A. 정보를 Cloud Stackdriver로 내보내고 알림 정책을 설정합니다.

B. Airflow를 사용하여 Compute Engine에서 가상 머신을 실행하고 해당 정보를 Stackdriver로 내보냅니다.

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

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

A. 멀티핫 컬럼 생성

B. 원핫 컬럼 생성

C. 해시 버킷을 생성합니다.

D. 임베딩 열 생성

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

B. Google Cloud Storage에 데이터를 넣습니다.

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

D. 일부 콜드 데이터를 Google Cloud Storage로 마이그레이션하고, 핫 데이터만 영구 디스크에 보관합니다.

A. 1 지역별 Cloud Storage 버킷을 사용하세요.
2 Cloud Monitoring을 사용하여 Dataflow 메트릭을 모니터링하여 중단이 발생하는 시점을 확인합니다.
3. 확인된 메시지를 복구하려면 구독을 하루 전으로 되돌려보세요.
4 보조 지역에서 Dataflow 작업을 시작하고 동일한 지역의 버킷에 씁니다.

B. 1 다중 지역 Cloud Storage 버킷을 사용하세요.
2 Cloud Monitoring을 사용하여 Dataflow 메트릭을 모니터링하여 중단이 발생하는 시점을 확인합니다.
3. 확인된 메시지를 복구하기 위해 60분 전으로 구독을 검색합니다.
4 보조 지역에서 Dataflow 작업 시작

C. 1. 이중 지역 Cloud Storage 버킷을 사용하세요.
2. Cloud Monitoring으로 Dataflow 메트릭을 모니터링하여 중단이 발생하는 시점을 확인합니다.
3. 확인된 메시지를 복구하려면 15분 전으로 구독을 다시 검색하세요.
4 보조 지역에서 Dataflow 작업 시작

D. 1. 터보 복제가 활성화된 듀얼 리전 Cloud Storage 버킷을 사용하세요.
2 Cloud Monitoring을 사용하여 Dataflow 메트릭을 모니터링하여 중단이 발생하는 시점을 확인합니다.
3. 확인된 메시지를 복구하기 위해 60분 전으로 구독을 검색합니다.
4. 보조 지역에서 Dataflow 작업을 시작합니다.

A. 기본 테이블 데이터를 집계하기 위한 구체화된 뷰를 만듭니다. 기본 테이블의 파티션 만료를 구성하여 마지막 1년 동안의 파티션만 유지합니다.

B. 기본 테이블 데이터를 집계하는 구체화된 뷰를 생성하고, 마지막 1년 동안의 파티션을 지정하는 필터 절을 포함합니다.

C. 기본 테이블 데이터를 집계하는 새 테이블을 만듭니다. 마지막 파티션 연도를 지정하는 필터 절을 포함합니다. 매 시간 새 테이블을 다시 만드는 예약된 쿼리를 설정합니다.

D. 기본 테이블 데이터를 집계하는 뷰를 만듭니다. 파티션의 마지막 연도를 지정하는 필터 절을 포함합니다.