A. 기존 데이터 웨어하우스를 BigQuery로 교체합니다. 테이블 파티셔닝을 사용합니다.

B. 기존 데이터 웨어하우스를 CPU가 96개인 Compute Engine 인스턴스로 교체합니다.

C. 기존 데이터 웨어하우스를 BigQuery로 교체합니다. 연합 데이터 소스를 사용하십시오.

D. 기존 데이터 웨어하우스를 CPU가 96개인 Compute Engine 인스턴스로 교체합니다. CPU가 32개인 Compute Engine 선점형 인스턴스를 추가합니다.

A. 모든 데이터를 1개의 영역으로 이동한 다음 Cloud Dataproc 클러스터를 실행하여 작업을 실행합니다.

B. 모든 데이터를 1개 지역으로 이동한 다음 Google Cloud Dataproc 클러스터를 실행하여 작업을 실행합니다.

C. 각 지역에서 클러스터를 실행하여 원시 데이터를 전처리 및 압축한 다음 데이터를 다중 지역 버킷으로 이동하고 Dataproc 클러스터를 사용하여 작업을 완료합니다.

D. 각 지역에서 클러스터를 실행하여 원시 데이터를 전처리 및 압축한 다음 데이터를 지역 버킷으로 이동하고 Cloud Dataproc 클러스터를 사용하여 작업을 완료합니다.

A. 구글 클라우드 SQL

B. 구글 클라우드 빅테이블

C. 구글 클라우드 스토리지

D. 구글 클라우드 데이터스토어

A. 인스턴스 그룹 업데이터를 사용하여 업데이트를 배포하여 카나리아 테스트를 허용하는 부분 롤아웃을 만듭니다.

B. App Engine 애플리케이션에서 업데이트를 새 버전으로 배포하고 새 버전과 현재 버전 간에 트래픽을 분할합니다.

C. 새 VPC에 업데이트를 배포하고 Google의 글로벌 HTTP 로드 밸런싱을 사용하여 업데이트와 현재 애플리케이션 간에 트래픽을 분할합니다.

D. 업데이트를 새 App Engine 애플리케이션으로 배포하고 Google의 글로벌 HTTP 로드 밸런싱을 사용하여 새 애플리케이션과 현재 애플리케이션 간에 트래픽을 분할합니다.

A. 파일을 Cloud Storage에 업로드합니다. Cloud Datalab을 사용하여 데이터를 탐색하고 정리하세요.

B. 파일을 Cloud Storage에 업로드합니다. Cloud Dataprep을 사용하여 데이터를 탐색하고 정리하세요.

C. Cloud Datalab을 온프레미스 시스템에 연결합니다. Cloud Datalab을 사용하여 데이터를 탐색하고 정리하세요.

D. Cloud Dataprep을 온프레미스 시스템에 연결합니다. Cloud Dataprep을 사용하여