NutanixのMetro Availabilityでは、データレプリケーションの一貫性を確保するために、プライマリストレージコンテナとセカンダリストレージコンテナを同一に構成する必要があります。
選択肢C（宛先ストレージコンテナが空ではない）が正解です。
Metro Availabilityを有効にするには、リモートストレージコンテナが空である必要があります。
既存のデータは競合を引き起こし、「互換性のあるリモートサイト」リストに表示されない原因となる可能性があります。
選択肢D（両方の保管容器は同じ名前でなければならない）が正解です。
Metro Availabilityでは、ストレージコンテナはクラスター間で同一の名前を持つ必要があります。
名前が一致しない場合、ストレージコンテナは互換性のあるものとしてリストされません。
選択肢Aは誤りです。Metro Availabilityは、ハードウェアベンダーの違いに関係なく機能します。
選択肢Bは誤りです。圧縮は互換性には影響しませんが、パフォーマンスに影響を与える可能性があります。
参考文献：
Nutanix Metro Availability導入ガイド
Nutanix のベストプラクティス：Metro Availability 用のリモートサイトの構成 Nutanix KB #Metro Availability におけるストレージ コンテナの問題のトラブルシューティング

Syslogの重大度レベルは標準的な数値システムに従っており、数値が小さいほど重大度が高いことを示します。
選択肢B（深刻度レベル2）が正解です。
レベル2 = 重篤# 緊急の処置が必要な深刻な状態に対して使用されます。
監査ログには、セキュリティ、アクセス違反、または重大な障害に関連するクリティカルログが頻繁に生成されます。
コンピュータのスクリーンショット 説明は自動的に生成されました

選択肢A（0）、C（5）、D（7）は誤りです。
0 = 緊急事態（深刻度が高すぎるため、システム全体の障害の場合にのみ使用）。
5 = 通知（重要ではない、一般的なシステムイベントに使用）。
7 = デバッグ（重要なログには関係ありません）。
参考文献：
Nutanixセキュリティガイド#Syslogの統合と重要度レベル
Nutanix KB# Prism Central監査ログのSyslogの設定

Nutanix マルチクラウドインフラストラクチャのドキュメントでは、リカバリプランと保護ポリシーは、VM ごとの割り当てではなくカテゴリを使用して拡張するように設計されていると説明されています。カテゴリは、VM を目的、ビジネスユニット、アプリケーション層、ブート順序、ネットワーク要件ごとにグループ化できるメタデータを提供します。ドキュメントには、リカバリプランは「カテゴリを利用することで、それらのカテゴリに一致する VM が自動的に DR ワークフローに含まれる」と記載されています。カテゴリは自動更新も可能にするため、VM が追加、削除、または変更された場合でも、DR プランを変更する必要はありません。この方法は、ワークロードが多数あり、アプリケーション層が変動する環境に特に推奨されます。スクリプト、命名規則、静的な比率では、カテゴリが提供するような動的なグループ化と自動化は実現できません。

