Professional Cloud Architect

Question 46

Google Compute Engine 上の本番データベース仮想マシンには、データファイル用に ext4 でフォーマットされた永続ディスクがあります。データベースのストレージ容量がまもなく不足します。 ダウンタイムを最小限に抑えてこの問題を修正するにはどうすればよいですか?

A.
Cloud Platform Console で永続ディスクのサイズを増やし、Linux で resize2fs コマンドを使用する。
B.
仮想マシンをシャットダウンし、Cloud Platform Console を使用して永続ディスクのサイズを増やしてから、仮想マシンを再起動する。
C.
Cloud Platform Console で永続ディスクのサイズを増やし、Linux で fdisk コマンドを使用して新しいスペースが使用可能であることを確認する。
D.
Cloud Platform Console で新しい永続ディスクを作成して仮想マシンにアタッチし、フォーマットしてマウントし、データベースサービスを設定してファイルを新しいディスクに移動する。
E.
Cloud Platform Console で永続ディスクのスナップショットを作成し、スナップショットを新しいより大きなディスクに復元し、古いディスクをアンマウントし、新しいディスクをマウントして、データベースサービスを再起動する。
Question 47

あなたの会社には、Pub/Subからメッセージを取得し、Filestoreに保存するKubernetesアプリケーションがあります。アプリケーションは単純なため、単一のPodとしてデプロイされました。インフラチームがPub/Subのメトリクスを分析したところ、アプリケーションがメッセージをリアルタイムで処理できていないことが判明しました。ほとんどのメッセージは処理されるまでに数分間待機しています。I/O負荷の高いこの処理プロセスをスケールさせる必要があります。どうすればよいですか?

A.
`kubectl autoscale deployment APP_NAME --max 6 --min 2 --cpu-percent 50` を使用して、Kubernetesのオートスケーリングデプロイメントを設定します。
B.
`subscription/push_request_latencies` メトリクスに基づいてKubernetesのオートスケーリングデプロイメントを設定します。
C.
Kubernetesクラスタを作成する際に `--enable-autoscaling` フラグを使用します。
D.
`subscription/num_undelivered_messages` メトリクスに基づいてKubernetesのオートスケーリングデプロイメントを設定します。
Question 48

あなたの会社はWebベースのアプリケーションを開発しています。本番環境へのデプロイがソースコードのコミットにリンクされ、完全に監査可能であることを確認する必要があります。どうすればよいですか?

A.
開発者がコードコミットにコミット日時をタグ付けするようにする。
B.
開発者がコミットにデプロイへのリンクを含むコメントを追加するようにする。
C.
コンテナタグをソースコードのコミットハッシュと一致させる。
D.
開発者がコミットに `latest` というタグを付けるようにする。
Question 49

あるアプリケーション開発チームがあなたにアドバイスを求めてきました。彼らはGo 1.12を使用してHTTP(S) APIを作成し、デプロイする予定です。このAPIは非常に予測不可能なワークロードを持ち、トラフィックのピーク時にも信頼性を維持する必要があります。彼らはこのアプリケーションの運用オーバーヘッドを最小限に抑えたいと考えています。どの方法を推奨すべきでしょうか?

A.
アプリケーションをコンテナで開発し、Google Kubernetes Engineにデプロイする。
B.
App Engineスタンダード環境向けにアプリケーションを開発する。
C.
Compute Engineにデプロイする際にマネージドインスタンスグループを使用する。
D.
カスタムランタイムを使用して、App Engineフレキシブル環境向けにアプリケーションを開発する。
Question 50

あなたの会社はGoogle Cloud上にデータレイクを設計しており、さまざまなソースから非構造化データを収集するための異なる取り込みパイプラインを開発したいと考えています。 データがGoogle Cloudに保存された後、いくつかのデータパイプラインで処理され、ウェブサイトのエンドユーザー向けのレコメンデーションエンジンが構築されます。ソースシステムから取得されるデータの構造はいつでも変更される可能性があります。データの構造が現在の処理パイプラインと互換性がない場合に備えて、再処理目的で、データは取得されたそのままの状態で保存する必要があります。データを取得した後のユースケースをサポートするアーキテクチャを設計する必要があります。どうすればよいですか?

A.
データを処理パイプラインに通し、その後、処理済みのデータを再処理用にBigQueryテーブルに保存する。
B.
データをBigQueryテーブルに保存する。テーブルからデータを取得するように処理パイプラインを設計する。
C.
データを処理パイプラインに通し、その後、処理済みのデータを再処理用にCloud Storageバケットに保存する。
D.
データをCloud Storageバケットに保存する。バケットからデータを取得するように処理パイプラインを設計する。