무료 온라인 액세스 Google.Professional-Cloud-Architect.v2024-03-16.q191 모의 시험 (Page 8)

Professional-Cloud-Architect 문제 31

TerramEarth는 현장에 있는 2천만 대의 차량을 모두 클라우드에 연결할 계획입니다. 이렇게 하면 볼륨이 증가합니다.
2천만 600바이트는 시간당 40TB로 1초를 기록합니다.
데이터 수집을 어떻게 설계해야 합니까?

A. 차량은 GCS에 직접 데이터를 씁니다.

B. 차량은 Google Cloud Pub/Sub에 직접 데이터를 씁니다.

C. 차량이 데이터를 Google BigQuery로 직접 스트리밍합니다.

D. 차량은 기존 시스템(FTP)을 사용하여 계속해서 데이터를 씁니다.

Professional-Cloud-Architect 문제 32

현재 Dress4Win 시스템 아키텍처는 하나의 데이터 센터에 위치하기 때문에 일부 고객에게 대기 시간이 높습니다.
향후 평가 및 클라우드 성능 최적화를 통해 Dresss4Win은 Google 클라우드 플랫폼을 사용할 때 시스템 아키텍처를 여러 위치에 배포하려고 합니다.
어떤 접근 방식을 사용해야 합니까?

A. 지역 관리형 인스턴스 그룹은 트래픽을 기반으로 각 지역의 인스턴스를 개별적으로 늘릴 수 있으므로 지역 관리형 인스턴스 그룹과 글로벌 로드 밸런서를 사용하여 성능을 향상합니다.

B. 운영 팀에서 관리하는 더 가까운 가상 머신 그룹에 요청을 전달하는 가상 머신 세트와 함께 글로벌 로드 밸런서를 사용합니다.

C. 지역 관리형 인스턴스 그룹과 글로벌 부하 분산 장치를 사용하여 서로 다른 지역의 영역 간에 자동 장애 조치를 제공함으로써 안정성을 높입니다.

D. 별도의 관리형 인스턴스 그룹의 일부로 더 가까운 가상 머신 그룹에 요청을 전달하는 가상 머신 세트와 함께 글로벌 부하 분산 장치를 사용합니다.

정답: A

설명/참조:
드레스4윈,B
테스트렛 1
회사 개요
Dress4Win은 사용자가 웹 앱과 모바일 애플리케이션을 사용하여 개인 옷장을 정리하고 관리할 수 있도록 돕는 웹 기반 회사입니다. 또한 회사는 사용자를 디자이너 및 소매업체와 연결하는 활발한 소셜 네트워크를 구축합니다. 이들은 광고, 전자상거래, 추천, 프리미엄 앱 모델을 통해 서비스로 수익을 창출합니다. 애플리케이션은 창업자의 차고에 있는 몇 대의 서버에서 같은 위치에 있는 데이터 센터에 있는 수백 대의 서버와 장비로 성장했습니다. 그러나 현재 인프라 용량은 애플리케이션의 급속한 성장을 감당하기에 부족합니다. 이러한 성장과 더 빠른 혁신을 향한 회사의 열망으로 인해 Dress4Win은 퍼블릭 클라우드로의 전체 마이그레이션을 약속하고 있습니다.
솔루션 컨셉
클라우드로의 마이그레이션 첫 번째 단계에서 Dress4Win은 개발 및 테스트 환경을 이전하고 있습니다. 또한 현재 인프라가 단일 위치에 있기 때문에 재해 복구 사이트를 구축하고 있습니다. 그들은 아키텍처의 어떤 구성 요소를 그대로 마이그레이션할 수 있는지, 마이그레이션하기 전에 어떤 구성 요소를 변경해야 하는지 확신하지 못합니다.
기존 기술 환경
Dress4Win 애플리케이션은 단일 데이터 센터 위치에서 제공됩니다. 모든 서버는 Ubuntu LTS v16.04를 실행합니다.
데이터베이스:
* MySQL. 사용자 데이터, 인벤토리, 정적 데이터용 서버 1개:
- MySQL 5.8
- 8코어 CPU
- 128GB RAM
- 2x 5TB HDD(RAID 1)
* 메타데이터, 소셜 그래프, 캐싱을 위한 Redis 3 서버 클러스터. 각 서버는 다음과 같습니다.
- 레디스 3.2
- 4코어 CPU
- 32GB RAM
컴퓨팅:
* 마이크로 서비스 기반 API 및 정적 콘텐츠를 제공하는 40개의 웹 애플리케이션 서버.
- 톰캣 - 자바
- 엔진엑스
- 4코어 CPU
- 32GB RAM
* 20개의 Apache Hadoop/Spark 서버:
- 데이터 분석
- 실시간 추세 계산
- 8코어 CPU
- 128GB RAM
- 4x 5TB HDD(RAID 1)
* 메시징, 소셜 알림 및 이벤트를 위한 RabbitMQ 서버 3개:
- 8코어 CPU
- 32GB RAM
* 기타 서버:
- Jenkins, 모니터링, 요새 호스트, 보안 스캐너
- 8코어 CPU
- 32GB RAM
저장 장치:
* VM 호스트용 iSCSI
* 파이버 채널 SAN - MySQL 데이터베이스
- 총 저장 용량 1PB 400TB 사용 가능
* NAS - 이미지 저장, 로그, 백업
- 총 저장 용량 100TB 35TB 사용 가능
비즈니스 요구 사항
* 생산 패리티를 확장하여 안정적이고 재현 가능한 환경을 구축합니다.
* 클라우드에 대한 일련의 보안 및 ID 및 액세스 관리(IAM) 모범 사례를 정의하고 준수하여 보안을 향상합니다.
* 새로운 리소스의 신속한 프로비저닝을 통해 비즈니스 민첩성과 혁신 속도를 향상합니다.
* 클라우드 성능을 위해 아키텍처를 분석하고 최적화합니다.
기술 요구 사항
* 클라우드에서 비프로덕션 환경을 쉽게 생성할 수 있습니다.
* 클라우드에서 리소스 프로비저닝을 위한 자동화 프레임워크를 구현합니다.
* 온프레미스 데이터 센터 또는 클라우드에 애플리케이션을 배포하기 위한 지속적인 배포 프로세스를 구현합니다.
* 긴급 상황 시 프로덕션 환경을 클라우드로 장애 조치할 수 있도록 지원합니다.
* 유선 및 미사용 데이터를 암호화합니다.
* 프로덕션 데이터 센터와 클라우드 환경 간의 다중 개인 연결을 지원합니다.
임원진술서
우리 투자자들은 현재 인프라를 통해 비용을 확장하고 억제할 수 있는 능력에 대해 우려하고 있습니다.
그들은 또한 경쟁업체가 퍼블릭 클라우드 플랫폼을 사용하여 초기 투자를 상쇄하고 더 나은 기능 개발에 집중할 수 있다는 점을 우려하고 있습니다. 우리의 교통 패턴은 아침과 주말 저녁에 가장 높습니다. 다른 시간에는 용량의 80%가 유휴 상태입니다.
우리의 자본 지출은 현재 분기별 예상을 초과하고 있습니다. 클라우드로 마이그레이션하면 초기 지출이 증가할 가능성이 높지만 다음 하드웨어 교체 주기 전에 완전히 전환할 것으로 예상됩니다. 퍼블릭 클라우드 전략에 대한 향후 5년간의 총 소유 비용(TCO) 분석은 현재 모델에 비해 30%~50%의 비용 절감을 달성합니다.

