A. Kafka Connect를 사용하여 Kafka 메시지 큐를 Cloud Pub/Sub에 연결합니다. Cloud Dataflow 템플릿을 사용하여 Cloud Pub/Sub의 메시지를 Cloud Bigtable에 씁니다. Cloud Scheduler를 사용하여 지난 한 시간 동안 Cloud Bigtable에서 생성된 행 수를 계산하는 스크립트를 매시간 실행합니다. 해당 숫자가 4000 미만으로 떨어지면 경고를 보냅니다.

B. Kafka IO를 사용하여 Cloud Dataflow의 데이터 스트림을 사용합니다. 5분마다 1시간의 슬라이딩 시간 창을 설정합니다. 창이 닫힐 때 평균을 계산하고, 평균이 메시지 4000개 미만이면 경고를 보냅니다.

C. Kafka Connect를 사용하여 Kafka 메시지 큐를 Cloud Pub/Sub에 연결합니다. Cloud Dataflow 템플릿을 사용하여 Cloud Pub/Sub의 메시지를 BigQuery에 씁니다. Cloud Scheduler를 사용하여 지난 1시간 동안 BigQuery에서 생성된 행 수를 계산하는 스크립트를 5분마다 실행합니다. 해당 숫자가 4000 미만으로 떨어지면 경고를 보냅니다.

D. Kafka IO를 사용하여 Cloud Dataflow의 데이터 스트림을 사용합니다. 고정 기간을 1시간으로 설정합니다. 창이 닫힐 때 평균을 계산하고, 평균이 메시지 4000개 미만이면 경고를 보냅니다.

A. Airflow를 사용하여 Compute Engine에서 가상 머신을 실행하고 정보를 Stackdriver로 내보냅니다.

B. 정보를 Cloud Stackdriver로 내보내고 알림 정책을 설정합니다.

C. GCP API 호출을 사용하여 로그를 사용하고 로그에서 오류가 발견되면 이메일을 보내는 App Engine 애플리케이션을 개발합니다.

D. 로그를 BigQuery로 내보내고 해당 정보를 읽고 로그에서 오류가 발견되면 이메일을 보내도록 App Engine을 설정합니다.

A. 블레이즈

B. 스파크

C. 화재

D. 점화

A. Cloud Bigtable

B. Cloud Datastore

C. BigQuery

D. Cloud SQL

A. [0, 5, 0, 0, 0, 0]

B. [0, 0, 0, 1, 0, 0, 1]

C. [0, 1]

D. [1, 0, 0, 0, 0, 0, 0]