무료 온라인 액세스 Google.Professional-Data-Engineer.v2024-12-06.q306 모의 시험 (Page 54)

Professional-Data-Engineer 문제 261

Cloud Bigtable에 데이터를 저장할 때 권장되는 최소 저장 데이터 양은 얼마입니까?

A. 500테라바이트

B. 1GB

C. 1테라바이트

D. 500GB

Professional-Data-Engineer 문제 262

BigQuery 온디맨드 환경을 관리하고 있습니다. 비즈니스 인텔리전스 도구는 매일 수백 개의 쿼리를 제출하여 일 및 월 수준에서 대규모(50TB) 판매 내역 팩트 테이블을 집계합니다. 이러한 쿼리는 응답 시간이 느리고 비용 기대치를 초과합니다. 응답 시간을 줄이고 쿼리 비용을 낮추고 유지 관리를 최소화해야 합니다. 어떻게 해야 할까요?

A. 판매 테이블 위에 구체화된 뷰를 구축하여 일별 및 월별 수준의 데이터를 집계합니다.

B. 판매 테이블 위에 권한 있는 뷰를 구축하여 일별 및 월별 수준의 데이터를 집계합니다.

C. Bl Engine을 활성화하고 판매 테이블을 기본 테이블로 추가합니다.

D. 매시간 판매 일 및 판매 월 집계 표를 작성하는 예약된 쿼리를 만듭니다.

정답: A

응답 시간을 개선하고 대규모 판매 내역 팩트 테이블을 집계하는 빈번한 쿼리에 대한 비용을 줄이기 위해 구체화된 뷰는 매우 효과적인 솔루션입니다. 옵션 A가 가장 좋은 선택인 이유는 다음과 같습니다.
구체화된 뷰:
구체화된 뷰는 쿼리 결과를 물리적으로 저장하고 주기적으로 업데이트하여 자주 액세스하는 데이터에 대한 쿼리 응답을 더 빠르게 제공합니다.
이러한 기능은 결과를 미리 계산하여 반복적이고 비용이 많이 드는 집계 쿼리의 성능을 개선하도록 설계되었습니다.
효율성 및 비용 절감:
일별 및 월별로 구체화된 뷰를 구축하면 각 쿼리에 필요한 계산이 크게 줄어들어 응답 시간이 빨라지고 쿼리 비용이 절감됩니다.
구체화된 뷰는 대량의 데이터 세트를 처리할 때 비용이 많이 들 수 있는 주문형 쿼리 실행의 필요성을 줄여줍니다.
최소화된 유지관리:
BigQuery의 구체화된 뷰는 자동으로 관리되며, 업데이트는 시스템에서 처리되므로 팀의 유지 관리 부담이 줄어듭니다.
구현 단계:
집계 쿼리 식별:
기존 쿼리를 분석하여 일별 및 월별 수준에서 일반적인 집계 패턴을 식별합니다.
실체화된 뷰 생성:
식별된 집계 패턴에 대해 BigQuery에서 실체화된 뷰를 만듭니다. 예를 들어 CREATE MATERIALIZED VIEW project.dataset.sales_daily_summary AS SELECT DATE(transaction_time) AS day, SUM(amount) AS total_sales FROM project.dataset.sales GROUP BY day; CREATE MATERIALIZED VIEW project.dataset.sales_monthly_summary AS SELECT EXTRACT(YEAR FROM transaction_time) AS year, EXTRACT(MONTH FROM transaction_time) AS month, SUM(amount) AS total_sales FROM project.dataset.sales GROUP BY year, month; 실체화된 뷰를 사용한 쿼리:
기본 테이블을 직접 쿼리하는 대신, 구체화된 뷰를 사용하도록 기존 쿼리를 업데이트합니다.
참조:
BigQuery 실체화된 뷰
쿼리 성능 최적화

Professional-Data-Engineer 문제 263

BigQuery에서 소매 거래 데이터를 보관할 데이터 모델을 만들고 있습니다. 두 개의 가장 큰 테이블 sales_transation_header와 sales_transation_line은 밀접하게 결합된 불변 관계를 가지고 있습니다. 이러한 테이블은 로드 후에 거의 수정되지 않으며 쿼리 시 자주 조인됩니다. 데이터 분석 쿼리의 성능을 개선하려면 sales_transation_header 및 sales_transation_line 테이블을 모델링해야 합니다. 어떻게 해야 할까요?

A. sales_tran3action_header 및 sales_transaction_line 데이터를 JSON 데이터 유형으로 저장하는 sal es_transaction 테이블을 생성합니다.

B. sales_transaction_header 정보를 행으로 유지하고 sales_transaction_line 행을 중첩 및 반복 필드로 유지하는 sale3_transaction 테이블을 만듭니다.

C. sales_transaction_header와 sales_transaction_line 정보를 행으로 보관하는 sale_transaction 테이블을 생성하고, 각 줄의 sales_transaction_header 데이터를 복제합니다.

