幹となるのは、リアルタイム分析を可能にし、機械学習を組み込んでトポロジーを継続的に最適化する分散型データインフラストラクチャの構築です。ハードウェアが安価であるため、ネットワークを過剰に展開することで、地域情勢の変化がロケーションの利用可能性やコストに与える影響に対応できるように計画しています。
彼らの経営陣と運用チームは世界中に分散しており、システム内ではデータ利用者とデータ提供者の間で多対多の関係が構築されています。慎重な検討の結果、彼らはパブリッククラウドが自社のニーズを満たす最適な環境であると判断しました。
解決策のコンセプト
MJTelcoは自社ラボで概念実証(PoC)プロジェクトを成功裏に実施している。彼らには主に2つのニーズがある。
* 5万件以上のインストール規模に拡大する際に発生する、より大量のデータフローをサポートできるよう、PoC(概念実証)を拡張し、強化する。
* 機械学習サイクルを改良し、トポロジー定義を制御するために使用する動的モデルを検証および改善する。
MJTelcoは、実験の実行、新機能の展開、および本番顧客へのサービス提供のニーズを満たすために、開発/テスト、ステージング、および本番という3つの独立した運用環境も使用します。
ビジネス要件
* 予測不可能な分散型通信ユーザーコミュニティにおいて、必要な時に必要な場所でリソースをインスタンス化することで、最小限のコストで本番環境を拡張します。
最先端の機械学習と分析を保護するため、独自のデータのセキュリティを確保する。
分散した研究者が分析のためにデータに確実かつタイムリーにアクセスできるようにする
顧客に影響を与えることなく、機械学習モデルの迅速な反復開発を可能にする隔離された環境を維持する。
技術要件
テレメトリデータの安全かつ効率的な輸送と保管を確保する
* インスタンスを迅速に拡張し、それぞれ複数のフローを持つ10,000～100,000のデータプロバイダーをサポートします。
* 最大2年分のデータを追跡するデータテーブルに対して分析とプレゼンテーションが可能で、1日あたり約1億件のレコードを保存できます。
* テレメトリフローと本番環境における学習サイクルの両方において、データパイプラインの問題を認識することに重点を置いた監視インフラストラクチャの迅速な反復をサポートします。
CEO声明
当社のビジネスモデルは、特許、分析技術、そして動的な機械学習に支えられています。低価格ながら高い信頼性を実現するハードウェア構成により、コスト面で優位性を確保しています。信頼性と容量に関する当社のコミットメントを満たすためには、大規模な分散データパイプラインを迅速に安定化させる必要があります。
CTO声明
当社のパブリッククラウドサービスは、宣伝どおりに動作する必要があります。拡張性とデータセキュリティを確保できるリソースが必要です。また、データサイエンティストがモデルを綿密に分析し、迅速に適応できる環境も必要です。データの処理に自動化を活用しているため、開発環境とテスト環境も、反復作業に合わせて適切に動作する必要があります。
最高財務責任者(CFO)声明
このプロジェクトは規模が大きすぎるため、データと分析に必要なハードウェアとソフトウェアを自社で維持管理することはできません。また、これほど多くのデータフィードを監視する運用チームを配置する余裕もないため、自動化とインフラストラクチャに頼ることになります。Google Cloudの機械学習を活用することで、当社の定量分析担当者はデータパイプラインの問題ではなく、より価値の高い課題に取り組むことができるようになります。
MJTelcoはデータ共有のためのカスタムインターフェースを構築しています。彼らの要件は以下のとおりです。
彼らはペタバイト規模のデータセットに対して集計処理を行う必要があります。また、特定の時間範囲の行を非常に高速な応答時間(ミリ秒単位)でスキャンする必要があります。Google Cloud Platformのどの製品の組み合わせを推奨しますか？
ケーススタディ2 - MJTelco
会社概要
MJTelcoは、世界中の急速に成長している未開拓市場でネットワーク構築を目指すスタートアップ企業です。同社は革新的な光通信ハードウェアに関する特許を保有しており、これらの特許に基づき、安価なハードウェアで信頼性の高い高速バックボーンリンクを多数構築することが可能です。
会社概要
経験豊富な通信業界の幹部によって設立されたMJTelcoは、もともと宇宙空間における通信の課題を克服するために開発された技術を活用しています。事業運営の根幹となるのは、リアルタイム分析を可能にし、機械学習を組み込んでトポロジーを継続的に最適化する分散型データインフラストラクチャの構築です。ハードウェアが安価であるため、ネットワークを過剰に展開することで、地域情勢の変化がロケーションの利用可能性やコストに与える影響に対応できるように計画しています。
