[2023年12月]に更新されたGoogle Cloud Certified Professional-Cloud-Architect日本語試験練習問題集お試しセット [Q116-Q131]

[2023年12月]に更新されたGoogle Cloud Certified Professional-Cloud-Architect日本語試験練習問題集お試しセット

2023年最新のProfessional-Cloud-Architect日本語プレミアム資料テストPDF無料問題集お試しセット

質問 # 116
ケーススタディ：6-TerramEarth
会社概要
TerramEarthは、鉱業および農業産業用の重機を製造しています。約
彼らのビジネスの80％は鉱業からであり、20％は農業からです。現在、100か国に500を超える販売店とサービスセンターがあります。彼らの使命は、顧客の生産性を高める製品を構築することです。
ソリューションのコンセプト
2000万台のTerramEarth車両が稼働しており、毎秒120フィールドのデータを収集しています。
データは車両にローカルに保存され、車両の整備時に分析のためにアクセスできます。
データはメンテナンスポート経由でダウンロードされます。この同じポートを使用して操作パラメーターを調整することができ、新しいコンピューティングモジュールを使用してフィールドで車両をアップグレードできます。
約200,000台の車両がセルラーネットワークに接続されているため、TerramEarthはデータを直接収集できます。 TerramEarthは、1秒あたり120時間の操作で1秒あたり120フィールドのデータの割合で、これらの接続された車両から合計約9 TB /日を収集します。
既存の技術環境
TerramEarthの既存のアーキテクチャは、単一の米国西海岸ベースのデータセンターに存在するLinuxおよびWindowsベースのシステムで構成されています。これらのシステムは、現場からCSVファイルをgzipしてFTP経由でアップロードし、データをデータウェアハウスに配置します。このプロセスには時間がかかるため、集計レポートは3週間前のデータに基づいています。
このデータにより、TerramEarthは交換部品を事前に在庫に入れ、車両の計画外のダウンタイムを60％削減できました。ただし、データが古くなっているため、一部のお客様は、部品の交換を待つ間、最長4週間車両を所有していません。
ビジネス要件
計画外の車両のダウンタイムを1週間未満に減らします。

顧客が設備をどのように使用するかについてのより多くのデータでディーラーネットワークをサポートする

新しい製品とサービスの位置づけ
さまざまな企業、特に種子や肥料のサプライヤーと提携する能力を持っている

急成長している農業ビジネスで-顧客のための説得力のある共同提供を作成する。
技術要件
単一のデータセンターを超えて拡大し、アメリカ中西部および東部への待ち時間を短縮

海岸。
バックアップ戦略を作成します。

機器からデータセンターへのデータ転送のセキュリティを強化します。

データウェアハウスのデータを改善します。

顧客と機器のデータを使用して、顧客のニーズを予測します。

アプリケーション1：データの取り込み
カスタムPythonアプリケーションは、アップロードされたデータファイルを単一のサーバーから読み取り、データウェアハウスに書き込みます。
計算：
Windows Server 2008 R2

-16 CPU
-128 GBのRAM
-10 TBのローカルHDDストレージ
アプリケーション2：レポート
ビジネスアナリストが日次レポートを実行して、修理が必要な機器を確認するための既製のアプリケーション。 10人のチーム（西海岸5つ、東海岸5つ）のアナリストは、一度に2人しかレポートアプリケーションに接続できません。
計算：
既製のアプリケーション。物理CPUの数に関連付けられたライセンス

-Windows Server 2008 R2
-16 CPU
-32 GBのRAM
-500 GB HDD
データウェアハウス：
単一のPostgreSQLサーバー

-RedHat Linux
-64 CPU
-128 GBのRAM
-RAID 0の4x 6TB HDD
エグゼクティブステートメント
当社の競争上の優位性は常に製造プロセスにあり、競合他社よりも低コストでより優れた車両を製造する能力を備えています。しかし、さまざまなアプローチの新製品が絶えず開発されており、私たちの業界で次の変革の波を経験するスキルが不足していることを懸念しています。私の目標は、漸進的な革新を通じて差し迫った市場のニーズに対応しながらスキルを構築することです。
この質問については、TerramEarthのケーススタディを参照してください。会社のデータウェアハウスであるTerramEarthに、信頼性が高くスケーラブルなGCPソリューションを実装する必要があります。 TerramEarthのビジネス要件と技術要件を考慮して、何をすべきですか？

