A. 데이터를 매월 별도의 테이블로 정리하고 Cloud Storage에 데이터를 내보내고 압축하고 저장합니다.

B. 매월 별도의 테이블에 데이터를 구성하고 BigQuery의 별도 데이터 세트에 데이터를 복제합니다.

C. 데이터를 단일 테이블로 구성하고 BigQuery 데이터를 내보내고 압축하여 Cloud Storage에 저장합니다.

D. 매월 별도의 테이블에 데이터를 구성하고 스냅샷 데코레이터를 사용하여 테이블을 손상되기 전 시점으로 복원합니다.

A. 기본적으로 쿼리 결과는 캐시되지 않습니다.

B. BigQuery는 쿼리 결과를 48시간 동안 캐시합니다.

C. 대상 테이블을 지정하더라도 쿼리 결과가 캐시됩니다.

D. 캐시에서 결과를 검색하는 쿼리에는 요금이 부과되지 않습니다.

A. Rowkey: dateColumn 데이터: device_id, data_point

B. Rowkey: device_idColumn 데이터: 날짜, data_point

C. Rowkey: data_pointColumn 데이터: device_id, 날짜

D. Rowkey: date#device_id열 데이터: data_point

E. Rowkey: 날짜#data_point열 데이터: device_id

A. BigQuery UPDATE를 사용하여 데이터세트 크기를 더 줄입니다.

B. 데이터 구조를 최대한 보존합니다.

C. 상태 업데이트가 업데이트되는 대신 BigQuery에 추가되는 데이터 파이프라인을 개발합니다.

D. 가능한 한 데이터를 비정규화합니다.

E. 트랜잭션 데이터의 일일 스냅샷을 Cloud Storage에 복사하고 Avro 파일로 저장합니다. 외부 데이터 소스에 대한 BigQuery 지원을 사용하여 쿼리하세요.

A. 데이터를 Google Cloud Storage에 저장합니다.

B. Cloud Dataproc 클러스터에 선점형 가상 머신(VM)을 사용합니다.

C. 모든 데이터에 충분한 디스크가 있도록 Cloud Dataproc 클러스터를 조정합니다.

D. 콜드 데이터 중 일부를 Google Cloud Storage로 마이그레이션하고 핫 데이터만 영구 디스크에 보관합니다.