A. バッチレポートを月次ではなく週次で処理します。
B. データをフィルタリングして、レポートの生成を高速化します。
C. バッチ処理からストリーム処理に切り替えます。
D. リレーショナル データベースから NoSQL データベースに変更します。
A. 制御を強化するために、すべてのクラウド インフラストラクチャを手動でプロビジョニングします。
B. サービス レベル目標 (SLO) を下げます。
C. インフラストラクチャの一部をオンプレミスで使用するハイブリッド アーキテクチャに移行します。
D. アプリケーションをモダナイズします。
A. 可視性が組み込まれたフルマネージド サービス メッシュ
B. エンタープライズ グレードのコンテナ オーケストレーションおよび管理サービス。
C. 上記すべて
D. ハイブリッドおよびマルチクラウド展開のためのセキュリティの最新化
A. Anthosに移行する
B. ストレージ転送サービス
C. 転送アプライアンス
D. BigQueryデータ転送サービス
A. 水平スケーリング
B. Triangular Scaling は、コスト、労力、および時間の自動平均を取ります。
C. 循環スケーリングでは、VM の割り当てと破棄にラウンド ロビン方式が採用されています。
D. 垂直スケーリング
A. 独自のプロジェクトでサービス アカウントを作成し、パートナーに依頼して、このサービス アカウントにプロジェクト内の BigQuery へのアクセス権を付与してもらいます。
B. パートナーにプロジェクトでサービス アカウントを作成するよう依頼し、プロジェクトの BigQuery データセットへのアクセス権をサービス アカウントに付与します。
C. パートナー様にプロジェクトでサービス アカウントを作成するよう依頼し、そのサービス アカウントにプロジェクト内の BigQuery へのアクセス権を付与してもらいます。
D. 独自のプロジェクトでサービス アカウントを作成し、このサービス アカウントにプロジェクト内の BigQuery へのアクセスを許可します。
A. クラウド関数
B. App Engine スタンダード
C. Linux または Windows OS の VM を使用する Compute Engine。
D. クラウドラン
A. Cloud Spanner はコールド ストレージ用に最適化されています
B. Cloud Spanner はリージョン間でリアルタイムにデータをレプリケートします
C. Cloud Spanner は、非構造化データを取り込むように最適化されています
D. Cloud Spanner はリアルタイムでデータを視覚化して分析します
A. ワークロードをGoogle KubernetesEngineに移行します
B. ワークロードをComputeEngineに移行します
C. ワークロードをGoogle Cloud VMwareEngineに移行します
D. ワークロードをベアメタルソリューションに移行します
A. TensorFlow で Vertex Al のカスタム トレーニングを使用します。
B. BigQuery ML を使用し、SQL を使用してモデルを作成します。
C. 事前トレーニング済みの API をアプリケーションに統合します。
D. ラベル付きデータを使用して AutoML でモデルを構築します。
A. すべての送信をブロックする優先度の高い (1000) ルールと、適切なポートのみを許可する優先度の低い (65534) ルールを設定します。
B. 優先度の高い (1000) ルールを設定して、適切なポートを許可します。
C. すべての送信をブロックする優先度の低い (65534) ルールと、適切なポートのみを許可する優先度の高いルール (1000) を設定します。
D. 入力ポートと出力ポートの両方をペアにする優先度の高い (1000) ルールを設定します。
A. クラウドスパナー
B. コンピューティング エンジン
C. BigQuery
D. データフロー
A. ソリューション開発に集中できる
B. データ回復システムの開発を促進できる
C. オンプレミスのデータ セキュリティ プロトコルを緩和できる
D. 内部アプリケーション ホスティング インフラストラクチャを拡張できる
A. 画像にラベルを付けるのはお客様の義務であることをお客様に伝えます。
B. 画像にすばやくラベルを付けることができる臨時労働者を雇います。
C. 指定された画像によく似たオープンソースのラベル付き画像を探します。
D. Google にデータ ラベル付けサービスをリクエストします。
A. クラウドラン
B. GKE 標準
C. コンピューティングエンジン
D. GKE オートパイロット
A. パイプライン インフラストラクチャは完全に管理され、スケーラブルです。
B. 処理されたデータは分析を必要としません。
C. コンピューティング リソースに対する完全な制御が提供されます。
D. 処理されたデータにはエラーがないことが保証されます。
A. チェックアウト ハードウェアをリモートで更新します。
B. 新しいアプリケーションをレガシー システムに接続します。
C. ディザスタ リカバリのためにすべての顧客データを移行するため。
D. チェックアウト ハードウェアをパブリック クラウドに接続します。
A. CloudBigtableを使用したGoogleKubernetes Engine
B. Dataproc
C. データフロー
D. BigQueryを使用したコンピューティングエンジン