• A. 既存のデータウェアハウスを96 CPUのCompute Engineインスタンスに置き換えます。
• B. 既存のデータウェアハウスをBigQueryに置き換えます。フェデレーションデータソースを使用します。
• C. 既存のデータウェアハウスを96 CPUのCompute Engineインスタンスに置き換えます。 32 CPUのCompute Engineプリエンプティブルインスタンスを追加します。
• D. 既存のデータウェアハウスをBigQueryに置き換えます。テーブルのパーティション分割を使用します。

正解：D

解説：
1. BigQuery does not guarantee data consistency for external data sources. Changes to the underlying data while a query is running can result in unexpected behavior.
2. Query performance for external data sources may not be as high as querying data in a native BigQuery table.

質問 # 117
ミッションクリティカルなアプリケーションの災害計画をテストする手順を開発する必要があります。 GCP内でGoogleが推奨するプラクティスとネイティブ機能を使用します。
あなたは何をするべきか？

• A. gcloudスクリプトを使用して、サービスのプロビジョニングを自動化します。アクティビティログを使用して、テストを監視およびデバッグします。
• B. 自動スクリプトを使用して、サービスのプロビジョニングを自動化します。アクティビティログを使用して、テストを監視およびデバッグします。
• C. Deployment Managerを使用して、サービスのプロビジョニングを自動化します。アクティビティログを使用して、テストを監視およびデバッグします。
• D. Deployment Managerを使用してプロビジョニングを自動化します。 Stackdriverを使用して、テストを監視およびデバッグします。

正解：C

質問 # 118
Google Cloud Platformのリソースは、組織、フォルダ、およびプロジェクトを使用して階層的に管理されています。 クラウドIDおよびアクセス管理（IAM）ポリシーがこれらの異なるレベルで存在する場合、階層の特定のノードで有効なポリシーは何ですか？

• A. 有効なポリシーは、ノードに設定されているポリシーによってのみ決まります。
• B. 有効なポリシーは、ノードに設定されたポリシーとその先祖から継承したポリシーの共通部分です。
• C. 有効なポリシーは、ノードに設定され、その先祖のポリシーによって制限されているポリシーです。
• D. 有効なポリシーは、ノードに設定されたポリシーとその先祖から継承されたポリシーの和集合です。

正解：C

質問 # 119
この質問については、TerramEarthのケーススタディを参照してください。すべての受信データをBigQueryに書き込む新しいアーキテクチャが導入されました。データが汚れていることに気づき、コストを管理しながら、毎日自動化されたデータ品質を確保したいと考えています。
あなたは何をするべきか？

• A. BigQueryのデータにSQLステートメントを作成し、ビューとして保存します。ビューを毎日実行し、結果を新しいテーブルに保存します。
• B. 取り込みプロセスによってデータを受信するストリーミングCloudDataflowジョブを設定します。 CloudDataflowパイプラインのデータをクリーンアップします。
• C. BigQueryからデータを読み取り、それをクリーンアップするクラウド関数を作成します。それをトリガーします。 ComputeEngineインスタンスからクラウド関数をトリガーします。
• D. Cloud Dataprepを使用して、BigQueryテーブルをソースとして構成します。データをクリーンアップするために毎日のジョブをスケジュールします。

正解：B

質問 # 120
ケーススタディ：6-TerramEarth
会社概要
TerramEarthは、鉱業および農業産業用の重機を製造しています。約
彼らのビジネスの80％は鉱業からであり、20％は農業からです。現在、100か国に500を超える販売店とサービスセンターがあります。彼らの使命は、顧客の生産性を高める製品を構築することです。
ソリューションのコンセプト
2000万台のTerramEarth車両が稼働しており、毎秒120フィールドのデータを収集しています。
データは車両にローカルに保存され、車両の整備時に分析のためにアクセスできます。
データはメンテナンスポート経由でダウンロードされます。この同じポートを使用して操作パラメーターを調整することができ、新しいコンピューティングモジュールを使用してフィールドで車両をアップグレードできます。
約200,000台の車両がセルラーネットワークに接続されているため、TerramEarthはデータを直接収集できます。 TerramEarthは、1秒あたり120時間の操作で1秒あたり120フィールドのデータの割合で、これらの接続された車両から合計約9 TB /日を収集します。
既存の技術環境
TerramEarthの既存のアーキテクチャは、単一の米国西海岸ベースのデータセンターに存在するLinuxおよびWindowsベースのシステムで構成されています。これらのシステムは、現場からCSVファイルをgzipしてFTP経由でアップロードし、データをデータウェアハウスに配置します。このプロセスには時間がかかるため、集計レポートは3週間前のデータに基づいています。
このデータにより、TerramEarthは交換部品を事前に在庫に入れ、車両の計画外のダウンタイムを60％削減できました。ただし、データが古くなっているため、一部のお客様は、部品の交換を待つ間、最長4週間車両を所有していません。
ビジネス要件
計画外の車両のダウンタイムを1週間未満に減らします。

