A. Compute Engine 가상 머신에 MySQL을 설치합니다. mysqldump 명령어를 사용하여 데이터베이스 파일을 내보냅니다. 내보낸 파일을 클라우드 스토리지에 업로드한 후, Compute Engine의 MySQL 인스턴스로 가져옵니다.

B. 데이터베이스 테이블을 CSV 파일로 내보내고 클라우드 스토리지에 업로드합니다. MySQL 스키마를 Spanner 스키마로 변환하고 JSON 매니페스트 파일을 생성한 다음, Google에서 제공하는 Dataflow 템플릿을 실행하여 데이터를 Spanner에 로드합니다.

C. 데이터베이스 마이그레이션 서비스를 사용하여 데이터를 클라우드 SQL for MySQL로 전송하고 온프레미스 MySQL 데이터베이스를 소스로 구성합니다.

D. Google에서 제공하는 Dataflow 템플릿을 사용하여 MySQL 데이터베이스를 BigQuery에 복제합니다.

A. Google Cloud 외부에서 데이터를 검증하고 정리하는 Python 사용자 지정 스크립트를 작성합니다. 정리된 데이터를 BigQuery에 로드합니다.

B. 클라우드 스토리지를 스테이징 영역으로 사용하여 원시 데이터를 BigQuery에 로드하고, BigQuery의 SQL 쿼리를 사용하여 데이터를 검증하고 정리합니다.

C. 클라우드 스토리지에 새 데이터가 도착하면 클라우드 런 기능을 사용하여 데이터 유효성 검사 및 정리 루틴을 실행합니다.

D. Dataflow를 사용하여 유효성 검사 및 변환 단계를 포함하는 스트리밍 파이프라인을 생성합니다.

A. BigQuery 분석 허브

B. 클라우드 컴포저 클라우드 SQL for MySQL

C. Dataflow BigQuery

D. Dataproc 서버리스 빅테이블

A. Cloud Data Fusion을 사용하여 MySQL 데이터베이스를 Compute Engine의 MySQL로 마이그레이션합니다.

B. 데이터베이스 마이그레이션 서비스를 사용하여 MySQL 데이터베이스를 Cloud SQL for MySQL 인스턴스로 복제합니다.

C. MySQL 데이터베이스를 CSV 파일로 내보내고, 스토리지 전송 서비스를 사용하여 파일을 클라우드 스토리지로 전송한 다음, 클라우드 SQL for MySQL 인스턴스에 파일을 로드합니다.

D. 사용자 지정 데이터 파이프라인을 오케스트레이션하기 위해 Cloud Composer 환경을 설정합니다. Python 스크립트를 사용하여 MySQL 데이터베이스에서 데이터를 추출하고 Compute Engine의 MySQL에 로드합니다.

A. Cloud Shell 인스턴스 내에서 bq 명령줄 도구를 사용하여 데이터를 BigQuery에 로드합니다.

B. Dataproc 클러스터를 생성하여 클라우드 스토리지에서 CSV 파일을 가져오고, Spark를 사용하여 처리한 후, 결과를 BigQuery에 기록합니다.

C. 클라우드 스토리지에 데이터가 도착하면 실행되는 Cloud Run 함수를 생성하여 데이터를 BigQuery에 로드합니다.

D. Cloud Storage에서 BigQuery로 새 파일을 로드하는 Cloud Composer 파이프라인을 생성하고 10분마다 실행되도록 예약합니다.