Welke opslag-/format-pipeline moet u gebruiken voor zeer grote tekstbestanden die ANSI SQL, compressie en parallel laden moeten ondersteunen volgens de best practices van Google?
Kies een antwoord
Tik op een optie om je antwoord te controleren.
Correct antwoord: Converteer tekstbestanden naar gecomprimeerd Avro met Cloud Dataflow; sla bestanden op in Cloud Storage en exposeer ze aan BigQuery als permanente externe tabellen..
Waarom dit het antwoord is
De juiste optie voldoet aan alle vereisten: Cloud Dataflow is ideaal voor het transformeren van zeer grote tekstbestanden naar gecomprimeerd Avro, een efficiënt, splittable en schema-gebaseerd formaat dat parallelle verwerking ondersteunt. Door de bestanden in Cloud Storage op te slaan en als permanente externe tabellen aan BigQuery te koppelen, kunnen ze met ANSI SQL worden opgevraagd zonder ze in BigQuery te laden, wat kostenefficiënt is en voldoet aan de best practices van Google voor grote datasets. De eerste optie is minder efficiënt omdat het laden van alle gegevens in BigQuery duurder kan zijn voor zeer grote datasets die niet constant worden opgevraagd. De derde en vierde opties zijn onjuist omdat gzip-compressie, hoewel het de bestandsgrootte vermindert, niet splittable is, wat parallel laden en query's belemmert. Bovendien is Cloud Bigtable geen geschikte keuze voor ANSI SQL-query's op gestructureerde data; het is een NoSQL-database voor hoge doorvoer en lage latentie.
Slaag voor je examen — zonder eindeloos zoeken naar antwoorden
Krijg elke geverifieerde vraag en uitleg voor dit examen op één plek, en bespaar uren voorbereiding. Meer dan 1.000 certificeringen · Meer dan 20 talen · gratis om te beginnen.
Slaag sneller voor je examen → Geen kaart nodig