Professional-Data-Engineer 문제 156
사례 연구 2 - MJTelco
회사 개요
MJTelco는 전 세계적으로 빠르게 성장하고 서비스가 부족한 시장에서 네트워크를 구축할 계획인 스타트업입니다.
이 회사는 혁신적인 광통신 하드웨어에 대한 특허를 보유하고 있습니다. 이러한 특허를 기반으로 저렴한 하드웨어로 많은 안정적인 고속 백본 링크를 생성할 수 있습니다.
회사 배경
경험 많은 통신 경영진에 의해 설립된 MJTelco는 원래 우주에서 통신 문제를 극복하기 위해 개발된 기술을 사용합니다. 운영에 있어 기본적으로 실시간 분석을 주도하고 기계 학습을 통합하여 토폴로지를 지속적으로 최적화하는 분산 데이터 인프라를 구축해야 합니다. 하드웨어가 저렴하기 때문에 네트워크를 과도하게 배포하여 동적 지역 정치가 위치 가용성 및 비용에 미치는 영향을 설명할 계획입니다.
그들의 관리 및 운영 팀은 전 세계에 위치하여 데이터 소비자와 시스템에서 다대다 관계를 생성합니다. 신중하게 고려한 후, 그들은 퍼블릭 클라우드가 그들의 요구를 지원하기에 완벽한 환경이라고 결정했습니다.
솔루션 개념
MJTelco는 연구소에서 성공적인 PoC(개념 증명) 프로젝트를 실행하고 있습니다. 두 가지 기본 요구 사항이 있습니다.
* PoC를 확장하고 강화하여 50,000개 이상의 설치로 증가할 때 생성되는 훨씬 더 많은 데이터 흐름을 지원합니다.
* 기계 학습 주기를 수정하여 토폴로지 정의를 제어하는 데 사용하는 동적 모델을 확인하고 개선합니다.
MJTelco는 또한 실험 실행, 새로운 기능 배포 및 프로덕션 고객 서비스의 요구 사항을 충족하기 위해 개발/테스트, 스테이징 및 프로덕션의 세 가지 별도 운영 환경을 사용할 것입니다.
비즈니스 요구 사항
* 최소한의 비용으로 생산 환경을 확장하고 예측할 수 없는 분산된 통신 사용자 커뮤니티에서 필요할 때 리소스를 인스턴스화합니다.
* 최첨단 기계 학습 및 분석을 보호하기 위해 독점 데이터의 보안을 보장합니다.
* 분산된 연구원의 분석을 위한 데이터에 대한 안정적이고 시기적절한 액세스 제공
* 고객에게 영향을 주지 않고 기계 학습 모델의 빠른 반복을 지원하는 격리된 환경을 유지합니다.
기술 요구 사항
* 원격 측정 데이터의 안전하고 효율적인 전송 및 저장 보장
* 인스턴스를 빠르게 확장하여 각각 여러 흐름으로 10,000~100,000개의 데이터 공급자를 지원합니다.
* 약 2년 동안의 데이터를 추적하는 데이터 테이블에 대한 분석 및 프레젠테이션 허용
100m 기록/일
* 원격 측정 흐름 및 프로덕션 학습 주기 모두에서 데이터 파이프라인 문제 인식에 중점을 둔 모니터링 인프라의 신속한 반복을 지원합니다.
CEO 성명서
우리의 비즈니스 모델은 특허, 분석 및 동적 기계 학습에 의존합니다. 우리의 저렴한 하드웨어는 매우 안정적으로 구성되어 있어 비용 이점이 있습니다. 안정성과 용량 약속을 충족하려면 대규모 분산 데이터 파이프라인을 신속하게 안정화해야 합니다.
CTO 성명서
당사의 퍼블릭 클라우드 서비스는 광고된 대로 작동해야 합니다. 확장하고 데이터를 안전하게 유지하는 리소스가 필요합니다. 또한 데이터 과학자가 모델을 주의 깊게 연구하고 신속하게 적용할 수 있는 환경이 필요합니다. 우리는 데이터를 처리하기 위해 자동화에 의존하기 때문에 반복하면서 작동할 개발 및 테스트 환경도 필요합니다.
