Ngân hàng đề — Google Professional Cloud Architect
Tìm thấy 420 câu.
You are tasked with migrating a multi-tenant Software as a Service (SaaS) application from an on-premises data center to Google Cloud. The application uses a sharded PostgreSQL database, where each shard represents a different tenant. The application also leverages a custom-built caching layer to improve performance and relies heavily on analytics data stored in a Hadoop cluster. The migration plan must ensure minimal downtime, maintain performance, and support future growth in the number of tenants. Which migration approach best addresses the needs of the SaaS application while ensuring minimal downtime, maintaining performance, and supporting future scalability?
-
A
Migrate the PostgreSQL databases to Google Cloud SQL, implement Redis for caching, and migrate the Hadoop cluster to Google Cloud Storage and Dataproc.
-
B
Use Database Migration Service (DMS) to migrate PostgreSQL to Cloud SQL, deploy Memorystore for caching, and migrate Hadoop to BigQuery and Dataproc.
-
C
Migrate the PostgreSQL databases to Google Cloud SQL, use a global load balancer to distribute traffic, and keep the Hadoop cluster on-premises with a VPN connection to Google Cloud.
-
D
Lift and shift the entire application, including the PostgreSQL databases, caching layer, and Hadoop cluster, to Google Compute Engine instances.
Xem giải thích
Đáp án
B — Dùng Database Migration Service để chuyển PostgreSQL sang Cloud SQL
Vì sao đúng
DMS là dịch vụ được quản lý dựng riêng cho việc chuyển CSDL, và điểm mạnh quyết định là nó hỗ trợ chuyển liên tục: dữ liệu được nhân bản trong lúc hệ thống cũ vẫn phục vụ, tới khi hai bên đồng bộ thì mới cắt chuyển. Với ứng dụng SaaS nhiều khách hàng đang chạy thật, cửa sổ dừng dịch vụ gần như bằng không là yêu cầu bắt buộc.
Vì sao các phương án khác sai
- A và C. Chuyển sang Cloud SQL nhưng không nêu công cụ nào lo phần chuyển — tức là bỏ ngỏ đúng phần khó nhất và rủi ro nhất.
- D. Bê nguyên cả ứng dụng lẫn CSDL lên máy ảo — giữ nguyên toàn bộ gánh nặng vận hành CSDL đã chia mảnh, không được lợi gì từ dịch vụ được quản lý.
A financial services company is running a latency-sensitive trading application on a custom image of CentOS 7 deployed on a Compute Engine n2-standard-4 instance. The team notices I/O bottlenecks during peak trading hours. The application writes large volumes of small files to disk throughout the day. They need a cost-effective and immediate solution that minimizes disruption. What should they do?
-
A
Replace the zonal SSD persistent disk with a local SSD.
-
B
Migrate the workload to Google Kubernetes Engine with SSD-backed StatefulSets.
-
C
Move the workload to a higher-performance region closer to their headquarters.
-
D
Add more vCPUs to the instance by switching to an n2-standard-8 machine type.
Xem giải thích
Đáp án
A — Thay đĩa bền SSD theo zone bằng local SSD
Vì sao đúng
Ứng dụng giao dịch nhạy cảm với độ trễ, và đó là điểm quyết định. Local SSD gắn trực tiếp vào máy chủ vật lý đang chạy máy ảo, nên độ trễ tính bằng micro giây; đĩa bền thì đi qua mạng lưu trữ nên độ trễ cao hơn hẳn dù thông lượng vẫn tốt. Với việc khớp lệnh, khoảng chênh đó là khoảng chênh đáng tiền.
Vì sao các phương án khác sai
- D. Thêm vCPU bằng cách đổi sang
n2-standard-8— nút thắt nằm ở độ trễ lưu trữ, không nằm ở CPU. - B. Chuyển sang GKE với StatefulSet — thêm một lớp trừu tượng nữa, thường làm độ trễ tệ hơn chứ không tốt hơn.
- C. Chuyển sang khu vực gần trụ sở — có thể giảm độ trễ mạng tới người dùng, nhưng không giải quyết độ trễ đọc ghi bên trong máy.
Cái giá phải trả
Local SSD mất sạch dữ liệu khi máy dừng. Ở đây chấp nhận được vì đó là dữ liệu tạm của ứng dụng khớp lệnh; nhưng nếu đề yêu cầu giữ dữ liệu qua các lần khởi động lại thì đáp án phải khác hẳn — xem câu về đĩa PD-SSD ghép RAID-0.
Your organization operates a multi-tier web application on Google Cloud. You have been tasked with implementing a solution to ensure operational reliability and quickly identify any issues that might affect the application's performance. Which of the following would be the best approach?
-
A
Enable Cloud Logging and Monitoring for the entire project.
-
B
Enable Cloud Debugger on all application instances.
-
C
Configure Cloud Pub/Sub to publish messages whenever there is a change in the application.
-
D
Use Cloud Dataflow to process logs in real-time.
Xem giải thích
Đáp án
A — Bật Cloud Logging và Cloud Monitoring cho cả dự án
Vì sao đúng
Đề hỏi nền tảng để đảm bảo độ tin cậy vận hành và nhanh chóng phát hiện sự cố. Logging và Monitoring là hai trụ cơ bản nhất: log cho biết chuyện gì đã xảy ra, số liệu cho biết hệ thống đang thế nào, và cảnh báo dựa trên số liệu là thứ báo cho bạn trước khi người dùng gọi điện. Bật ở mức dự án nghĩa là phủ mọi tầng của ứng dụng chứ không sót phần nào.
