A. 비지도 학습

B. 회귀 분석기

C. 분류기

D. 클러스터링 추정기

A. 클라우드 스토리지에서 데이터를 읽어오고, 예상 범위를 벗어난 값을 확인하고, 해당 값을 적절한 기본값으로 설정한 후, 업데이트된 레코드를 클라우드 스토리지의 동일한 데이터 세트에 기록하는 클라우드 데이터플로우 워크플로를 생성하세요.

B. 클라우드 스토리지에서 데이터를 읽고, 예상 범위를 벗어난 값을 확인하고, 해당 값을 적절한 기본값으로 설정한 후, 업데이트된 레코드를 클라우드 스토리지의 새 데이터 세트에 기록하는 클라우드 데이터플로우 워크플로를 생성합니다.

C. 클라우드 스토리지에서 BigQuery로 데이터를 가져옵니다. 새 BigQuery 테이블을 생성하고 오류가 있는 행은 건너뜁니다.

D. Compute Engine 인스턴스를 생성하고 클라우드 스토리지에 데이터의 새 복사본을 만듭니다. 오류가 있는 행은 건너뜁니다.

A. 데이터를 Google Cloud Datastore로 전송한 다음 BigQuery로 내보냅니다.

B. 데이터를 Google Cloud Pub/Sub으로 전송하고, Cloud Pub/Sub에서 Google Cloud Dataflow로 스트리밍한 후, Google BigQuery에 데이터를 저장합니다.

C. 데이터를 클라우드 스토리지에 전송한 다음, 분석이 필요할 때마다 Google Cloud Dataproc에서 Apache Hadoop 클러스터를 필요에 따라 실행합니다.

D. 로그를 일괄적으로 Google Cloud Storage로 내보낸 다음 Google Cloud SQL 인스턴스를 실행하고 Cloud Storage에서 데이터를 가져와 필요에 따라 분석을 실행합니다.

A. 세 번째 인스턴스를 생성하고 배치 작업을 통해 두 가지 스토리지 유형의 데이터를 동기화합니다.

B. 기존 인스턴스의 데이터를 내보내고 새 인스턴스로 데이터를 가져옵니다.

C. 하나는 HDD, 다른 하나는 SSD로 병렬 인스턴스를 실행합니다.

D. 선택은 최종적이며, 동일한 저장 유형을 계속 사용해야 합니다.

A. Cloud Pub/Sub에 이벤트를 게시하는 애플리케이션을 생성하고, JSON 이벤트 페이로드를 Avro로 변환하여 Cloud Storage 및 BigQuery에 데이터를 기록하는 Cloud Dataflow 파이프라인을 생성합니다.

B. Cloud Pub/Sub에 이벤트를 게시하는 애플리케이션을 생성하고, Cloud Dataproc에서 Spark 작업을 생성하여 JSON 데이터를 Avro 형식으로 변환한 후 영구 디스크의 HDFS에 저장합니다.

C. 데이터를 저장하기 위해 클라우드 SQL 데이터베이스에 쓰는 애플리케이션을 생성합니다. 데이터베이스를 주기적으로 내보내 클라우드 스토리지에 저장하고 BigQuery에 로드하도록 설정합니다.

D. API를 제공하는 애플리케이션을 개발하세요. API를 주기적으로 호출하여 데이터를 압축된 JSON 파일 형태로 클라우드 스토리지에 저장하는 도구를 작성하세요.