무료 온라인 액세스 Google.Professional-Cloud-Architect.v2024-03-08.q174 모의 시험 (Page 35)

Professional-Cloud-Architect 문제 166

이 질문에 대해서는 Dress4Win 사례 연구를 참조하세요. 솔루션을 마이그레이션하기 전에 온프레미스 아키텍처가 비즈니스 요구 사항을 충족하는지 확인하려고 합니다.
온프레미스 아키텍처에 어떤 변화를 주어야 합니까?

A. RabbitMQ를 Google Pub/Sub로 대체합니다.

B. MySQL을 MySQL용 Cloud SQL에서 지원되는 v5.7로 다운그레이드합니다.

C. 사전 정의된 Compute Engine 머신 유형과 일치하도록 컴퓨팅 리소스의 크기를 조정합니다.

D. 마이크로 서비스를 컨테이너화하고 Google Kubernetes Engine에서 호스팅합니다.

정답: C

주제 6, TerramEarth 사례 2
회사 개요
TerramEarth는 광업 및 농업 산업을 위한 중장비를 제조합니다. 사업의 약 80%가 광업에서, 20%가 농업에서 이루어집니다. 현재 100개국에 500개 이상의 딜러와 서비스 센터를 보유하고 있습니다. 그들의 임무는 고객의 생산성을 높이는 제품을 만드는 것입니다.
솔루션 컨셉
초당 120개 필드의 데이터를 수집하는 2천만 대의 TerramEarth 차량이 작동 중입니다. 데이터는 차량에 로컬로 저장되며 차량 정비 시 분석을 위해 액세스할 수 있습니다. 데이터는 유지 관리 포트를 통해 다운로드됩니다. 이 동일한 포트를 사용하여 작동 매개변수를 조정하면 차량을 새로운 컴퓨팅 모듈로 현장에서 업그레이드할 수 있습니다.
약 200,000대의 차량이 셀룰러 네트워크에 연결되어 TerramEarth가 데이터를 직접 수집할 수 있습니다. 하루 22시간 작동하여 초당 120개 데이터 필드의 속도로 TerramEarth는 이러한 연결된 차량에서 하루 총 약 9TB를 수집합니다.
기존 기술 환경
TerramEarth의 기존 아키텍처는 단일 미국 서부 해안 기반 데이터 센터에 상주하는 Linux 및 Windows 기반 시스템으로 구성됩니다. 이러한 시스템은 현장에서 CSV 파일을 압축하고 FTP를 통해 업로드한 후 데이터 웨어하우스에 데이터를 저장합니다. 이 프로세스에는 시간이 걸리기 때문에 집계된 보고서는 3주 전의 데이터를 기반으로 합니다.
이 데이터를 통해 TerramEarth는 교체 부품을 사전에 비축하고 차량의 계획되지 않은 가동 중지 시간을 60%까지 줄일 수 있었습니다. 그러나 데이터가 오래되었기 때문에 일부 고객은 교체 부품을 기다리는 동안 최대 4주 동안 차량 없이 지내기도 합니다.
비즈니스 요구 사항
계획되지 않은 차량 가동 중지 시간을 1주일 미만으로 줄입니다.
고객이 장비를 사용하여 새로운 제품과 서비스를 더 효과적으로 포지셔닝하는 방법에 대한 더 많은 데이터로 딜러 네트워크를 지원합니다. 특히 빠르게 성장하는 농업 사업의 종자 및 비료 공급업체와 같은 다양한 회사와 협력하여 강력한 공동 제품을 만들 수 있습니다. 그들의 고객.
기술 요구 사항
단일 데이터 센터 이상으로 확장하여 미국 중서부 및 동부 해안에 대한 대기 시간을 줄입니다.
백업 전략을 수립합니다.
장비에서 데이터센터로의 데이터 전송 보안을 강화합니다.
데이터 웨어하우스의 데이터를 개선합니다.
고객 및 장비 데이터를 사용하여 고객 요구를 예측하십시오.
애플리케이션 1: 데이터 수집
사용자 정의 Python 애플리케이션은 단일 서버에서 업로드된 데이터 파일을 읽고 데이터 웨어하우스에 씁니다.
컴퓨팅:
윈도우 서버 2008 R2
- CPU 16개
- 128GB RAM
- 10TB 로컬 HDD 스토리지
적용 2: 보고
비즈니스 분석가가 일일 보고서를 실행하여 수리가 필요한 장비를 확인하는 데 사용하는 기성 애플리케이션입니다. 10명(서해안 5명, 동해안 5명)으로 구성된 팀 중 2명의 분석가만 한 번에 보고 애플리케이션에 연결할 수 있습니다.
컴퓨팅:
선반 응용 프로그램에서 벗어났습니다. 물리적 CPU 수에 따른 라이선스
- 윈도우 서버 2008 R2
- CPU 16개
- 32GB RAM
- 500GB HDD
데이터웨어 하우스:
단일 PostgreSQL 서버
- 레드햇 리눅스
- CPU 64개
- 128GB RAM
- RAID 0의 4x 6TB HDD
임원진술서
우리의 경쟁 우위는 경쟁사보다 더 낮은 비용으로 더 나은 차량을 제작할 수 있는 능력을 통해 항상 제조 공정에 있었습니다. 그러나 다양한 접근 방식을 갖춘 신제품이 지속적으로 개발되고 있으며, 업계에서 다음 변화의 물결을 겪을 수 있는 기술이 부족하다는 점이 우려됩니다. 저의 목표는 점진적인 혁신을 통해 즉각적인 시장 요구 사항을 해결하면서 기술을 구축하는 것입니다.

