A. 랩톱에서 로컬 버전의 Jupiter를 실행합니다.

B. 사용자에게 Google Cloud Shell에 대한 액세스 권한을 부여합니다.

C. Google Compute Engine의 VM에서 시각화 도구를 호스팅합니다.

D. Google Compute Engine의 가상 머신(VM)에 Google Cloud Datalab을 배포합니다.

A. Rowkey: date#data_pointColumn 데이터: device_id

B. Rowkey: data_pointColumn 데이터: device_id, 날짜

C. Rowkey: dateColumn 데이터: device_id, data_point

D. Rowkey: date#device_idColumn 데이터: data_point

E. Rowkey: device_idColumn 데이터: 날짜, data_point

A. CLICK_STREAM 테이블을 삭제하고 TIMESTAMP 타입의 컬럼 DTi가 되도록 다시 생성한다. 데이터를 다시 로드합니다.

B. TIMESTAMP 유형의 TS와 BOOLEAN 유형의 IS_NEW인 CLICK STREAM 테이블에 두 개의 열을 추가합니다. 추가 모드에서 모든 데이터를 다시 로드합니다. 추가된 각 행에 대해 IS_NEW 값을 true로 설정합니다. 향후 쿼리의 경우 IS_NEW 값이 true여야 하는 WHERE 절을 사용하여 DT 열 대신 TS 열을 참조하십시오.

C. TIMESTAMP 유형의 열 TS를 CLICK_STREAM 테이블에 추가하고 각 행에 대한 열 TS의 숫자 값을 채웁니다. 이제부터 DT열 대신 TS열을 참조하십시오.

D. 내장 함수를 사용하여 DTinto TIMESTAMP 값 열에서 문자열을 캐스팅하는 동안 테이블 CLICK_STREAM의 모든 행을 반환하는 쿼리를 구성합니다. 열 T가 TIMESTAMP 유형인 대상 테이블 NEW_CLICK_STREAM으로 쿼리를 실행합니다. 이제부터는 CLICK_STREAM 테이블 대신 NEW_CLICK_STREAMin 테이블을 참조하세요. 앞으로 새 데이터가 NEW_CLICK_STREAM 테이블에 로드됩니다.

E. DT열의 문자열이 TIMESTAMP 값으로 캐스팅되는 CLICK_STREAM_V 보기를 만듭니다.
이제부터 CLICK_STREAM 테이블 대신 CLICK_STREAM_Vin 뷰를 참조하세요.

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

B. 다양한 팀에 대해 고유한 그룹을 생성하고 Cloud IAM 정책에서 그룹을 지정합니다.

C. 액세스 제어 정책 상속을 활용하기 위해 리소스 계층을 도입합니다.

D. 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.

E. Cloud Deployment Manager를 사용하여 액세스 프로비저닝을 자동화합니다.

A. 정상 샘플에 비해 돌연변이가 거의 발생하지 않습니다.

B. 데이터베이스에는 정상 샘플과 돌연변이 샘플이 거의 동일하게 나타납니다.

C. 미래의 돌연변이는 데이터베이스의 돌연변이된 샘플과 다른 기능을 가질 것으로 예상합니다.

D. 미래의 돌연변이가 데이터베이스의 돌연변이된 샘플과 유사한 기능을 가질 것으로 예상합니다.

E. 샘플이 돌연변이되고 데이터베이스에서 정상인 레이블이 이미 있습니다.