A. BigQuery에 정책 태그를 추가합니다.

B. 행 수준 액세스 정책을 만듭니다.

C. 데이터 마스킹 규칙을 만듭니다.

D. 데이터 세트에 적절한 1AM 권한을 부여합니다.

A. LookML 레이어에 새 필드를 만들고, 보고서를 새로 고친 다음 필드 선택기에서 새 필드를 선택합니다.

B. Looker Studio의 필드 추가 옵션을 사용하여 계산된 필드를 만들고 보고서에 추가합니다.

C. Looker의 필드 선택기에서 테이블 계산을 만들고 보고서에 추가합니다.

D. Looker의 필드 선택기에서 사용자 지정 필드를 만들고 보고서에 추가합니다.

A. Pub/Sub to BigQuery 구독을 사용하여 결과를 BigQuery에 직접 쓰고 5분마다 실행되도록 변환 쿼리를 예약합니다.

B. Pub/Sub to Cloud Storage 구독을 사용하고, 버킷에 객체가 도착하면 트리거되는 Cloud Run 서비스를 작성하여 변환을 수행하고 결과를 BigQuery에 씁니다.

C. UDF와 함께 "Pub/Sub to BigQuery" 데이터 흐름 템플릿을 사용하고 결과를 BigQuery에 씁니다.

D. Pub/Sub 푸시 구독을 사용하고, 메시지를 수락하고, 변환을 수행하고, 결과를 BigQuery에 쓰는 Cloud Run 서비스를 작성합니다.

A. Cloud Scheduler를 사용하여 실행할 작업을 예약합니다.

B. Cloud Tasks를 사용하여 작업을 비동기적으로 예약하고 실행합니다.

C. Cloud Composer에서 방향성 비순환 그래프(DAG)를 생성합니다. 적절한 연산자를 사용하여 Cloud Storage, Spark 및 BigQuery에 연결합니다.

D. Google Kubernetes Engine에 배포된 Apache Airflow에서 방향성 비순환 그래프(DAG)를 생성합니다. 적절한 연산자를 사용하여 Cloud Storage, Spark 및 BigQuery에 연결합니다.

A. Dataproc에서 실행되는 Spark 프로그램을 설계하세요. 오류가 감지되면 사용자 입력을 기다리도록 프로그램을 코딩하세요. 스테이지 출력 데이터 오류를 수정한 후 마지막 작업을 다시 실행하세요.

B. Dataflow에서 파이프라인을 PTransform 집합으로 설계합니다. 스테이지 출력 데이터 오류를 수정한 후 파이프라인을 다시 시작합니다.

C. 워크플로를 Cloud Workflow 인스턴스로 설계합니다. 입력 매개변수를 기반으로 특정 단계로 이동하도록 워크플로를 코딩합니다. 단계 출력 데이터 오류를 수정한 후 워크플로를 다시 실행합니다.

D. Cloud Composer에서 처리를 방향성 비순환 그래프(DAG)로 설계합니다. 스테이지 출력 데이터 오류를 수정한 후 실패한 작업의 상태를 지웁니다.