Professional-Cloud-Architect 문제 167

귀하의 마케팅 부서에서는 홍보 이메일 캠페인을 발송하려고 합니다. 개발팀에서는 직접적인 운영 관리를 최소화하고자 합니다. 그들은 하루에 100에서 500,000 클릭까지 가능한 광범위한 고객 응답을 예상합니다. 링크를 클릭하면 프로모션을 설명하고 사용자 정보와 선호도를 수집하는 간단한 웹사이트로 연결됩니다. 어떤 인프라를 추천해야 합니까? (2개 선택)

A. Google App Engine을 사용하여 웹사이트를 제공하고 Google Cloud Datastore를 사용하여 사용자 데이터를 저장합니다.

B. Google Container Engine 클러스터를 사용하여 웹사이트를 제공하고 데이터를 영구 디스크에 저장합니다.

C. 관리형 인스턴스 그룹을 사용하여 웹사이트를 제공하고 Google Cloud Bigtable을 사용하여 사용자 데이터를 저장합니다.

D. 단일 Compute Engine 가상 머신(VM)을 사용하여 Google Cloud SQL이 지원하는 웹 서버를 호스팅합니다.

Professional-Cloud-Architect 문제 168

뉴스 티드 웹 서비스에는 Google App Engine에서 실행되는 다음 코드가 있습니다. 최대 로드 중에 사용자는 이미 본 뉴스 기사를 볼 수 있다고 보고합니다. 이 문제의 가장 가능성 있는 원인은 무엇입니까?

A. 세션 변수는 단일 인스턴스에만 로컬입니다.

B. Cloud Datastore에서 세션 변수를 덮어쓰는 중입니다.

C. 캐싱을 방지하려면 API의 URL을 수정해야 합니다.

D. 캐싱을 중지하려면 HTTP Expires 헤더를 -1로 설정해야 합니다.

Professional-Cloud-Architect 문제 169

웹 애플리케이션은 Google Kubernetes Engine을 사용하여 여러 워크로드를 관리합니다. 하나의 워크로드에는 포드를 확장하고 다시 시작한 후에도 일관된 호스트 이름 집합이 필요합니다.
이를 달성하려면 Kubernetes의 어떤 기능을 사용해야 합니까?

A. 역할 기반 액세스 제어

B. 영구 볼륨

C. 컨테이너 환경 변수

D. StatefulSet

Professional-Cloud-Architect 문제 170

0.1 CPU 코어가 필요한 많은 종속성이 있는 Python 웹 애플리케이션이 있습니다.
프로덕션 환경에서 작동하려면 128MB의 메모리가 필요합니다. 기계 활용도를 모니터링하고 극대화하려고 합니다. 또한 새 버전의 애플리케이션을 안정적으로 배포할 수도 있습니다. 어떤 단계를 수행해야 합니까?

A. 다음을 수행합니다.
1. n1-standard-4 유형 머신으로 Kubernetes Engine 클러스터를 생성합니다.
2. 모든 종속성이 포함된 마스터 브랜치에서 Docker 이미지를 빌드하고 다음과 같이 태그를 지정합니다.
"최신".
3. imagePullPolicy가 다음으로 설정된 기본 네임스페이스에 Kubernetes 배포를 생성합니다.
"언제나". 새 프로덕션 릴리스를 자동으로 배포하려면 포드를 다시 시작하세요.

B. 다음을 수행합니다.
1. n1-standard-1 유형 머신으로 Kubernetes Engine 클러스터를 생성합니다.
2. 모든 종속성을 포함하여 프로덕션 브랜치에서 Docker 이미지를 빌드하고 버전 번호로 태그를 지정합니다.
3. 스테이징 네임스페이스에서 imagePullPolicy를 "IfNotPresent"로 설정하여 Kubernetes 배포를 생성한 다음 테스트 후 프로덕션 네임스페이스로 승격합니다.

C. 다음을 수행합니다.
1. f1-micro 유형 머신으로 관리형 인스턴스 그룹을 만듭니다.
2. 시작 스크립트를 사용하여 리포지토리를 복제하고, 프로덕션 분기를 확인하고, 종속성을 설치하고, Python 앱을 시작합니다.
3. 인스턴스를 다시 시작하여 새 프로덕션 릴리스를 자동으로 배포합니다.

D. 다음을 수행합니다.
1. n1-standard-1 유형 머신으로 관리형 인스턴스 그룹을 만듭니다.
2. 모든 종속성을 포함하고 Python 앱을 자동으로 시작하는 프로덕션 분기에서 Compute Engine 이미지를 빌드합니다.
3. Compute Engine 이미지를 다시 빌드하고 인스턴스 템플릿을 업데이트하여 새 프로덕션 릴리스를 배포합니다.

다른 버전: 901Google.Professional-Cloud-Architect.v2026-01-14.q101; 2656Google.Professional-Cloud-Architect.v2024-03-16.q191; 1121Google.Professional-Cloud-Architect.v2023-09-13.q111; 2419Google.Professional-Cloud-Architect.v2023-01-14.q147; 1786Google.Professional-Cloud-Architect.v2022-07-10.q111; 3570Google.Professional-Cloud-Architect.v2022-05-20.q253

최근 업로드: 133Oracle.1Z0-1050-26.v2026-09-05.q19; 197Salesforce.Manufacturing-Cloud-Professional.v2026-09-05.q111; 216EXIN.ITILFND_V4.v2026-09-05.q129; 231Citrix.1Y0-312.v2026-09-05.q182; 181NVIDIA.NCP-AIN.v2026-09-05.q56; 183Huawei.H12-351_V1.0.v2026-09-04.q76; 814Cisco.300-435.v2026-09-03.q259; 405Oracle.1Z0-1045-26.v2026-09-03.q17; 712IIA.IIA-CIA-Part1.v2026-09-03.q627; 579Fortinet.NSE6_OTS_AR-7.6.v2026-09-03.q95