A. DevOps 그룹에 기본 역할 roles/viewer와 사전 정의된 역할 roles/compute.admin을 부여합니다.

B. 폴더 수준에서 사용자 지정 역할을 생성하고 해당 역할에 모든 compute.instanceAdmln.* 권한을 부여합니다. DevOps 그룹에 사용자 지정 역할을 부여합니다.

C. DevOps 그룹에 기본 역할 roles/editor를 부여합니다.

D. IAM 정책을 생성하고 해당 정책에 모든 compute.instanceAdmln 권한을 부여합니다. 그런 다음 정책을 DevOps 그룹에 연결합니다.

A. `gcloud config configurations create [NAME]` 명령어를 사용하여 두 개의 구성을 생성합니다. Compute Engine 인스턴스를 시작하는 명령을 실행할 때 계정을 전환하려면 `gcloud config configurations activate [NAME]` 명령어를 실행합니다.

B. `gcloud config configurations create [NAME]` 명령어를 사용하여 두 개의 구성을 생성합니다. `gcloud configurations list` 명령어를 실행하여 Compute Engine 인스턴스를 시작합니다.

C. `gcloud configurations activate [NAME]` 명령어를 사용하여 두 개의 구성을 활성화합니다. `gcloud config list` 명령어를 실행하여 Compute Engine 인스턴스를 시작합니다.

D. `gcloud configurations activate [NAME]` 명령어를 사용하여 두 개의 구성을 활성화합니다. `gcloud configurations list` 명령어를 실행하여 Compute Engine 인스턴스를 시작합니다.

A. 머신러닝 팀에게 Pod 사양에 "accelerator: gpu" 주석을 추가하도록 요청하세요.

B. 모든 노드에서 GPU를 활성화하기 위해 GKE 클러스터의 모든 노드를 다시 생성합니다.

C. GPU가 있는 노드를 사용하여 Compute Engine 위에 자체 Kubernetes 클러스터를 생성합니다.
이 클러스터를 머신러닝 팀 전용으로 사용하세요.

D. GKE 클러스터에 GPU 지원 노드 풀을 새로 추가합니다. 머신러닝 팀에 `cloud.google.com/gke-accelerator:nvidia-tesla-p100 nodeSelector`를 포드 사양에 추가하도록 요청하세요.

A. gcloud builds submit --tag gcr.io/img-278322/acme_track_n_trace 명령어를 실행하세요.

B. gcloud builds submit --tag gcr.io/img-278322/acme_track_n_trace:v1 명령어를 실행하세요.

C. gcloud builds submit --tag gcr.io/prod-278986/acme_track_n_trace 명령어를 실행하세요.

D. gcloud builds submit --tag gcr.io/prod-278986/acme_track_n_trace:v1 명령어를 실행하세요.

A. 대기 중인 Pod의 리소스 요청량이 너무 커서 클러스터의 단일 노드에 수용할 수 없습니다.

B. 클러스터에서 이미 너무 많은 Pod가 실행 중이며, 대기 중인 Pod를 예약할 수 있는 리소스가 부족합니다.

C. 노드 풀이 대기 중인 Pod에서 사용하는 컨테이너 이미지를 가져올 권한이 없는 서비스 계정으로 구성되어 있습니다.

D. 대기 중인 Pod는 Deployment 생성과 Pod 상태 확인 사이에 선점된 노드에 원래 예약되어 있었습니다. 현재 새 노드에 다시 예약되고 있습니다.