顧客が設備をどのように使用するかについてのより多くのデータでディーラーネットワークをサポートする

新しい製品とサービスの位置づけ
さまざまな企業、特に種子や肥料のサプライヤーと提携する能力を持っている

急成長している農業ビジネスで-顧客のための説得力のある共同提供を作成する。
技術要件
単一のデータセンターを超えて拡大し、アメリカ中西部および東部への待ち時間を短縮

海岸。
バックアップ戦略を作成します。

機器からデータセンターへのデータ転送のセキュリティを強化します。

データウェアハウスのデータを改善します。

顧客と機器のデータを使用して、顧客のニーズを予測します。

アプリケーション1：データの取り込み
カスタムPythonアプリケーションは、アップロードされたデータファイルを単一のサーバーから読み取り、データウェアハウスに書き込みます。
計算：
Windows Server 2008 R2

-16 CPU
-128 GBのRAM
-10 TBのローカルHDDストレージ
アプリケーション2：レポート
ビジネスアナリストが日次レポートを実行して、修理が必要な機器を確認するための既製のアプリケーション。 10人のチーム（西海岸5つ、東海岸5つ）のアナリストは、一度に2人しかレポートアプリケーションに接続できません。
計算：
既製のアプリケーション。物理CPUの数に関連付けられたライセンス

-Windows Server 2008 R2
-16 CPU
-32 GBのRAM
-500 GB HDD
データウェアハウス：
単一のPostgreSQLサーバー

-RedHat Linux
-64 CPU
-128 GBのRAM
-RAID 0の4x 6TB HDD
エグゼクティブステートメント
当社の競争上の優位性は常に製造プロセスにあり、競合他社よりも低コストでより優れた車両を製造する能力を備えています。しかし、さまざまなアプローチの新製品が絶えず開発されており、私たちの業界で次の変革の波を経験するスキルが不足していることを懸念しています。私の目標は、漸進的な革新を通じて差し迫った市場のニーズに対応しながらスキルを構築することです。
この質問については、TerramEarthのケーススタディを参照してください。技術的な要件を考慮して、GCPでの計画外の車両のダウンタイムをどのように減らす必要がありますか？

• A. BigQueryをデータウェアハウスとして使用します。すべての車両をネットワークに接続し、Cloud Pub / SubとCloud Dataflowを使用してBigQueryにデータをストリーミングします。分析とレポートにはGoogleデータスタジオを使用してください。
• B. データウェアハウスとしてCloud Dataproc Hiveを使用します。データを分割されたHiveテーブルに直接ストリーミングします。
  Pigスクリプトを使用してデータを分析します。
• C. データウェアハウスとしてBigQueryを使用します。すべての車両をネットワークに接続し、gcloudを使用してgzipファイルをMulti-Regional Cloud Storageバケットにアップロードします。分析とレポートにはGoogleデータスタジオを使用してください。
• D. データウェアハウスとしてCloud Dataproc Hiveを使用します。 MultiRegional Cloud Storageバケットにgzipファイルをアップロードします。 gcloudを使用してこのデータをBigQueryにアップロードします。 Googleデータスタジオを使用して、分析とレポートを作成します。

正解：A

質問 # 121
echo-deploymentという名前のDeploymentを使用して、Kubernetes Engineにアプリケーションをデプロイしました。展開は、echo-serviceと呼ばれるサービスを使用して公開されます。アプリケーションのダウンタイムを最小限に抑えて、アプリケーションの更新を実行する必要があります。あなたは何をするべきか？