CFO 성명서
프로젝트가 너무 커서 데이터 및 분석에 필요한 하드웨어와 소프트웨어를 유지 관리할 수 없습니다.
또한 많은 데이터 피드를 모니터링하기 위해 운영 팀에 직원을 배치할 여력이 없으므로 자동화 및 인프라에 의존할 것입니다. Google Cloud의 머신 러닝을 통해 양적 연구원은 데이터 파이프라인의 문제 대신 중요한 문제를 해결할 수 있습니다.
MJTelco가 일일 수집에 관심이 있는 레코드 스트림을 감안할 때 Google BigQuery의 비용이 증가하는 것을 우려하고 있습니다. MJTelco는 설계 솔루션을 제공할 것을 요청합니다. 여기에는 tracking_table이라는 단일 대형 데이터 테이블이 필요합니다. 또한 매일 이벤트에 대한 세분화된 분석을 수행하면서 일일 쿼리 비용을 최소화하기를 원합니다. 그들은 또한 스트리밍 수집을 사용하기를 원합니다. 당신은 무엇을해야합니까?
회사 개요
MJTelco는 전 세계적으로 빠르게 성장하고 서비스가 부족한 시장에서 네트워크를 구축할 계획인 스타트업입니다.
이 회사는 혁신적인 광통신 하드웨어에 대한 특허를 보유하고 있습니다. 이러한 특허를 기반으로 저렴한 하드웨어로 많은 안정적인 고속 백본 링크를 생성할 수 있습니다.
회사 배경
경험 많은 통신 경영진에 의해 설립된 MJTelco는 원래 우주에서 통신 문제를 극복하기 위해 개발된 기술을 사용합니다. 운영에 있어 기본적으로 실시간 분석을 주도하고 기계 학습을 통합하여 토폴로지를 지속적으로 최적화하는 분산 데이터 인프라를 구축해야 합니다. 하드웨어가 저렴하기 때문에 네트워크를 과도하게 배포하여 동적 지역 정치가 위치 가용성 및 비용에 미치는 영향을 설명할 계획입니다.
그들의 관리 및 운영 팀은 전 세계에 위치하여 데이터 소비자와 시스템에서 다대다 관계를 생성합니다. 신중하게 고려한 후, 그들은 퍼블릭 클라우드가 그들의 요구를 지원하기에 완벽한 환경이라고 결정했습니다.
솔루션 개념
MJTelco는 연구소에서 성공적인 PoC(개념 증명) 프로젝트를 실행하고 있습니다. 두 가지 기본 요구 사항이 있습니다.
* PoC를 확장하고 강화하여 50,000개 이상의 설치로 증가할 때 생성되는 훨씬 더 많은 데이터 흐름을 지원합니다.
* 기계 학습 주기를 수정하여 토폴로지 정의를 제어하는 데 사용하는 동적 모델을 확인하고 개선합니다.
MJTelco는 또한 실험 실행, 새로운 기능 배포 및 프로덕션 고객 서비스의 요구 사항을 충족하기 위해 개발/테스트, 스테이징 및 프로덕션의 세 가지 별도 운영 환경을 사용할 것입니다.
비즈니스 요구 사항
* 최소한의 비용으로 생산 환경을 확장하고 예측할 수 없는 분산된 통신 사용자 커뮤니티에서 필요할 때 리소스를 인스턴스화합니다.
* 최첨단 기계 학습 및 분석을 보호하기 위해 독점 데이터의 보안을 보장합니다.
* 분산된 연구원의 분석을 위한 데이터에 대한 안정적이고 시기적절한 액세스 제공
* 고객에게 영향을 주지 않고 기계 학습 모델의 빠른 반복을 지원하는 격리된 환경을 유지합니다.
기술 요구 사항
* 원격 측정 데이터의 안전하고 효율적인 전송 및 저장 보장
* 인스턴스를 빠르게 확장하여 각각 여러 흐름으로 10,000~100,000개의 데이터 공급자를 지원합니다.
