A. Google Data Studio를 BigQuery에 연결합니다. 사용자에 대한 측정기준과 사용자당 쿼리 양에 대한 측정항목을 만듭니다.

B. BigQuery 인터페이스에서 JOBS 테이블에 대한 쿼리를 실행하여 필요한 정보를 가져옵니다.

C. 'bq show'를 사용하여 모든 작업을 나열합니다. 작업별로 'bq Is'를 사용하여 작업 정보를 나열하고 필요한 정보를 가져옵니다.

D. Cloud Audit Logging을 사용하여 Cloud 감사 로그를 보고 쿼리 작업에 대한 필터를 만들어 필요한 정보를 가져옵니다.

A. BigQuery를 데이터 웨어하우스로 사용합니다. 모든 차량을 네트워크에 연결하고 데이터를
Cloud Pub/Sub 및 Cloud Dataflow를 사용하는 BigQuery Google 데이터 스튜디오를 사용하여 분석하고
보고.

B. Cloud Dataproc Hive를 데이터 웨어하우스로 사용합니다. MultiRegional Cloud Storage에 gzip 파일 업로드
버킷. gcloud를 사용하여 이 데이터를 BigQuery에 업로드합니다. Google 데이터 스튜디오를 사용하여 분석하고
보고.

C. Cloud Dataproc Hive를 데이터 웨어하우스로 사용합니다. 데이터를 분할된 Hive 테이블로 직접 스트리밍합니다. 사용
데이터를 분석하기 위한 Pig 스크립트.

D. BigQuery를 데이터 웨어하우스로 사용합니다. 모든 차량을 네트워크에 연결하고 gzip 파일을
gcloud를 사용하는 Multi-Regional Cloud Storage 버킷입니다. 분석 및 보고를 위해 Google Data Studio를 사용하십시오.

A. 차량의 컴퓨터에서 시간별 스냅샷으로 데이터를 압축하고 Google Cloud에 저장합니다.
저장소(GCS) Nearline 버킷

B. 원격 측정 데이터를 데이터를 압축하는 스트리밍 데이터 흐름 작업에 실시간으로 푸시하고 저장합니다.
구글 빅쿼리에서

C. 원격 측정 데이터를 데이터를 압축하는 스트리밍 데이터 흐름 작업에 실시간으로 푸시하고 저장합니다.
클라우드 빅테이블에서

D. 차량의 컴퓨터가 시간별 스냅샷으로 데이터를 압축하고 GCS Coldline에 저장하도록 합니다.
버킷

A. 다음 명령을 사용하여 Container Engine 클러스터에 추가 노드를 추가합니다.
gcloud 컨테이너 클러스터 크기 조정 CLUSTER_NAME --size 10

B. 다음 명령을 사용하여 클러스터의 인스턴스에 태그를 추가합니다.
gcloud compute instances add-tags INSTANCE --tags enable --autoscaling max-nodes-10

C. 다음 명령을 사용하여 기존 Container Engine 클러스터를 업데이트합니다.
gcloud alpha 컨테이너 클러스터 업데이트 mycluster --enable-autoscaling --min-nodes=1 --max-nodes=10

D. 다음 명령을 사용하여 새 Container Engine 클러스터를 생성합니다.
gcloud alpha 컨테이너 클러스터는 mycluster --enable-autocaling --min-nodes=1 --max-nodes=10을 생성하고 애플리케이션을 재배포합니다.

A. Google App Engine에서 실행할 애플리케이션 코드를 포팅합니다.

B. Cloud Dataflow를 애플리케이션에 통합하여 실시간 측정항목을 캡처합니다.

C. Stackdriver Debugger와 같은 모니터링 도구로 애플리케이션을 계측합니다.

D. 클라우드 인프라를 안정적으로 프로비저닝하기 위한 자동화 프레임워크를 선택합니다.

E. 스테이징 환경에서 자동화된 테스트와 함께 지속적인 통합 도구를 배포합니다.

F. MySQL에서 Google Cloud Datastore 또는 Bigtable과 같은 관리형 NoSQL 데이터베이스로 마이그레이션합니다.