• A. デプロイメントyamlファイルを新しいコンテナーイメージで更新します。 kubectl delete deployment / echo-deploymentおよびkubectl create -f <yaml-file>を使用します
• B. kubectl set image deployment / echo-deployment <new-image>を使用します
• C. Kubernetesクラスターの背後にあるインスタンスグループのローリング更新機能を使用する
• D. 新しいコンテナイメージのサービスyamlファイルを更新します。 kubectl delete service / echoserviceおよびkubectl create -f <yaml-file>を使用します

正解：C

解説：
Reference: https://cloud.google.com/kubernetes-engine/docs/how-to/updating-apps
https://cloud.google.com/kubernetes-engine/docs/tutorials/hello-app

質問 # 122
この質問については、JencoMartのケーススタディを参照してください。
JencoMartは、アジアへのトラフィックを提供するGoogle Cloud Platform上にアプリケーションのバージョンを構築しました。あなたは彼らのビジネスと技術的な目標に対する成功を測定したいです。どの指標を追跡する必要がありますか？

• A. アジアのユーザーの合計訪問数と平均待ち時間
• B. アメリカとアジアのレイテンシーの違い
• C. アジアからのリクエストのエラー率
• D. データベースに存在する文字セットの数
• E. アジアからの総訪問数、エラー率、待ち時間

正解：A

解説：
説明
シナリオから：
ビジネス要件は次のとおりです。サービスをアジアに展開する
技術的要件は次のとおりです。アジアの待ち時間を短縮

質問 # 123
この質問については、Dress4Winのケーススタディを参照してください。特定のビジネス要件を考慮して、Webおよびトランザクションデータレイヤーの展開をどのように自動化しますか？

• A. Cloud Launcherを使用してNginxとTomcatを展開します。 Cloud Launcherを使用してMySQLサーバーをデプロイします。
  Cloud Deployment Managerスクリプトを使用して、JenkinsをCompute Engineにデプロイします。
• B. NginxとTomcatをApp Engineに移行します。 Cloud Launcherを使用してMySQLサーバーをデプロイします。 Cloud Launcherを使用して、JenkinsをCompute Engineにデプロイします。
• C. NginxとTomcatをApp Engineに移行します。 Cloud Datastoreサーバーをデプロイして、高可用性構成のMySQLサーバーを置き換えます。 Cloud Launcherを使用して、JenkinsをCompute Engineにデプロイします。
• D. Cloud Deployment Managerを使用してNginxとTomcatをCompute Engineにデプロイします。 MySQLを置き換えるCloud SQLサーバーをデプロイします。 Cloud Deployment Managerを使用してJenkinsを展開します。

正解：A

質問 # 124
ケーススタディ：7-Mountkirk Games
会社概要
Mountkirk Gamesは、モバイルプラットフォーム用のセッションベースのオンラインマルチプレイヤーゲームを作成しています。彼らはいくつかのサーバー側の統合を使用してすべてのゲームを構築します。従来、彼らはクラウドプロバイダーを使用して物理サーバーをリースしてきました。
一部のゲームは予想外に人気があったため、世界中の視聴者、アプリケーションサーバー、MySQLデータベース、分析ツールのスケーリングに問題がありました。
彼らの現在のモデルは、ゲームの統計情報をファイルに書き込み、それらをレポート用に中央のMySQLデータベースにロードするETLツールを介して送信することです。
ソリューションのコンセプト
Mountkirk Gamesは、非常に人気が高いと予想される新しいゲームを構築しています。彼らは、ゲームのバックエンドをGoogle Compute Engineにデプロイして、ストリーミングメトリックをキャプチャし、集中的な分析を実行し、自動スケーリングサーバー環境を利用して、マネージドNoSQLデータベースと統合することを計画しています。
ビジネス要件
グローバルフットプリントに増加します。

