Professional-Data-Engineer 試験問題 56
Cloud Datastoreを使用して、車両のテレメトリデータをリアルタイムで取り込むことにしました。コストを低く抑えながら、長期的なデータの増加を考慮したストレージシステムを構築したいと考えています。また、データのスナップショットを定期的に作成して、ポイントインタイム（PIT）リカバリを実行したり、別の環境でCloudDatastoreのデータのコピーを複製したりすることもできます。これらのスナップショットを長期間アーカイブする必要があります。これを達成できる2つの方法はどれですか？（2つ選択してください。）
Professional-Data-Engineer 試験問題 57
Flowlogisticの経営陣は、現在のApacheKafkaサーバーがリアルタイムの在庫追跡システムのデータ量を処理できないと判断しました。Google Cloud Platform（GCP）で、独自の追跡ソフトウェアを提供する新しいシステムを構築する必要があります。システムは、さまざまなグローバルソースからデータを取り込み、リアルタイムで処理およびクエリを実行し、データを確実に保存できる必要があります。GCP製品のどの組み合わせを選択する必要がありますか？
Professional-Data-Engineer 試験問題 58
あなたは物流会社を経営しており、車両ベースのセンサーのイベント配信の信頼性を向上させたいと考えています。これらのイベントをキャプチャするために世界中の小さなデータセンターを運用していますが、イベント収集インフラストラクチャからイベント処理インフラストラクチャへの接続を提供する専用回線は信頼性が低く、遅延は予測できません。この問題に最も費用効果の高い方法で対処したいと考えています。あなたは何をするべきか？
Professional-Data-Engineer 試験問題 59
データをパーティションテーブルに配置するためにサポートされている方法ではないのはどれですか？
Professional-Data-Engineer 試験問題 60
ケーススタディ2-MJTelco
会社概要
MJTelcoは、世界中で急速に成長し、サービスが行き届いていない市場でネットワークを構築することを計画している新興企業です。
同社は革新的な光通信ハードウェアの特許を取得しています。これらの特許に基づいて、安価なハードウェアで多くの信頼性の高い高速バックボーンリンクを作成できます。
会社背景
経験豊富なテレコムエグゼクティブによって設立されたMJTelcoは、宇宙での通信の課題を克服するために元々開発されたテクノロジーを使用しています。運用の基本として、リアルタイム分析を推進し、トポロジを継続的に最適化するための機械学習を組み込んだ分散データインフラストラクチャを作成する必要があります。彼らのハードウェアは安価であるため、ネットワークを過剰に展開して、動的な地域政治が場所の可用性とコストに与える影響を考慮できるようにすることを計画しています。
彼らの管理および運用チームは世界中に配置されており、データ利用者とシステムで提供するものとの間に多対多の関係を築いています。慎重に検討した結果、彼らはパブリッククラウドが彼らのニーズをサポートするのに最適な環境であると判断しました。
ソリューションコンセプト
MJTelcoは、ラボで成功した概念実証（PoC）プロジェクトを実行しています。彼らには2つの主要なニーズがあります：
* PoCをスケーリングおよび強化して、50,000を超えるインストールにランプするときに生成される大幅に多くのデータフローをサポートします。
*機械学習サイクルを改善して、トポロジ定義の制御に使用する動的モデルを検証および改善します。
MJTelcoはまた、3つの別個の運用環境（開発/テスト、ステージング、および実稼働）を使用して、実験の実行、新機能の展開、および実稼働の顧客へのサービス提供のニーズを満たします。
ビジネス要件
*最小限のコストで本番環境をスケールアップし、予測不可能な分散型テレコムユーザーコミュニティで必要なときに必要な場所でリソースをインスタンス化します。
*最先端の機械学習と分析を保護するために、独自のデータのセキュリティを確保します。
*分散した研究者からの分析のためのデータへの信頼できるタイムリーなアクセスを提供します
*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をサポートする分離された環境を維持します。
技術要件
*テレメトリデータの安全で効率的な転送と保存を確保する
*インスタンスを迅速にスケーリングして、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。
*約2年間のデータを追跡するデータテーブルに対する分析と表示を許可します
1億レコード/日
*テレメトリフローと本番学習サイクルの両方でのデータパイプラインの問題の認識に焦点を当て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の声明
私たちのビジネスモデルは、特許、分析、動的な機械学習に依存しています。当社の安価なハードウェアは信頼性が高くなるように構成されているため、コスト面で有利です。信頼性と容量のコミットメントを満たすには、大規模な分散データパイプラインを迅速に安定させる必要があります。
CTOステートメント
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。データを拡張して安全に保つための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注意深く研究し、迅速に適応できる環境も必要です。データの処理は自動化に依存しているため、反復しながら機能する開発環境とテスト環境も必要です。
CFOステートメント