* 약 2년 동안의 데이터를 추적하는 데이터 테이블에 대한 분석 및 프레젠테이션 허용
100m 기록/일
* 원격 측정 흐름 및 프로덕션 학습 주기 모두에서 데이터 파이프라인 문제 인식에 중점을 둔 모니터링 인프라의 신속한 반복을 지원합니다.
CEO 성명서
우리의 비즈니스 모델은 특허, 분석 및 동적 기계 학습에 의존합니다. 우리의 저렴한 하드웨어는 매우 안정적으로 구성되어 있어 비용 이점이 있습니다. 안정성과 용량 약속을 충족하려면 대규모 분산 데이터 파이프라인을 신속하게 안정화해야 합니다.
CTO 성명서
당사의 퍼블릭 클라우드 서비스는 광고된 대로 작동해야 합니다. 확장하고 데이터를 안전하게 유지하는 리소스가 필요합니다. 또한 데이터 과학자가 모델을 주의 깊게 연구하고 신속하게 적용할 수 있는 환경이 필요합니다. 우리는 데이터를 처리하기 위해 자동화에 의존하기 때문에 반복하면서 작동할 개발 및 테스트 환경도 필요합니다.
CFO 성명서
프로젝트가 너무 커서 데이터 및 분석에 필요한 하드웨어와 소프트웨어를 유지 관리할 수 없습니다.
또한 많은 데이터 피드를 모니터링하기 위해 운영 팀에 직원을 배치할 여력이 없으므로 자동화 및 인프라에 의존할 것입니다. Google Cloud의 머신 러닝을 통해 양적 연구원은 데이터 파이프라인의 문제 대신 중요한 문제를 해결할 수 있습니다.
MJTelco가 일일 수집에 관심이 있는 레코드 스트림을 감안할 때 Google BigQuery의 비용이 증가하는 것을 우려하고 있습니다. MJTelco는 설계 솔루션을 제공할 것을 요청합니다. 여기에는 tracking_table이라는 단일 대형 데이터 테이블이 필요합니다. 또한 매일 이벤트에 대한 세분화된 분석을 수행하면서 일일 쿼리 비용을 최소화하기를 원합니다. 그들은 또한 스트리밍 수집을 사용하기를 원합니다. 당신은 무엇을해야합니까?
Professional-Data-Engineer 문제 157
회사에서 30노드 Apache Hadoop 클러스터를 클라우드로 마이그레이션하고 있습니다. 그들은 이미 생성한 Hadoop 작업을 재사용하고 클러스터 관리를 최대한 최소화하기를 원합니다. 그들은 또한 클러스터의 수명 이후에도 데이터를 유지할 수 있기를 원합니다. 당신은 무엇을해야합니까?
Professional-Data-Engineer 문제 158
데이터 과학 팀이 분석을 위해 BigQuery 내에서 쿼리할 수 있도록 시계열 트랜잭션 데이터를 복사하는 데이터 파이프라인을 만들어야 합니다. 매시간 수천 개의 트랜잭션이 새로운 상태로 업데이트됩니다. 초기 데이터 세트의 크기는 1.5PB이며 하루에 3TB씩 증가합니다. 데이터는 구조화되어 있으며 데이터 과학 팀은 이 데이터를 기반으로 기계 학습 모델을 구축합니다. 데이터 과학 팀의 성능과 사용성을 극대화하려고 합니다. 어떤 두 가지 전략을 채택해야 합니까? (2개를 선택하세요.)
Professional-Data-Engineer 문제 159
Cloud Machine Learning Engine은 어떤 소프트웨어 라이브러리를 지원합니까?
Professional-Data-Engineer 문제 160
Pub/Sub 주제에 애플리케이션 이벤트를 게시하는 파이프라인을 설계하고 있습니다. 메시지 순서는 중요하지 않지만 분석을 위해 결과를 BigQuery에 로드하기 전에 분리된 시간 간격에 걸쳐 이벤트를 집계할 수 있어야 합니다. 이 데이터를 처리하고 BigQuery에 로드하는 동시에 대규모 이벤트에 따라 확장하려면 어떤 기술을 사용해야 하나요?