D. sales_transation_header와 sales_transation_line 테이블을 별도로 만들고, 쿼리 시 WHERE 절에서 먼저 판매 전환 라인을 지정합니다.

정답: B

BigQuery는 단일 테이블 내에서 계층적 및 일대다 관계를 나타낼 수 있는 복잡한 데이터 유형인 중첩 및 반복 필드를 지원합니다. 중첩 및 반복 필드를 사용하면 데이터 모델을 비정규화하고 쿼리에 필요한 조인 수를 줄일 수 있습니다. 조인은 비용이 많이 들고 노드 간에 데이터를 셔플링해야 하므로 이를 통해 데이터 분석 쿼리의 성능과 효율성을 개선할 수 있습니다. 중첩 및 반복 필드는 또한 데이터 무결성을 유지하고 데이터 중복을 방지합니다. 이 시나리오에서 sales_transaction_header 및 sales_transaction_line 테이블은 밀접하게 결합된 불변 관계를 가지므로 각 헤더 행은 하나 이상의 행 행에 해당하고 로드 후 데이터가 거의 수정되지 않습니다. 따라서 sales_transaction_header 정보를 행으로, sales_transaction_line 행을 중첩 및 반복 필드로 보관하는 단일 sales_transaction 테이블을 만드는 것이 합리적입니다. 이렇게 하면 두 테이블을 조인하지 않고도 판매 거래 데이터를 쿼리할 수 있으며 점 표기법이나 배열 함수를 사용하여 중첩 및 반복 필드에 액세스할 수 있습니다. 예를 들어, sales_transaction 테이블은 다음과 같은 스키마를 가질 수 있습니다.
테이블
필드 이름
유형
방법
ID
정수
무효화 가능
주문 시간
타임스탬프
무효화 가능
고객_ID
정수
무효화 가능
라인_아이템
기록
반복
line_items.sku
끈
무효화 가능
라인_아이템.수량
정수
무효화 가능
품목별 가격
뜨다
무효화 가능
각 주문의 총 금액을 쿼리하려면 다음 SQL 문을 사용할 수 있습니다.
SQL
SELECT id, SUM(라인_아이템.수량 * 라인_아이템.가격) AS 총액
판매 거래에서
id로 그룹화
AI가 생성한 코드입니다. 신중하게 검토하고 사용하세요. FAQ에서 자세한 정보를 확인하세요.
참조:
중첩 및 반복 필드 사용
BigQuery 설명: 조인, 중첩 및 반복 데이터 작업
BigQuery의 배열 - 쿼리 성능을 개선하고 스토리지를 최적화하는 방법

Professional-Data-Engineer 문제 264

Cloud Dataflow 작업이 있는 데이터 파이프라인이 있으며, 이 작업은 시계열 메트릭을 집계하여 Cloud Bigtable에 씁니다. 이 데이터는 조직 전체에서 수천 명의 사용자가 사용하는 대시보드에 공급됩니다. 추가 동시 사용자를 지원하고 데이터를 쓰는 데 필요한 시간을 줄여야 합니다. 어떤 두 가지 조치를 취해야 합니까? (두 가지를 선택하세요.)

A. Cloud Bigtable 클러스터의 노드 수를 늘립니다.

B. Cloud Bigtable에 쓰기 전에 Flatten 변환을 사용하도록 Cloud Dataflow 파이프라인을 수정합니다.

C. Cloud Bigtable에 쓰기 전에 CoGroupByKey 변환을 사용하도록 Cloud Dataflow 파이프라인을 수정합니다.

D. 로컬 실행을 사용하도록 Cloud Dataflow 파이프라인을 구성합니다.

E. PipelineOptions에서 maxNumWorkers를 설정하여 Cloud Dataflow 작업자의 최대 수를 늘립니다.

Professional-Data-Engineer 문제 265

개발 및 외부 팀은 프로젝트 뷰어 Identity and Access Management(1AM) 역할을 Visualization이라는 폴더에 둡니다. 개발 팀은 Cloud Storage와 BigQuery에서 모두 데이터를 읽을 수 있도록 하고, 외부 팀은 BigQuery에서만 데이터를 읽을 수 있도록 해야 합니다. 어떻게 해야 할까요?

A. 보호 및 BigQuery를 모두 제한된 API로 포함하는 VPC 서비스 제어 경계를 만듭니다. 경계의 액세스 수준에 외부 팀 사용자를 추가합니다.

B. 보호 및 Cloud Storage를 모두 제한된 API로 포함하는 VPC 서비스 제어 경계를 만듭니다. 개발 팀 사용자를 경계의 액세스 수준에 추가합니다.

C. acme-raw-data 프로젝트에서 외부 팀에 대한 Cloud Storage IAM 권한 제거

D. 외부 팀 CIDR 범위에서 모든 Ingress 트래픽을 거부하는 acme-raw-data protect에 대한 Virtual Private Cloud(VPC) 방화벽 규칙을 만듭니다.

다른 버전: 1165Google.Professional-Data-Engineer.v2024-08-24.q281; 1307Google.Professional-Data-Engineer.v2023-06-24.q151; 1831Google.Professional-Data-Engineer.v2023-04-17.q208; 2588Google.Professional-Data-Engineer.v2022-09-06.q248; 2044Google.Professional-Data-Engineer.v2022-05-24.q174

최근 업로드: 114ACAMS.CAMS7-KR.v2026-06-05.q213; 125PaloAltoNetworks.XSIAM-Analyst.v2026-06-04.q72; 120NLN.NEX.v2026-06-04.q54; 138Microsoft.AZ-500-KR.v2026-06-04.q213; 116Microsoft.DP-600-KR.v2026-06-04.q98; 174Microsoft.AZ-204-KR.v2026-06-04.q237; 144Microsoft.PL-600-KR.v2026-06-04.q112; 206Microsoft.SC-300-KR.v2026-06-03.q151; 176Microsoft.DP-600-KR.v2026-06-03.q70; 1012PMI.PMP-KR.v2026-06-01.q1069