A. 데이터베이스 서버를 다시 시작하기 위한 명령을 내립니다.

B. 최대 15분까지 지수 백오프로 쿼리를 다시 시도합니다.

C. 데이터의 오래됨을 최소화하기 위해 온라인 상태가 될 때까지 1초마다 쿼리를 다시 시도합니다.

D. 데이터베이스가 다시 온라인 상태가 될 때까지 쿼리 빈도를 1시간에 한 번으로 줄입니다.

A. 매일 아침 사무실에 출근하면 Cloud Dataflow 작업을 수동으로 시작합니다.

B. Google App Engine Cron 서비스로 Cron 작업을 생성하여 Cloud Dataflow 작업을 실행합니다.

C. 대신 Google Cloud Dataproc을 사용하도록 처리 작업을 변경하세요.

D. Cloud Dataflow 작업을 스트리밍 작업으로 구성하여 로그 데이터를 즉시 처리하도록 합니다.

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

B. BigQuery UPDATE를 사용하여 데이터 세트의 크기를 더욱 줄입니다.

C. 거래 데이터의 일일 스냅샷을 Cloud Storage에 복사하여 Avro 파일로 저장합니다. 외부 데이터 소스에 대한 BigQuery 지원을 사용하여 쿼리합니다.

D. 가능한 한 데이터 구조를 보존하세요.

E. 가능한 한 데이터를 비정규화합니다.

A. 관리형 내보내기를 사용하고 Nearline 또는 Coldline 클래스를 사용하여 Cloud Storage 버킷에 데이터를 저장합니다.

B. 관리형 내보내기를 사용한 다음, 해당 내보내기에 예약된 고유한 네임스페이스에서 별도의 프로젝트로 Cloud Datastore로 가져옵니다.

C. 관리형 내보내기를 사용한 다음, 해당 내보내기용으로 생성된 BigQuery 테이블로 데이터를 가져온 후 임시 내보내기 파일을 삭제합니다.

D. Cloud Datastore 클라이언트 라이브러리를 사용하여 모든 엔터티를 읽는 애플리케이션을 작성합니다. 각 엔터티를 BigQuery 스트리밍 삽입을 통해 BigQuery 테이블 행으로 처리합니다. 각 내보내기에 대한 내보내기 타임스탬프를 할당하고 각 행에 대한 추가 열로 연결합니다. BigQuery 테이블이 내보내기 타임스탬프 열을 사용하여 분할되었는지 확인합니다.

E. Cloud Datastore 클라이언트 라이브러리를 사용하여 모든 엔터티를 읽는 애플리케이션을 작성합니다. 내보낸 데이터를 JSON 파일로 포맷합니다. Cloud Source Repositories에 데이터를 저장하기 전에 압축을 적용합니다.

A. 북미 지역의 선두주자인 Cloud Spanner와 아시아 및 유럽의 읽기 전용 복제본을 구현합니다.

B. 저장 또는 처리를 위해 선택된 지역 없이 BigQuery를 구현합니다.

C. 북미의 기본 클러스터와 아시아 및 유럽의 보조 클러스터에 Cloud Bigtable을 구현합니다.

D. 북미에 마스터를 두고 아시아와 유럽에 복제본을 두어 PostgreSQL용 Cloud SQL을 구현합니다.