アップタイムの改善-ダウンタイムはプレイヤーの損失です。

使用するクラウドリソースの効率を向上させます。

すべてのお客様の待ち時間を短縮します。

技術要件
ゲームバックエンドプラットフォームの要件
ゲームのアクティビティに基づいて動的にスケールアップまたはスケールダウンします。

トランザクションデータベースサービスに接続して、ユーザープロファイルとゲームの状態を管理します。

将来の分析のために、ゲームアクティビティを時系列データベースサービスに保存します。

システムのスケーリングに伴い、バックログの処理が原因でデータが失われないようにします。

強化されたLinuxディストリビューションを実行します。

ゲーム分析プラットフォームの要件
ゲームのアクティビティに基づいて動的にスケールアップまたはスケールダウン

ゲームサーバーから直接オンザフライで受信データを処理する

モバイルネットワークが遅いために遅れて到着するデータを処理する

クエリが少なくとも10 TBの履歴データにアクセスできるようにする

ユーザーのモバイルデバイスによって定期的にアップロードされるファイルを処理する

エグゼクティブステートメント
最後に成功したゲームは以前のクラウドプロバイダーにうまく対応できなかったため、ユーザーの採用が低下し、ゲームの評判に影響を与えました。私たちの投資家は、ゲームの速度と安定性を評価するためのより多くの主要業績評価指標（KPI）と、ゲームをターゲットユーザーに適応させるために使用パターンのより深い洞察を提供する他の指標を求めています。
さらに、現在のテクノロジースタックでは必要な規模を提供できないため、MySQLを置き換えて、自動スケーリング、低レイテンシの負荷分散を提供し、物理サーバーの管理から解放される環境に移行したいと考えています。
この質問については、Mountkirk Gamesのケーススタディを参照してください。 Mountkirk Gamesは、現在の分析および統計レポートモデルから、Google Cloud Platformの技術要件を満たすモデルに移行したいと考えています。
移行計画の一部とすべき2つのステップはどれですか。 （2つ選択してください。）

• A. 前のゲームの10 TBの分析データをCloud SQLインスタンスに読み込み、完全なデータセットに対してテストクエリを実行して、それらが正常に完了することを確認します。
• B. 現在のバッチETLコードをCloud Dataflowに移行することの影響を評価します。
• C. BigQueryのパフォーマンスを向上させるためにデータを非正規化するスキーマ移行計画を記述します。
• D. Cloud Storageにアップロードされた分析ファイルで起こり得るSQLインジェクション攻撃を防御するためにCloud Armorを統合します。
• E. 単一のMySQLデータベースからMySQLクラスターに移動する方法を示すアーキテクチャ図を描画します。

正解：B、C

質問 # 125
営業時間中にのみ使用するアプリケーションを設計しています。最小の実行可能な製品リリースでは、アクティビティがない場合にコストが発生しないように、自動的に「ゼロに拡大」する管理製品を使用します。
どのプライマリコンピューティングリソースを選択する必要がありますか？

• A. Compute Engine
• B. クラウド機能
• C. Kubernetes Engine
• D. AppEngineフレキシブル環境

正解：B

質問 # 126
あなたの会社はクラウドに正常に移行し、データストリームを分析して操作を最適化したいと考えています。 彼らはこの分析のための既存のコードを持っていないので、彼らはすべてのオプションを模索しています。
これらのオプションには、バッチ処理とストリーム処理が混在しています。時間ごとのジョブを実行したり、入ってくるデータをライブ処理したりするため、これらのオプションを使用する必要があります。

• A. Google Cloud Dataflow
• B. Google Cloud Dataproc
• C. Google Container Engine with Bigtable
• D. Google Compute Engine with Google BigQuery

正解：A

解説：
Cloud Dataflow is a fully-managed service for transforming and enriching data in stream (real time) and batch (historical) modes with equal reliability and expressiveness -- no more complex workarounds or compromises needed.
References: https://cloud.google.com/dataflow/

質問 # 127
コストを削減するために、エンジニアリングディレクターは、すべての開発者に開発インフラストラクチャリソースをオンプレミス仮想マシン（VM）からGoogle Cloud Platformに移行するよう要求しました。 これらのリソースは、1日中に複数の開始/停止イベントを通過し、状態を維持する必要があります。 Google Cloudで開発環境を実行するプロセスを設計し、財務部門に費用の可視性を提供するよう求められました。 どの2つのステップを取るべきですか？ 2つの回答を選択

• A. すべての永続ディスクで-auto-deleteフラグを使用し、VMを終了します。
• B. Google BigQuery請求のエクスポートとラベルを使用して、費用をグループに関連付ける。
• C. すべての状態をGoogle Cloud Storageに保存し、永続ディスクをスナップショットし、VMを終了します。
• D. すべての永続ディスクで--no-auto-deleteフラグを使用し、VMを停止します。
• E. すべての状態をローカルSSDに保存し、永続ディスクをスナップショットし、VMを終了します。
• F. VM CPU使用率ラベルを適用し、BigQuery請求エクスポートにそれを含めます。

