A. [myproject:mydataset.mytable] 테이블에 파티션이 너무 많습니다.

B. 사용자가 시스템에서 동시에 너무 많은 쿼리를 실행하고 있습니다.

C. [myproject:mydataset.mytable] 테이블의 주 또는 도시 열에 NULL 값이 너무 많습니다.

D. [myproject:mydataset.mytable] 테이블의 대부분 행은 국가 열에 동일한 값을 가지고 있어 데이터 왜곡이 발생합니다.

A. 2분마다 누적된 데이터를 로딩하도록 애플리케이션을 다시 작성하세요.

B. 스트리밍 삽입 코드를 개별 메시지에 대한 일괄 로드로 변환합니다.

C. 원본 메시지를 Google Cloud SQL에 로드하고 스트리밍 삽입을 통해 매시간 테이블을 BigQuery로 내보냅니다.

D. 스트리밍 삽입 후 데이터 가용성에 대한 평균 지연 시간을 추정하고 항상 두 배 더 오랫동안 기다린 후에 쿼리를 실행합니다.

A. 데이터 흐름.작업자

B. 데이터 흐름.컴퓨팅

C. 데이터 흐름.개발자

D. 데이터 흐름.뷰어

A. 백업을 Google Cloud SQL에 마운트한 다음 Google Cloud Dataproc을 사용하여 데이터를 처리합니다.

B. MySQL 클러스터에 노드를 추가하고 거기에 OLAP 큐브를 구축합니다.

C. ETL 도구를 사용하여 MySQL에서 Google BigQuery로 데이터를 로드합니다.

D. 온프레미스 Apache Hadoop 클러스터를 MySQL에 연결하고 ETL을 수행합니다.

A. 거래 위치를 예측하기 위한 비지도 학습.

B. 어떤 거래가 사기일 가능성이 가장 높은지 판단하기 위한 비지도 학습입니다.

C. 거래 위치를 예측하기 위한 강화 학습.

D. 거래 위치를 예측하기 위한 지도 학습.

E. 어떤 거래가 사기일 가능성이 가장 높은지 판단하기 위한 지도 학습입니다.

F. 기능 유사성을 기준으로 거래를 N개의 카테고리로 나누는 클러스터링입니다 .