A. 소스에 대한 구독/num_undelivered_messages의 증가 및 대상에 대한 인스턴스/스토리지/used_bytes의 변화율 감소에 기반한 경고

B. 소스에 대한 구독/num_undelivered_messages 감소 및 대상에 대한 인스턴스/스토리지/used_bytes의 변경 비율 증가에 따른 경고

C. 소스에 대한 instance/storage/used_bytes 감소 및 대상에 대한 subscription/num_undelivered_messages 변경 비율 증가에 기반한 경고

D. 소스에 대한 인스턴스/스토리지/used_bytes의 증가 및 대상에 대한 구독/num_undelivered_messages의 변화율 감소를 기반으로 한 경고

A. 신경망의 레이어 수를 늘립니다.

B. 훈련 데이터 세트를 서브샘플링합니다.

C. 모델에 대한 입력 기능의 수를 늘립니다.

D. 테스트 데이터 세트를 서브샘플링합니다.

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 작업 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. <timestamp>#<sensorid> 형식의 행 키를 사용합니다.

B. >#<sensorid>#<timestamp> 형식의 행 키를 사용합니다.

C. <timestamp> 형식의 행 키를 사용합니다.

D. <sensorid> 형식의 행 키를 사용합니다.

A. 노동자

B. 마스터, 작업자 및 매개변수 서버

C. 작업자 및 매개변수 서버

D. 매개변수 서버