Professional-Cloud-Architect 문제 33

JencoMart는 사용자 프로필 저장소를 Google Cloud Datastore로, 애플리케이션 서버를 Google Compute Engine(GCE)으로 이전하기로 결정했습니다. 마이그레이션 중에 데이터를 업로드하려면 기존 인프라에서 Datastore에 액세스해야 합니다.
어떤 서비스 계정 키 관리 전략을 권장해야 하나요?

A. 온프레미스 인프라 및 GCE 가상 머신(VM)용 서비스 계정 키 프로비저닝

B. 사용자 계정으로 온프레미스 인프라를 인증하고 VM에 대한 서비스 계정 키를 프로비저닝합니다.

C. 온프레미스 인프라용 서비스 계정 키를 프로비저닝하고 VM용 Google Cloud Platform(GCP) 관리 키를 사용합니다.

D. 온프레미스 인프라용 GCE/Google Kubernetes Engine(GKE)에 커스텀 인증 서비스를 배포하고 VM용 GCP 관리 키를 사용합니다.

Professional-Cloud-Architect 문제 34

이 질문에 대해서는 JencoMart 사례 연구를 참조하세요.
JencoMart는 Google Cloud Platform에 Asi a에 트래픽을 제공하는 애플리케이션 버전을 구축했습니다. 비즈니스 및 기술 목표를 기준으로 성공 여부를 측정하려고 합니다. 어떤 지표를 추적해야 합니까?

A. 아시아의 요청에 대한 오류율

B. 미국과 아시아 간의 지연 시간 차이

C. 아시아의 총 방문수, 오류율 및 지연 시간

D. 아시아 사용자의 총 방문수 및 평균 지연 시간

E. 데이터베이스에 존재하는 문자 집합의 수

Professional-Cloud-Architect 문제 35

이 질문에 대해서는 TerramEarth 사례 연구를 참조하세요. 기술 요구사항을 고려할 때 GCP에서 계획되지 않은 차량 가동 중지 시간을 어떻게 줄여야 할까요?

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

B. Cloud Dataproc Hive를 데이터 웨어하우스로 사용합니다. 미리 지정된 Hive 테이블로 데이터를 직접 스트리밍합니다. Pig 스크립트를 사용하여 데이터를 분석하세요.

C. Cloud Dataproc Hive를 데이터 웨어하우스로 사용합니다. MultiRegional Cloud Storage 버킷에 gzip 파일을 업로드합니다. gcloud를 사용하여 이 데이터를 BigQuery에 업로드하세요. 분석 및 보고를 위해 Google 데이터 스튜디오를 사용하세요.

D. 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 사용하세요.

다른 버전: 893Google.Professional-Cloud-Architect.v2026-01-14.q101; 1278Google.Professional-Cloud-Architect.v2024-03-08.q174; 1121Google.Professional-Cloud-Architect.v2023-09-13.q111; 2418Google.Professional-Cloud-Architect.v2023-01-14.q147; 1785Google.Professional-Cloud-Architect.v2022-07-10.q111; 3566Google.Professional-Cloud-Architect.v2022-05-20.q253

최근 업로드: 121Oracle.1Z0-1050-26.v2026-09-05.q19; 166Salesforce.Manufacturing-Cloud-Professional.v2026-09-05.q111; 196EXIN.ITILFND_V4.v2026-09-05.q129; 210Citrix.1Y0-312.v2026-09-05.q182; 158NVIDIA.NCP-AIN.v2026-09-05.q56; 182Huawei.H12-351_V1.0.v2026-09-04.q76; 810Cisco.300-435.v2026-09-03.q259; 400Oracle.1Z0-1045-26.v2026-09-03.q17; 709IIA.IIA-CIA-Part1.v2026-09-03.q627; 566Fortinet.NSE6_OTS_AR-7.6.v2026-09-03.q95