Nutanix ECA コースでは、Nutanix ストレージ コンテナのストレージ最適化手法、特に反復的なデータ パターンにより効率的な容量利用が求められる永続デスクトップなどのワークロードについて解説します。永続デスクトップは通常、ユーザー固有のデータと構成を保存するため、圧縮、重複排除、イレイジャー コーディングなどのストレージ最適化手法の適用に最適です。この質問は、最も容量を節約できる設定を尋ねています。
Nutanixエンタープライズクラウド管理（ECA）コース資料からの抜粋：
モジュール: ストレージ管理、セクション: ストレージ最適化「イレイジャーコーディングは、永続デスクトップなどの大量のデータを持つワークロードに対して、最大の容量節約効果を発揮します。イレイジャーコーディングは、データとパリティをノード全体に分散することで、フォールトトレランスを維持しながら、レプリケーション係数 (RF) と比較してストレージのオーバーヘッドを削減します。」 モジュール: ストレージ構成、セクション: 仮想デスクトップの最適化「永続デスクトップワークロードの場合、容量節約を最大化するためにイレイジャーコーディングが推奨されます。イレイジャーコーディングは、データをノード全体にエンコードすることでストレージのフットプリントを削減するため、圧縮や重複排除のみの場合よりも効率的であり、データ冗長性の高い環境に最適です。」 オプションの説明:
A) イレイジャーコーディングこれが正解です。イレイジャーコーディング（EC-X）は、Nutanix AOS のストレージ最適化技術で、データとパリティ情報をノード間で分散し、従来のレプリケーション係数（RF）設定と比較してストレージのオーバーヘッドを削減します。冗長なパターンを持つ大規模なデータセットを持つことが多い永続デスクトップの場合、イレイジャーコーディングは、耐障害性を維持しながらデータを効率的にエンコードすることで、容量を大幅に節約できます。ECA コースでは、イレイジャーコーディングは、コールドデータやアクセス頻度の低いデータを持つワークロードに特に効果的であり、これは永続デスクトップストレージと一致していることを強調しています。
サポート抜粋：「イレイジャーコーディングは、仮想デスクトップなどのワークロードの場合、RF=2と比較して最大50%以上の容量削減を実現できるため、容量制約のある環境で最も効果的な最適化となります。」 B) 0分の遅延によるインライン圧縮 これは誤りです。インライン圧縮は、ストレージに書き込まれる際にリアルタイムでデータサイズを削減しますが、永続デスクトップの場合、イレイジャーコーディングと比較して容量削減効果は低くなります。圧縮は圧縮可能なデータのサイズを削減するのに効果的ですが、永続デスクトップはデータセットが大きく冗長性があるため、イレイジャーコーディングの方がメリットが大きい場合が多くあります。さらに、0分の遅延は圧縮が即座に行われることを意味し、削減効果を最大化することなく書き込みレイテンシが増加する可能性があります。ECAコースノート：「インライン圧縮は一般的なワークロードには有効ですが、永続デスクトップなどの高容量ワークロードではイレイジャーコーディングよりも効果が低くなります。」 C) 読み取りキャッシュのインライン重複排除 これは誤りです。重複排除は重複したデータブロックを削除しますが、
「読み取りキャッシュのインライン重複排除」は、ストレージコンテナ向けのNutanixの標準機能ではありません。Nutanixはインライン重複排除とポストプロセス重複排除をサポートしていますが、これらはデータ書き込みに適用され、読み取りキャッシュには適用されません。
重複排除を適用したとしても、重複排除はデータの類似性に依存するのに対し、イレイジャーコーディングはすべてのデータタイプにわたってストレージを最適化するため、永続デスクトップではイレイジャーコーディングよりも容量節約効果は小さくなります。ECA コースでは、「重複排除はデータの類似性が高いワークロードに効果的ですが、イレイジャーコーディングは大規模なデスクトップ展開においてより広範囲な容量節約効果を提供します」と述べています。D) 後処理重複排除 これは誤りです。後処理重複排除は、書き込み後に重複データを分析して削除するため、容量を節約できますが、永続デスクトップではイレイジャーコーディングよりも効率が劣ります。重複排除は節約効果を得るために高いデータ類似性を必要とし、後処理の性質上最適化が遅れるため、一時的なストレージの過剰使用につながる可能性があります。ECA コースでは、「後処理重複排除は特定のワークロードに適していますが、イレイジャーコーディングは優れた容量効率とノード全体への即時適用性から、永続デスクトップに推奨されます」と明確にしています。ECA からの追加コンテキスト:
イレイジャーコーディングの詳細：イレイジャーコーディングは、データを断片に分割し、パリティ情報を追加して、それらをノード全体に分散させることで機能します。永続的なデスクトップを備えたストレージコンテナの場合、イレイジャーコーディングを有効にする（ストライプ幅を4+2にするなど）と、RF=2またはRF=3の場合と比較してストレージ使用量を大幅に削減できます。
ECA コースでは、「イレイジャー コーディングは、容量の節約が重要な VDI 環境など、大規模なデータセットを持つコンテナに最適です。」と述べています。永続デスクトップ: これらのデスクトップはユーザー データと構成を保存するため、大規模で冗長なデータセットが発生します。
ELASU（イレイジャーコーディング協会）の資料でも確認されているように、イレイジャーコーディングはノード間でストレージを最適化できるため、容量削減において最適な選択肢となります。
ウェブ検索結果からの参考文献：
Nutanix Bible（https://www.nutanix.com/go/the-nutanix-bible）は、ECAのドキュメントを次のようにサポートしています。「イレイジャーコーディング（EC-X）は、永続デスクトップなどのワークロードに対して最高の容量効率を提供し、データとパリティをノード間で分散することでストレージのオーバーヘッドを削減し、容量制約のある環境では圧縮や重複排除よりも優れたパフォーマンスを発揮します。」