A. Google Cloud Dataproc

B. Google 클라우드 데이터 흐름

C. Bigtable이 포함된 Google 컨테이너 엔진

D. Google BigQuery가 포함된 Google Compute Engine

A. 토크나이저 서비스를 생성하고 토큰화된 데이터만 저장합니다.

B. 신용 카드 데이터만 처리하는 별도의 프로젝트를 만듭니다.

C. 별도의 하위 네트워크를 만들고 신용 카드 데이터를 처리하는 구성 요소를 분리합니다.

D. PCI 데이터를 처리하는 모든 VM(가상 머신)에 레이블을 지정하여 감사 검색 단계를 간소화합니다.

E. Google BigQuery로 로깅 내보내기를 활성화하고 ACL 및 보기를 사용하여 감사자와 공유되는 데이터의 범위를 지정합니다.

A. 보안 요구 사항을 적용하기 위해 생성한 Google 그룹스에 사용자 지정 IAM 역할을 할당합니다.
Cloud Storage에 파일을 저장할 때 고객이 제공한 암호화 키로 데이터를 암호화합니다.

B. 보안 요구 사항을 적용하기 위해 생성한 Google 그룹스에 사용자 지정 IAM 역할을 할당합니다.
Cloud Storage에 파일을 저장하기 전에 기본 저장소 암호화를 사용 설정하세요.

C. 보안 요구 사항을 적용하기 위해 생성한 Google 그룹스에 사전 정의된 IAM 역할을 할당합니다.
Cloud Storage에 파일을 저장할 때 Google의 기본 미사용 암호화를 활용합니다.

D. 보안 요구 사항을 적용하기 위해 생성한 Google 그룹스에 사전 정의된 IAM 역할을 할당합니다. Cloud Storage에 파일을 저장하기 전에 기본 Cloud KMS 키가 설정되어 있는지 확인하세요.

A. Apache Hadoop 작업을 실행하여 각 테스트를 처리하는 Google Cloud Dataproc

B. Google Compute Engine 비관리형 인스턴스 그룹 및 Network Load Balancer

C. 자동 확장 기능이 있는 Google Compute Engine 관리형 인스턴스 그룹

D. 로깅을 위한 Google Stackdriver가 포함된 Google App Engine

A. BigQuery를 데이터 웨어하우스로 사용합니다. 모든 차량을 네트워크에 연결하고 gcloud를 사용하여 gzip 파일을 Multi-Regional Cloud Storage 버킷에 업로드합니다. 분석 및 보고를 위해 Google 데이터 스튜디오를 사용합니다.

B. Cloud Dataproc Hive를 데이터 웨어하우스로 사용합니다. Multi-Regional Cloud Storage 버킷에 gzip 파일을 업로드합니다. gcloud를 사용하여 이 데이터를 BigQuery에 업로드합니다. 분석 및 보고를 위해 Google 데이터 스튜디오를 사용합니다.

C. BigQuery를 데이터 웨어하우스로 사용합니다. Cloud Pub/Sub 및 Cloud Dataflow를 사용하여 모든 차량을 네트워크에 연결하고 데이터를 BigQuery로 스트리밍하세요. 분석 및 보고를 위해 Google 데이터 스튜디오를 사용합니다.

D. Cloud Dataproc Hive를 데이터 웨어하우스로 사용합니다. 분할된 Hive 테이블로 데이터를 직접 스트리밍합니다. Pig 스크립트를 사용하여 데이터를 분석합니다.