A. BigQuery 테이블에 승인된 보기를 생성하여 데이터 액세스를 제어하고 해당 보기에 대한 액세스 권한을 제3자 회사에 제공합니다.

B. Cloud Scheduler를 사용하여 정기적으로 데이터를 Cloud Storage로 내보내고 타사에 버킷에 대한 액세스 권한을 제공합니다.

C. BigQuery에서 공유할 관련 데이터가 포함된 별도의 데이터 세트를 생성하고 제3자 회사에 새 데이터 세트에 대한 액세스 권한을 제공합니다.

D. 빈번한 시간 간격으로 데이터를 읽고 타사에서 사용할 수 있도록 관련 BigQuery 데이터세트 또는 Cloud Storage 버킷에 작성하는 Cloud Dataflow 작업을 생성합니다.

A. 2분마다 누적 데이터를 로드하도록 애플리케이션을 다시 작성합니다.

B. 스트리밍 삽입 코드를 개별 메시지에 대한 일괄 로드로 변환합니다.

C. 원본 메시지를 Google Cloud SQL에 로드하고 스트리밍 삽입을 통해 매시간 테이블을 BigQuery로 내보냅니다.

D. 스트리밍 삽입 후 데이터 가용성에 대한 평균 대기 시간을 추정하고 항상 두 배 이상 기다린 후 쿼리를 실행합니다.

A. 서비스 계정을 만들고 해당 계정에 데이터 세트 액세스 권한을 부여합니다. 서비스 계정의 개인 키를 사용하여 데이터세트에 액세스

B. 더미 사용자를 만들고 해당 사용자에게 데이터 세트 액세스 권한을 부여합니다. 해당 사용자의 사용자 이름과 비밀번호를 파일 시스템의 파일에 저장하고 해당 사용자 인증 정보를 사용하여 BigQuery 데이터세트에 액세스합니다.

C. SSO(Single Sign-On) 플랫폼과 통합하고 각 사용자의 자격 증명을 쿼리 요청과 함께 전달

D. 사용자를 위한 그룹을 만들고 해당 그룹에 데이터 세트에 대한 액세스 권한을 부여합니다.

A. GCE VM 인스턴스에 Kafka 클러스터를 배포합니다. GCE에서 실행 중인 클러스터에 주제를 미러링하도록 온프렘 클러스터를 구성합니다. Dataproc 클러스터 또는 Dataflow 작업을 사용하여 Kafka에서 읽고 GCS에 씁니다.

B. PubSub Kafka 커넥터가 싱크 커넥터로 구성된 GCE VM 인스턴스에 Kafka 클러스터를 배포합니다. Dataproc 클러스터 또는 Dataflow 작업을 사용하여 Kafka에서 읽고 GCS에 씁니다.

C. PubSub Kafka 커넥터를 온프레미스 Kafka 클러스터에 배포하고 PubSub를 소스 커넥터로 구성합니다. Dataflow 작업을 사용하여 PubSub에서 읽고 GCS에 씁니다.

D. PubSub Kafka 커넥터를 온프레미스 Kafka 클러스터에 배포하고 PubSub를 싱크 커넥터로 구성합니다. Dataflow 작업을 사용하여 PubSub에서 읽고 GCS에 씁니다.

A. 각 Cloud Storage 버킷 또는 BigQuery 데이터세트에 대해 액세스가 필요한 프로젝트를 결정합니다. 이러한 프로젝트에 대한 액세스 권한이 있는 모든 활성 구성원을 찾고 이러한 모든 사용자에게 액세스 권한을 부여하는 Cloud IAM 정책을 생성합니다.

B. 다양한 팀을 위한 고유한 그룹을 생성하고 Cloud IAM 정책에서 그룹을 지정합니다.

C. Cloud Storage 버킷 및 BigQuery 데이터세트에 대한 데이터를 공유할 때만 서비스 계정을 사용합니다.

D. 액세스 제어 정책 상속을 활용하기 위해 리소스 계층 구조를 도입합니다.

E. Cloud Deployment Manager를 사용하여 액세스 프로비저닝을 자동화합니다.