MJTelco の Google Cloud Dataflow パイプラインは、50,000 のインストールからデータを受信する準備が整いました。必要に応じて Cloud Dataflow のコンピューティング能力をスケールアップできるようにしたいと考えています。どの Cloud Dataflow パイプライン構成設定を更新する必要がありますか。

会社では、1 時間あたり 20,000 個のファイルが生成されます。各データ ファイルは、4 KB 未満のカンマ区切り値 (CSV) ファイルとしてフォーマットされています。すべてのファイルは、処理する前に Google Cloud Platform に取り込まれる必要があります。会社のサイトから Google Cloud への遅延は 200 ミリ秒で、インターネット接続の帯域幅は 50 Mbps に制限されています。現在、データの取り込みポイントとして、Google Compute Engine の仮想マシンにセキュア FTP (SFTP) サーバーをデプロイしています。ローカル SFTP クライアントは、専用のマシンで実行され、CSV ファイルをそのまま送信します。目標は、前日のデータを含むレポートを、次の方法で経営陣に提供することです。
毎日午前 10:00。この設計では、帯域幅の使用率がかなり低いにもかかわらず、現在のボリュームにほとんど対応できません。
季節性により、会社では今後 3 か月間でファイル数が 2 倍になると予想されていると聞きました。どの 2 つのアクションを実行する必要がありますか? (2 つ選択してください。)

オンプレミスに、ウェブ アプリケーション ログを含むトピックを含む Apache Kafka クラスタがあります。BigQuery と Cloud Storage で分析するために、データを Google Cloud に複製する必要があります。Kafka Connect プラグインのデプロイを回避するには、ミラーリングによる複製が推奨されます。
何をすべきでしょうか?

次のどれが特徴エンジニアリング技術ですか? (回答を 2 つ選択してください)

データ サイエンティストが BigQuery ML モデルを作成し、予測を提供するための ML パイプラインを作成するように依頼しました。
レイテンシが 100 ミリ秒未満の個々のユーザー ID の予測を提供する必要がある REST API アプリケーションがあります。予測を生成するには、次のクエリを使用します: SELECT expected_label, user_id FROM ML.PREDICT (MODEL 'dataset.model', table user_features)。ML パイプラインはどのように作成すればよいでしょうか?