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

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

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

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

A. 와이드 모델은 암기용으로 사용되고 딥 모델은 일반화용으로 사용됩니다.

B. 와이드 앤 딥 모델의 좋은 용도는 추천 시스템입니다.

C. 일반화에는 와이드 모델이 사용되고, 암기에는 딥 모델이 사용됩니다.

D. 와이드 앤 딥 모델의 좋은 용도는 소규모 선형 회귀 문제입니다.

A. 로컬 실행을 사용하도록 Cloud Dataflow 파이프라인을 구성합니다.

B. PipelineOptions에서 maxNumWorkers를 설정하여 Cloud Dataflow 작업자의 최대 수를 늘립니다.

C. Cloud Bigtable 클러스터의 노드 수를 늘립니다.

D. Cloud Bigtable에 쓰기 전에 Flattentransform을 사용하도록 Cloud Dataflow 파이프라인을 수정합니다.

E. Cloud Bigtable에 쓰기 전에 CoGroupByKeytransform을 사용하도록 Cloud Dataflow 파이프라인을 수정합니다.

A. 새 구독자 코드를 배포하기 전에 Pub/Sub 스냅샷을 만듭니다. 스냅샷이 생성된 후 사용 가능해진 메시지를 다시 전달하려면 Seek 작업을 사용하세요.

B. 배포 후 오류가 발생하면 배포에 Cloud Build를 사용하고, Seek 작업을 사용하여 배포 시작 시 Cloud Build에서 기록한 타임스탬프를 찾습니다.

C. Pub/Sub 주제에서 데드 레터링을 활성화하여 배포 후 오류가 발생하는 경우 성공적으로 확인되지 않은 메시지를 캡처하고 데드 레터 큐에서 캡처한 모든 메시지를 다시 전달합니다.

D. 로컬 머신에 Pub/Sub 에뮬레이터를 설정합니다. 프로덕션에 배포하기 전에 새 구독자 토그의 동작을 검증합니다.

A. 작업에서 대량의 데이터 인스턴스를 처리하고 보다 복잡한 모델을 실행하는 데 최적화되어 있습니다.

B. 응답 메시지에 예측이 반환됩니다.

C. 예측은 지정한 Cloud Storage 위치의 출력 파일에 기록됩니다.

D. 예측 제공 지연 시간을 최소화하도록 최적화되었습니다.