A. bq load를 사용하여 60초마다 센서 데이터 배치를 로드합니다.

B. MERGE 문을 사용하여 60초마다 일괄 업데이트를 적용합니다.

C. Cloud Dataflow 파이프라인을 사용하여 데이터를 BigQuery 테이블로 스트리밍합니다.

D. INSERT 문을 사용하여 60초마다 일괄 데이터를 삽입합니다.

A. gcloud kms keys create를 사용하여 대칭 키를 만듭니다. 그런 다음 gcloud kms encrypt를 사용하여 키와 고유한 추가 인증 데이터(AAD)로 각 보관 파일을 암호화합니다. gsutil cp를 사용하여 암호화된 각 파일을 Cloud Storage 버킷에 업로드하고 AAD를 Google Cloud 외부에 보관합니다.

B. gcloud kms keys create를 사용하여 대칭 키를 만듭니다. 그런 다음 gcloud kms encrypt를 사용하여 키로 각 ​​보관 파일을 암호화합니다. gsutil cp를 사용하여 암호화된 각 파일을 Cloud Storage 버킷에 업로드합니다.
이전에 암호화에 사용한 키를 수동으로 파기하고 키를 한 번 순환합니다.

C. .botoconfiguration 파일에 고객 제공 암호화 키(CSEK)를 지정합니다. gsutil cp를 사용하여 각 보관 파일을 Cloud Storage 버킷에 업로드합니다. 보안 비밀의 영구 저장소로 Cloud Memorystore에 CSEK를 저장합니다.

D. .botoconfiguration 파일에 고객 제공 암호화 키(CSEK)를 지정합니다. gsutil cp를 사용하여 각 보관 파일을 Cloud Storage 버킷에 업로드합니다. 보안 팀만 액세스할 수 있는 다른 프로젝트에 CSEK를 저장합니다.

A. Cloud Dataproc을 사용하여 변환을 실행합니다. 클러스터의 CPU 사용률을 모니터링합니다. 명령줄을 통해 클러스터의 작업자 노드 수를 조정합니다.

B. Cloud Dataproc을 사용하여 변환을 실행합니다. 진단 명령을 사용하여 작동 출력 아카이브를 생성합니다. 병목 현상을 찾아 클러스터 리소스를 조정합니다.

C. Cloud Dataflow를 사용하여 변환을 실행합니다. Stackdriver로 작업 시스템 지연을 모니터링하세요. 작업자 인스턴스에 대한 기본 자동 크기 조정 설정을 사용합니다.

D. Cloud Dataflow를 사용하여 변환을 실행합니다. 작업 샘플링의 총 실행 시간을 모니터링합니다.
필요한 경우 기본이 아닌 Compute Engine 머신 유형을 사용하도록 작업을 구성합니다.

A. K-means 클러스터링을 사용하여 픽셀에서 얼굴을 감지합니다.

B. 입력 데이터에 특징 공학을 사용하여 눈, 코, 입에 대한 특징을 추가합니다.

C. 은닉층이 여러 개인 신경망을 생성하여 딥 러닝을 사용하여 얼굴의 특징을 자동으로 감지합니다.

D. 픽셀의 입력 레이어, 은닉 레이어 및 두 개의 범주가 있는 출력 레이어로 신경망을 구축합니다.

A. bq load를 사용하여 60초마다 센서 데이터 배치를 로드합니다.

B. Cloud Dataflow 파이프라인을 사용하여 데이터를 BigQuery 테이블로 스트리밍합니다.

C. INSERT 문을 사용하여 60초마다 일괄 데이터를 삽입합니다.

D. MERGE 문을 사용하여 60초마다 일괄 업데이트를 적용합니다.