プロジェクトが大きすぎて、データと分析に必要なハードウェアとソフトウェアを維持できません。
また、非常に多くのデータフィードを監視するために運用チームにスタッフを配置する余裕がないため、自動化とインフラストラクチャに依存します。Google Cloudの機械学習により、定量的研究者は、データパイプラインの問題ではなく、価値の高い問題に取り組むことができます。
次の要件を持つ運用チームのビジュアライゼーションを作成する必要があります。
*レポートには、最も最近の6週間（1分に1回のサンプリング）の50,000のインストールすべてからのテレメトリデータが含まれている必要があります。
*レポートはライブデータから3時間以上遅れてはなりません。
*実用的なレポートには、次善のリンクのみを表示する必要があります。
*ほとんどの次善のリンクは一番上にソートする必要があります。
*最適ではないリンクは、地域の地理によってグループ化およびフィルタリングできます。
*レポートをロードするためのユーザーの応答時間は5秒未満である必要があります。
どのアプローチが要件を満たしていますか？
会社概要
MJTelcoは、世界中で急速に成長し、サービスが行き届いていない市場でネットワークを構築することを計画している新興企業です。
同社は革新的な光通信ハードウェアの特許を取得しています。これらの特許に基づいて、安価なハードウェアで多くの信頼性の高い高速バックボーンリンクを作成できます。
会社背景
経験豊富なテレコムエグゼクティブによって設立されたMJTelcoは、宇宙での通信の課題を克服するために元々開発されたテクノロジーを使用しています。運用の基本として、リアルタイム分析を推進し、トポロジを継続的に最適化するための機械学習を組み込んだ分散データインフラストラクチャを作成する必要があります。彼らのハードウェアは安価であるため、ネットワークを過剰に展開して、動的な地域政治が場所の可用性とコストに与える影響を考慮できるようにすることを計画しています。
彼らの管理および運用チームは世界中に配置されており、データ利用者とシステムで提供するものとの間に多対多の関係を築いています。慎重に検討した結果、彼らはパブリッククラウドが彼らのニーズをサポートするのに最適な環境であると判断しました。
ソリューションコンセプト
MJTelcoは、ラボで成功した概念実証（PoC）プロジェクトを実行しています。彼らには2つの主要なニーズがあります：
* PoCをスケーリングおよび強化して、50,000を超えるインストールにランプするときに生成される大幅に多くのデータフローをサポートします。
*機械学習サイクルを改善して、トポロジ定義の制御に使用する動的モデルを検証および改善します。
MJTelcoはまた、3つの別個の運用環境（開発/テスト、ステージング、および実稼働）を使用して、実験の実行、新機能の展開、および実稼働の顧客へのサービス提供のニーズを満たします。
ビジネス要件
*最小限のコストで本番環境をスケールアップし、予測不可能な分散型テレコムユーザーコミュニティで必要なときに必要な場所でリソースをインスタンス化します。
*最先端の機械学習と分析を保護するために、独自のデータのセキュリティを確保します。
*分散した研究者からの分析のためのデータへの信頼できるタイムリーなアクセスを提供します
*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をサポートする分離された環境を維持します。
技術要件
*テレメトリデータの安全で効率的な転送と保存を確保する
*インスタンスを迅速にスケーリングして、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。
*約2年間のデータを追跡するデータテーブルに対する分析と表示を許可します
1億レコード/日
*テレメトリフローと本番学習サイクルの両方でのデータパイプラインの問題の認識に焦点を当て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の声明
私たちのビジネスモデルは、特許、分析、動的な機械学習に依存しています。当社の安価なハードウェアは信頼性が高くなるように構成されているため、コスト面で有利です。信頼性と容量のコミットメントを満たすには、大規模な分散データパイプラインを迅速に安定させる必要があります。
CTOステートメント
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。データを拡張して安全に保つための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注意深く研究し、迅速に適応できる環境も必要です。データの処理は自動化に依存しているため、反復しながら機能する開発環境とテスト環境も必要です。
CFOステートメント
プロジェクトが大きすぎて、データと分析に必要なハードウェアとソフトウェアを維持できません。
また、非常に多くのデータフィードを監視するために運用チームにスタッフを配置する余裕がないため、自動化とインフラストラクチャに依存します。Google Cloudの機械学習により、定量的研究者は、データパイプラインの問題ではなく、価値の高い問題に取り組むことができます。
次の要件を持つ運用チームのビジュアライゼーションを作成する必要があります。
*レポートには、最も最近の6週間（1分に1回のサンプリング）の50,000のインストールすべてからのテレメトリデータが含まれている必要があります。
*レポートはライブデータから3時間以上遅れてはなりません。
*実用的なレポートには、次善のリンクのみを表示する必要があります。
*ほとんどの次善のリンクは一番上にソートする必要があります。
*最適ではないリンクは、地域の地理によってグループ化およびフィルタリングできます。
*レポートをロードするためのユーザーの応答時間は5秒未満である必要があります。
どのアプローチが要件を満たしていますか？