正解：B、D

解説：
Reference:
https://cloud.google.com/billing/docs/how-to/export-data-bigquery

質問 # 128
この質問については、TerramEarthのケーススタディを参照してください。
データ取得を高速化するために、より多くの車両がセルラー接続にアップグレードされ、ETLプロセスにデータを送信できるようになります。現在のFTPプロセスはエラーが発生しやすく、接続が失敗するとファイルの先頭からデータ転送を再開します。これは頻繁に発生します。ソリューションの信頼性を向上させ、セルラー接続でのデータ転送時間を最小限に抑える必要があります。あなたは何をするべきか？

• A. HTTP（S）経由のGoogle APIを使用して、ファイルを直接、Google、EU、およびアジアの異なるGoogle Cloud Multi-Regional Storageバケットの場所に転送します。バケット内のデータを使用してETLプロセスを実行します。
• B. 異なる地域にあるFTPサーバーを実行している複数のGoogle Container Engineクラスターを使用します。データをus、eu、およびasiaのMulti-Regionalバケットに保存します。バケット内のデータを使用してETLプロセスを実行します。
• C. HTTP（S）経由のGoogle APIを使用して、ファイルをGoogle Cloud Regional Storageバケットの別の場所（eu、eu、およびasia）に直接転送します。 ETLプロセスを実行して、各地域バケットからデータを取得します。
• D. FTPサーバーの1つのGoogle Container Engineクラスターを使用します。データをMulti-Regionalバケットに保存します。バケット内のデータを使用してETLプロセスを実行します。

正解：C

質問 # 129
あなたの会社は、敏感であり、顧客のニーズをすばやく満たすことに高い価値を置いています。 主なビジネス目標は、リリーススピードと俊敏性です。 あなたは誤って導入されたセキュリティエラーの可能性を減らそうとしています。 どちらの行動をとることができますか？ 2つの回答を選択

• A. 継続的統合/継続配信（CI / CD）パイプラインの一部として脆弱性セキュリティスキャナを実行します。
• B. ソースコードセキュリティアナライザは、CI / CDパイプラインの一部として使用します。
• C. すべてのコードチェックインがセキュリティSMEによってピアレビューされていることを確認します。
• D. CI / CDパイプラインと統合されたコード署名と信頼できるバイナリリポジトリを有効にします。
• E. コンポーネント間のすべてのインタフェースをユニットテストするためのスタブがあることを確認してください。

正解：A、B

解説：
Explanation
https://docs.microsoft.com/en-us/vsts/articles/security-validation-cicd-pipeline?view=vsts

質問 # 130
この質問については、EHRヘルスケアのケーススタディを参照してください。 EHRのオンプレミスシステムとGoogleCloud間のハイブリッド接続の技術アーキテクチャを定義する必要があります。本番レベルのアプリケーションについて、Googleが推奨する方法に従う必要があります。 EHRヘルスケアのビジネス要件と技術要件を考慮して、あなたは何をすべきですか？

• A. オンプレミスからGoogle Cloudへの2つのVPN接続を構成し、オンプレミスのVPNデバイスが別々のラックにあることを確認します。
• B. EHRHealthcareとGoogleCloudの間で直接ピアリングを構成し、少なくとも2つのGoogleロケーションをピアリングしていることを確認します。
• C. 1つのメトロ（都市）で2つのパートナー相互接続接続を構成し、相互接続接続が異なるメトロゾーンに配置されていることを確認します。
• D. 1つのメトロ（都市）に2つの専用相互接続接続を構成し、別のメトロに2つの接続を構成し、相互接続接続が異なるメトロゾーンに配置されていることを確認します。

正解：D

解説：
Reference:
based on the requirement of secure and high-performance connection between on-premises systems to Google Cloud

質問 # 131
......

今すぐ弊社のGoogle Cloud Certified試験パッケージ使って試験準備してProfessional-Cloud-Architect日本語をパスせよ：https://www.passtest.jp/Google/Professional-Cloud-Architect-JPN-shiken.html