A. 스트림 변경 사항을 일일 재고 이동 테이블로 스트리밍하는 BigQuery를 사용합니다. 과거 재고 잔액 테이블에 결합된 보기에서 잔액을 계산합니다. 재고 잔고 테이블을 매일 밤 업데이트합니다.

B. BigQuery 대량 로더를 사용하여 재고 변경 사항을 일일 재고 이동 테이블에 일괄 로드합니다.
과거 재고 잔액 테이블에 결합된 보기에서 잔액을 계산합니다. 재고 잔고 테이블을 매일 밤 업데이트합니다.

C. 재고 잔고 테이블을 항목별로 분할하여 각 재고 업데이트 시 스캔되는 데이터 양을 줄입니다.

D. BigQuery UPDATE 문을 활용하여 재고 잔고가 변경됨에 따라 업데이트합니다.

A. Dataflow를 사용하여 모든 데이터를 전처리합니다. 예측 시 입력 데이터에 대한 추가 변환을 지정하지 않고 BigQuery의 ML.EVALUATE 절을 사용합니다.

B. BigQuery 뷰를 사용하여 전처리 논리를 정의합니다. 모델을 생성할 때 뷰를 모델 학습 데이터로 사용하세요. 예측 시 원시 입력 데이터에 변환을 지정하지 않고 BigQuery의 ML.EVALUATE 절을 사용합니다.

C. 모델을 만들 때 BigQuery의 TRANSFORM 절을 사용하여 사전 처리 단계를 정의합니다. 예측을 요청하기 전에 저장된 쿼리를 사용하여 원시 입력 데이터를 변환한 다음 ML.EVALUATE를 사용하세요.

D. 모델을 생성할 때 BigQuery의 TRANSFORM 절을 사용하여 사전 처리 단계를 정의합니다. 예측 시 원시 입력 데이터에 변환을 지정하지 않고 BigQuery의 ML.EVALUATE 절을 사용합니다.

A. BigLake를 사용하여 현재 솔루션을 데이터 레이크 아키텍처로 변환합니다.

B. 새로운 소스 온보딩 및 데이터 계보 추적에 도움이 되는 새로운 데이터 검색 도구를 Google Kubernetes Engine에서 빌드합니다.

C. BigOuery를 사용하여 데이터 계보를 추적하고 Dataprep을 사용하여 데이터를 관리하고 데이터 품질 검증을 수행합니다.

D. Dataplex를 사용하여 데이터를 관리하고, 데이터 계보를 추적하고, 데이터 품질 검증을 수행합니다.

A. 각 테이블의 ID 및 액세스 관리 IIAM) 정책을 가져옵니다.

B. Stackdriver Monitoring을 사용하여 BigQuery 쿼리 슬롯의 사용량을 확인합니다.

C. Google Cloud Billing API를 사용하여 창고에 요금이 청구되는 계정을 확인하세요.

D. Google Stackdriver 감사 로그를 사용하여 데이터 액세스를 검토합니다.

A. 다중 지역 Cloud Storage 버킷에 데이터를 저장합니다. Cloud Dataproc, BigQuery, Compute Engine을 사용하여 데이터에 직접 액세스하세요.

B. 지역 Cloud Storage 버킷에 데이터를 저장합니다. Cloud Dataproc, BigQuery, Compute Engine을 사용하여 버킷에 직접 액세스합니다.

C. BigQuery에 데이터를 저장합니다. Cloud Dataproc 및 Compute Engine에서 BigQuery 커넥터를 사용하여 데이터에 액세스합니다.

D. 고가용성을 갖춘 Cloud Dataproc 클러스터를 만듭니다. 데이터를 HDFS에 저장하고 필요에 따라 분석을 수행합니다.