무료 온라인 액세스 Google.Associate-Data-Practitioner.v2025-10-09.q48 모의 시험 (Page 7)

Associate-Data-Practitioner 문제 26

중요한 월말 보고서에 사용되는 BigQuery 테이블을 관리하고 있습니다. 이 테이블은 매주 새로운 판매 데이터로 업데이트됩니다. 실수로 테이블을 삭제하여 데이터 손실 및 보고 문제를 방지하고 싶습니다. 어떻게 해야 할까요?

A. 테이블의 시간 이동 기간을 정확히 7일로 설정합니다. 삭제 시, 삭제된 테이블을 시간 이동 데이터만으로 다시 생성합니다.

B. 일주일에 한 번씩 테이블의 새 스냅샷을 생성하도록 예약합니다. 삭제 시, 스냅샷과 시간 이동 데이터를 사용하여 삭제된 테이블을 다시 생성합니다.

C. 테이블의 복제본을 생성합니다. 삭제 시 복제본의 내용을 복사하여 삭제된 테이블을 다시 생성합니다.

D. 테이블 뷰를 생성합니다. 삭제 시, 뷰와 시간 이동 데이터를 사용하여 삭제된 테이블을 다시 생성합니다.

Associate-Data-Practitioner 문제 27

귀사의 웹사이트는 온프레미스 MySQL을 백엔드 데이터베이스로 사용하고 있습니다. MySQL 기능을 유지하면서 온프레미스 MySQL 데이터베이스를 Google Cloud로 마이그레이션해야 합니다. 관리 부담과 다운타임을 최소화해야 합니다. 어떻게 해야 할까요?

A. Compute Engine 가상 머신에 MySQL을 설치합니다. mysqldump 명령을 사용하여 데이터베이스 파일을 내보냅니다. 파일을 Cloud Storage에 업로드하고 Compute Engine의 MySQL 인스턴스로 가져옵니다.

B. Database Migration Service를 사용하여 데이터를 Cloud SQL for MySQL로 전송하고 온프레미스 MySQL 데이터베이스를 소스로 구성합니다.

C. Google에서 제공하는 Dataflow 템플릿을 사용하여 BigQuery에서 MySQL 데이터베이스를 복제합니다.

D. 데이터베이스 테이블을 CSV 파일로 내보내고 Cloud Storage에 업로드합니다. MySQL 스키마를 Spanner 스키마로 변환하고 JSON 매니페스트 파일을 생성한 후 Google에서 제공하는 Dataflow 템플릿을 실행하여 Spanner에 데이터를 로드합니다.

Associate-Data-Practitioner 문제 28

Cloud Storage에서 BigQuery로 작은 CSV 파일을 로드하는 데이터 수집 파이프라인을 개발하고 있습니다. 데이터 지연 시간을 최소화하기 위해 파일이 도착하는 즉시 로드하고, 최소한의 비용과 유지 관리로 이를 달성하고자 합니다. 어떻게 해야 할까요?