彼らの経営陣と運用チームは世界中に分散しており、システム内ではデータ利用者とデータ提供者の間で多対多の関係が構築されています。慎重な検討の結果、彼らはパブリッククラウドが自社のニーズを満たす最適な環境であると判断しました。
解決策のコンセプト
MJTelcoは自社ラボで概念実証(PoC)プロジェクトを成功裏に実施している。彼らには主に2つのニーズがある。
* 5万件以上のインストール規模に拡大する際に発生する、より大量のデータフローをサポートできるよう、PoC(概念実証)を拡張し、強化する。
* 機械学習サイクルを改良し、トポロジー定義を制御するために使用する動的モデルを検証および改善する。
MJTelcoは、実験の実行、新機能の展開、および本番顧客へのサービス提供のニーズを満たすために、開発/テスト、ステージング、および本番という3つの独立した運用環境も使用します。
ビジネス要件
* 予測不可能な分散型通信ユーザーコミュニティにおいて、必要な時に必要な場所でリソースをインスタンス化することで、最小限のコストで本番環境を拡張します。
最先端の機械学習と分析を保護するため、独自のデータのセキュリティを確保する。
分散した研究者が分析のためにデータに確実かつタイムリーにアクセスできるようにする
顧客に影響を与えることなく、機械学習モデルの迅速な反復開発を可能にする隔離された環境を維持する。
技術要件
テレメトリデータの安全かつ効率的な輸送と保管を確保する
* インスタンスを迅速に拡張し、それぞれ複数のフローを持つ10,000～100,000のデータプロバイダーをサポートします。
* 最大2年分のデータを追跡するデータテーブルに対して分析とプレゼンテーションが可能で、1日あたり約1億件のレコードを保存できます。
* テレメトリフローと本番環境における学習サイクルの両方において、データパイプラインの問題を認識することに重点を置いた監視インフラストラクチャの迅速な反復をサポートします。
CEO声明
当社のビジネスモデルは、特許、分析技術、そして動的な機械学習に支えられています。低価格ながら高い信頼性を実現するハードウェア構成により、コスト面で優位性を確保しています。信頼性と容量に関する当社のコミットメントを満たすためには、大規模な分散データパイプラインを迅速に安定化させる必要があります。
CTO声明
当社のパブリッククラウドサービスは、宣伝どおりに動作する必要があります。拡張性とデータセキュリティを確保できるリソースが必要です。また、データサイエンティストがモデルを綿密に分析し、迅速に適応できる環境も必要です。データの処理に自動化を活用しているため、開発環境とテスト環境も、反復作業に合わせて適切に動作する必要があります。
最高財務責任者(CFO)声明
このプロジェクトは規模が大きすぎるため、データと分析に必要なハードウェアとソフトウェアを自社で維持管理することはできません。また、これほど多くのデータフィードを監視する運用チームを配置する余裕もないため、自動化とインフラストラクチャに頼ることになります。Google Cloudの機械学習を活用することで、当社の定量分析担当者はデータパイプラインの問題ではなく、より価値の高い課題に取り組むことができるようになります。
MJTelcoはデータ共有のためのカスタムインターフェースを構築しています。彼らの要件は以下のとおりです。
彼らはペタバイト規模のデータセットに対して集計処理を行う必要があります。また、特定の時間範囲の行を非常に高速な応答時間(ミリ秒単位)でスキャンする必要があります。Google Cloud Platformのどの製品の組み合わせを推奨しますか？
정답: A
문제13
組織内の複数のチームが、顧客データと業績データをBigQueryに保存しています。各チームは、収集したデータを完全に管理し、プロジェクト内でデータをクエリし、他のチームとデータを交換できる必要があります。運用上のタスクとコストを最小限に抑えつつ、組織全体で適用できるソリューションを導入する必要があります。どうすればよいでしょうか？
組織内の複数のチームが、顧客データと業績データをBigQueryに保存しています。各チームは、収集したデータを完全に管理し、プロジェクト内でデータをクエリし、他のチームとデータを交換できる必要があります。運用上のタスクとコストを最小限に抑えつつ、組織全体で適用できるソリューションを導入する必要があります。どうすればよいでしょうか？
정답: D