A. BigQuery에서 승인된 보기를 생성하여 민감한 데이터가 있는 테이블에 대한 액세스를 제한합니다.

B. Stackdriver 로깅을 사용하여 전체 파이프라인을 통해 전달된 데이터를 분석하여 민감한 정보가 포함될 수 있는 트랜잭션을 식별합니다.

C. 주제를 읽고 Cloud Data Loss Prevention API를 호출하는 Cloud 함수를 빌드합니다.
태그 지정 및 신뢰 수준을 사용하여 검토를 위해 버킷의 데이터를 전달하거나 격리합니다.

D. Compute Engine 가상 머신에 타사 데이터 검증 도구를 설치하여 수신 데이터에 민감한 정보가 있는지 확인합니다.

A. WHERE 절 앞에 ", UNNEST(person)"를 추가합니다.

B. "person"을 "person.city"로 변경합니다.

C. "person"을 "city.person"으로 변경합니다.

D. WHERE 절 앞에 ", UNNEST(city)"를 추가합니다.

A. DT 열의 문자열이 TIMESTAMP 값으로 캐스팅되는 CLICK_STREAM_V 보기를 만듭니다. 이제부터 CLICK_STREAM 테이블 대신 CLICK_STREAM_V 보기.

B. 테이블 CLICK STREAM에 두 개의 열을 추가합니다: TIMESTAMP 유형의 TS 및 BOOLEAN 유형의 IS_NEW. 추가 모드에서 모든 데이터를 다시 로드합니다. 추가된 각 행에 대해 IS_NEW 값을 true로 설정합니다. 이후 쿼리의 경우 IS_NEW 값이 true여야 하는 WHERE 절과 함께 DT 열 대신 TS 열이 사용됩니다.

C. CLICK_STREAM 테이블을 삭제하고 DT 컬럼이 TIMESTAMP 타입이 되도록 다시 생성한다. 데이터를 다시 로드합니다.

D. 내장 함수를 사용하여 DT 열에서 TIMESTAMP 값으로 문자열을 캐스팅하는 동안 테이블 CLICK_STREAM의 모든 행을 반환하는 쿼리를 구성합니다. TS 열이 TIMESTAMP 유형인 대상 테이블 NEW_CLICK_STREAM으로 쿼리를 실행합니다. 이제부터는 CLICK_STREAM 테이블 대신 NEW_CLICK_STREAM 테이블을 사용합니다. 앞으로 새 데이터가 NEW_CLICK_STREAM 테이블에 로드됩니다.

E. 테이블 CLICK_STREAM에 TIMESTAMP 유형의 열 TS를 추가하고 각 행에 대한 열 TS의 숫자 값을 채웁니다. 이제부터 열 DT 대신 열 TS입니다.

A. Cloud Spanner에 테이블 생성, 작업 정보가 포함된 행 삽입 및 삭제

B. App Engine을 사용하여 API를 생성하여 애플리케이션에 메시지 수신 및 전송

C. Cloud SQL에 테이블 생성, 작업 정보가 포함된 행 삽입 및 삭제

D. Cloud Pub/Sub 주제를 사용하여 작업을 게시하고 구독을 사용하여 실행

A. Cloud SQL을 스토리지로 사용합니다. 쿼리 패턴을 지원하기 위해 보조 인덱스를 추가합니다.

B. Cloud SQL을 스토리지로 사용합니다. Cloud Dataflow를 사용하여 쿼리 패턴을 지원하도록 데이터를 변환합니다.

C. Cloud Spanner를 스토리지로 사용합니다. 쿼리 패턴을 지원하기 위해 보조 인덱스를 추가합니다.

D. Cloud Spanner를 스토리지로 사용합니다. Cloud Dataflow를 사용하여 쿼리 패턴을 지원하도록 데이터를 변환합니다.