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

B. Cloud Storage에서 BigQuery로 새 파일을 로드하고 10분마다 실행되도록 예약하는 Cloud Composer 파이프라인을 만듭니다.

C. Cloud Storage에 데이터가 도착하면 트리거되는 BigQuery에 데이터를 로드하는 Cloud Run 함수를 만듭니다.

D. Cloud Storage에서 CSV 파일을 가져와 Spark를 사용하여 처리하고 결과를 BigQuery에 쓰는 Dataproc 클러스터를 만듭니다.

정답: C

Cloud Storage에서 트리거하는 Cloud Run 함수를 사용하여 BigQuery에 데이터를 로드하는 것이 비용과 유지 관리를 최소화하는 동시에 지연 시간이 짧은 데이터 수집을 제공하기 때문에 최적의 솔루션입니다. Cloud Run은 워크로드에 따라 자동으로 확장되는 서버리스 플랫폼으로, 전용 인스턴스나 클러스터 없이도 리소스를 효율적으로 사용할 수 있도록 합니다. Cloud Storage 이벤트 알림과 완벽하게 통합되어 수신 파일을 실시간으로 처리하고 BigQuery에 로드할 수 있습니다. 이러한 접근 방식은 비용 효율적이고 확장 가능하며 관리가 용이합니다.
목표는 작은 CSV 파일을 도착 즉시 BigQuery에 로드하는 것입니다(이벤트 기반). 지연 시간, 비용, 유지 관리를 최소화하면서 말이죠. Google Cloud는 이러한 요구 사항에 맞는 서버리스 이벤트 기반 옵션을 제공합니다. 각 옵션을 자세히 살펴보겠습니다.
옵션 A: Cloud Composer(관리형 Apache Airflow)는 Cloud Storage를 확인하기 위해 파이프라인을 예약할 수 있습니다.
10분 정도 소요되지만, 이 폴링 방식은 지연 시간(최대 10분)이 발생하고 파일이 도착하지 않더라도 Composer 실행 비용이 발생합니다. 유지 관리에는 DAG 및 Composer 환경 관리가 포함되므로 오버헤드가 증가합니다. 이 방식은 이벤트 기반 수집보다는 예약된 일괄 처리 작업에 더 적합합니다.
옵션 B: Cloud Storage 이벤트(Eventarc 또는 Pub/Sub를 통해)에 의해 트리거되는 Cloud Run 함수는 파일이 도착하는 즉시 BigQuery에 로드하여 지연 시간을 최소화합니다. Cloud Run은 서버리스이며, 유휴 상태일 때는 0으로 확장되므로 비용이 저렴하고 최소한의 유지 관리만 필요합니다(배포 후 삭제). 함수에서 BigQuery API(예: Python 클라이언트 라이브러리)를 사용하면 소규모 CSV 로드를 효율적으로 처리할 수 있습니다. 이는 Google의 서버리스 이벤트 기반 권장사항과 일치합니다.
옵션 C: Spark 기반 Dataproc은 소규모 CSV 수집이 아닌 대규모 분산 처리에 적합하도록 설계되었습니다. 클러스터 관리가 필요하고, 비용이 더 많이 들며(일시적인 클러스터를 사용하는 경우에도), 간단한 로드 작업에도 불필요한 복잡성을 가중시킵니다.
옵션 D: Cloud Shell의 bq 명령줄 도구는 자동화되지 않고 수동이므로 "도착 시" 요구 사항을 충족하지 못합니다. 파이프라인 솔루션이 아닌 일회성 도구이며, Cloud Shell은 지속적인 자동화를 위해 설계되지 않았습니다.
B가 가장 좋은 이유: Cloud Run은 Cloud Storage의 객체 생성 이벤트를 활용하여 파일 도착과 BigQuery 수집 사이의 지연 시간을 거의 0에 가깝게 보장합니다. 서버리스이므로 관리할 인프라가 없고 사용량에 따라 비용이 증가합니다(유휴 상태일 때는 무료). 소규모 CSV의 경우 BigQuery 로드 작업이 가벼워 처리 오버헤드가 발생하지 않습니다.
Google 문서에서 발췌: "Cloud Storage 이벤트를 사용하여 Cloud Run 트리거하기"(https://cloud.
google.com/run/docs/triggering/using-events): "Eventarc를 사용하여 객체 생성과 같은 Cloud Storage 이벤트에 응답하여 Cloud Run 서비스를 트리거할 수 있습니다. 이러한 서버리스 방식은 지연 시간과 유지 관리를 최소화하여 실시간 데이터 파이프라인에 이상적입니다." 또한 "BigQuery에 데이터 로드"(https://cloud.google.com/bigquery/docs/loading-data-cloud-storage-csv): "BigQuery API를 사용하여 Cloud Storage에서 CSV 파일을 프로그래밍 방식으로 로드하여 최소한의 오버헤드로 자동 수집을 구현합니다."

Associate-Data-Practitioner 문제 29

의료 회사에서 근무하고 있습니다. 레거시 시스템에서 환자 데이터를 추출하고 변환하여 분석을 위해 BigQuery에 로드하는 일일 ETL 파이프라인이 있습니다. 이 파이프라인은 현재 셸 스크립트를 사용하여 수동으로 실행됩니다. 파이프라인 관측성과 문제 해결 인사이트를 확보하기 위해 이 프로세스를 자동화하고 모니터링 기능을 추가하려고 합니다. ETL 코드를 다시 작성하지 않고 오픈소스 도구를 사용하는 단일 중앙 집중식 솔루션을 원합니다. 어떻게 해야 할까요?

A. Cloud Composer에서 직접 비순환 그래프(DAG)를 생성하여 매일 파이프라인 트리거를 조정합니다. Apache Airflow 웹 인터페이스와 Cloud Monitoring을 사용하여 파이프라인 실행을 모니터링합니다.

B. ETL 파이프라인을 구현하도록 Cloud Dataflow를 구성하고, Cloud Scheduler를 사용하여 Dataflow 파이프라인을 매일 트리거합니다. Dataflow 작업 모니터링 인터페이스와 Cloud Monitoring을 사용하여 파이프라인 실행을 모니터링합니다.

C. Cloud Scheduler를 사용하여 Dataproc 작업을 트리거하여 파이프라인을 매일 실행합니다. Dataproc 작업 웹 인터페이스와 Cloud Monitoring을 사용하여 작업 진행 상황을 모니터링합니다.

D. 파이프라인을 매일 실행하는 Cloud Run 함수를 만듭니다. Cloud Monitoring을 사용하여 함수 실행을 모니터링합니다.

Associate-Data-Practitioner 문제 30

Cloud SQL 데이터베이스에 데이터를 저장하는 웹 애플리케이션을 관리하고 있습니다. 기본 데이터베이스 인스턴스에서 읽기 트래픽을 분산하여 애플리케이션의 읽기 성능을 개선해야 합니다. 노력과 비용을 최소화하는 솔루션을 구현하려고 합니다. 어떻게 해야 할까요?

A. Cloud CDN을 사용하여 자주 액세스되는 데이터를 캐시합니다.

B. 자주 액세스되는 데이터를 Memorystore 인스턴스에 저장합니다.

C. 데이터베이스를 더 큰 Cloud SQL 인스턴스로 마이그레이션합니다.

D. 자동 백업을 활성화하고 Cloud SQL 인스턴스의 읽기 복제본을 만듭니다.