A. Cloud Run 함수를 사용하여 Spark 작업을 트리거하고 보고서를 이메일로 전송합니다.

B. Dataproc 워크플로 템플릿을 사용하여 Spark 작업을 정의하고 예약하고 보고서를 이메일로 전송합니다.

C. 클라우드 스케줄러를 사용하여 Spark 작업을 트리거하고, 클라우드 런 기능을 사용하여 보고서를 이메일로 전송합니다.

D. Cloud Composer를 사용하여 Spark 작업을 오케스트레이션하고 보고서를 이메일로 전송합니다.

A. 클라우드 모니터링을 사용하여 주요 지표를 추적하세요. 클라우드 모니터링에서 알림 정책을 생성하여 지표가 임계값을 초과하거나 오류가 발생할 때 알림을 트리거하세요.

B. Dataflow 작업 모니터링 인터페이스를 사용하여 파이프라인 그래프를 시각적으로 검사하고, 오류를 확인하고, 심각한 오류 발생 시 알림을 구성합니다.

C. 클라우드 로깅을 사용하여 파이프라인 로그를 확인하고 오류를 점검합니다. 로그의 특정 키워드를 기반으로 알림을 설정할 수 있습니다.

D. BigQuery를 사용하여 클라우드 스토리지에 저장된 처리된 데이터를 분석하고 이상 또는 불일치를 식별합니다. 이상 또는 불일치가 발생할 시점을 기준으로 예약된 알림을 설정합니다.

A. 데이터의 왜곡도를 평가합니다.

B. 혼동 행렬을 비교하세요.

C. 두 가지 다른 모델을 비교하세요.

D. 데이터 드리프트를 평가합니다.

A. Dataflow 작업 모니터링 인터페이스를 사용하여 파이프라인 상태를 매시간 확인합니다. Cloud Profiler를 사용하여 CPU 사용률 및 메모리 사용량과 같은 파이프라인 지표를 분석합니다.

B. 클라우드 로깅을 사용하여 파이프라인 로그에서 오류 그룹을 식별합니다. 클라우드 모니터링을 사용하여 각 그룹의 오류 수를 추적하는 대시보드를 생성합니다.

C. 클라우드 로깅을 사용하여 파이프라인의 오류 로그를 표시하는 차트를 생성합니다. 메트릭 탐색기를 사용하여 차트의 결과를 검증합니다.

D. 클라우드 로깅을 사용하여 파이프라인 로그의 오류 메시지를 확인하세요. 클라우드 모니터링을 사용하여 CPU 사용률 및 메모리 사용량과 같은 파이프라인 지표를 분석하세요.

A. 클라우드 데이터 융합을 사용하여 데이터를 BigQuery 원시 테이블로 전송하고 SQL을 사용하여 변환합니다.

B. Dataflow를 사용하여 데이터를 변환하고 변환된 데이터를 BigQuery에 기록합니다.

C. Cloud Run 함수를 사용하여 데이터를 변환하고 BigQuery에 로드합니다.

D. 클라우드 스토리지에서 데이터를 수동으로 다운로드합니다. 파이썬 스크립트를 사용하여 데이터를 변환하고 BigQuery에 업로드합니다.