Vì sao các phương án khác sai
- B. Cloud Debugger — công cụ gỡ lỗi một vấn đề đã biết trong mã đang chạy, không phải cơ chế giám sát liên tục.
- C. Pub/Sub phát thông điệp khi có thay đổi — là kênh truyền tin, tự nó không giám sát hay cảnh báo gì.
- D. Dataflow xử lý log thời gian thực — công cụ mạnh cho phân tích log ở quy mô lớn, nhưng là bước xây thêm sau khi đã có nền tảng thu thập log; không phải điểm khởi đầu.
A company runs a customer-facing microservices application on Google Kubernetes Engine (GKE).
The services communicate internally over HTTP and are fronted by an external HTTP(S) load balancer. During peak traffic, users report intermittent latency spikes, but CPU and memory usage across pods remain within normal limits. As the Cloud Architect, you need to quickly identify the source of latency across service boundaries with minimal performance overhead. What should you do?
-
A
Enable Cloud Trace and instrument the services to propagate trace context between microservices
-
B
Enable Cloud Debugger on all microservices to inspect application state during requests
-
C
Enable VPC Flow Logs and analyze network traffic between pods
-
D
Enable detailed Cloud Audit Logs for all service accounts used by the application
Xem giải thích
Đáp án
A — Bật Cloud Trace và cho các dịch vụ truyền ngữ cảnh trace cho nhau
Vì sao đúng
Với microservice, một yêu cầu của người dùng đi qua nhiều dịch vụ, nên câu hỏi "chậm ở đâu" không trả lời được bằng cách nhìn từng dịch vụ riêng lẻ. Distributed tracing ghép các chặng lại thành một dòng thời gian duy nhất, chỉ ra chặng nào tốn bao nhiêu mili giây.
Phần truyền ngữ cảnh trace là điều kiện bắt buộc, không phải chi tiết phụ: thiếu nó thì mỗi dịch vụ sinh ra một trace rời rạc và bạn mất đúng thứ cần — bức tranh đầu cuối.
Vì sao các phương án khác sai
- B. Cloud Debugger — soi trạng thái biến tại một điểm trong mã, không đo được thời gian trải qua nhiều dịch vụ.
- C. VPC Flow Logs — ghi luồng lưu lượng ở tầng mạng, không biết gì về ngữ nghĩa yêu cầu HTTP.
- D. Cloud Audit Logs — ghi lại ai làm gì với tài nguyên, phục vụ kiểm toán chứ không phải phân tích hiệu năng.
As a cloud architect, you're working for a large e-commerce company that wants to detect anomalies in their sales data in real-time. The data is stored in BigQuery and is updated every few minutes with new sales information from around the globe. The goal is to quickly identify unusual spikes or drops in sales, so the business can take immediate actions. What would be the most efficient way to architect this solution?
-
A
Use Cloud Storage to store the sales data and periodically run batch processing jobs using Dataflow to detect anomalies.
-
B
Use Cloud DLP (Data Loss Prevention) to monitor the sales data in BigQuery for anomalies.
-
C
Use BigQuery ML to create a machine learning model and use scheduled queries to periodically perform anomaly detection on the recent data.
-
D
Use Cloud Monitoring to monitor the sales data in BigQuery for anomalies.
Xem giải thích
Đáp án
C — Dùng BigQuery ML tạo mô hình và dùng scheduled query để chạy phát hiện bất thường
Vì sao đúng
Dữ liệu đã nằm sẵn trong BigQuery, nên cách ít ma sát nhất là xử lý ngay tại chỗ: BigQuery ML cho tạo và huấn luyện mô hình bằng SQL thuần, không phải xuất dữ liệu ra đâu cả và không cần hạ tầng học máy riêng. Scheduled query khiến việc chấm điểm chạy đều đặn mà không cần bộ điều phối bên ngoài.
Vì sao các phương án khác sai
- D. Cloud Monitoring — giám sát số liệu hạ tầng như CPU và độ trễ, không phân tích được nội dung dữ liệu nghiệp vụ trong bảng.
- B. Cloud DLP — phát hiện dữ liệu nhạy cảm như số thẻ và thông tin cá nhân, không phát hiện bất thường về doanh số.
- A. Đưa sang Cloud Storage rồi chạy theo lô — bước lùi: dữ liệu đã ở trong kho phân tích rồi, chuyển ra ngoài chỉ thêm độ trễ.
You are working for a company that needs to perform a large-scale data processing task that is highly parallelizable and not time-sensitive. This operation should be completed within a reasonable time frame, but it doesn't require an immediate result. The cost of operation is a major consideration. The company has asked you for the most cost-effective solution that matches these requirements. What would be your recommendation?
-
A
Use Google Cloud Functions for the data processing task.
-
B
Use Google Cloud Dataproc with preemptible Compute Engine machines.
-
C
Use Google Cloud Dataflow with non-preemptible Compute Engine machines.
-
D
Use Google Kubernetes Engine with preemptible Compute Engine machines.
Xem giải thích
Đáp án
B — Dùng Cloud Dataproc với máy Compute Engine preemptible
Vì sao đúng
Đề nêu ba điều kiện, và cả ba cùng chỉ về một hướng: công việc song song hoá cao, không gấp về thời gian, và mục tiêu là rẻ. Máy preemptible rẻ hơn máy thường rất nhiều, đổi lại có thể bị thu hồi — nhưng Hadoop và Spark trên Dataproc tự chạy lại phần việc của node bị mất, nên việc thu hồi chỉ làm chậm chút ít chứ không hỏng kết quả.
Vì sao các phương án khác sai
- C. Dataflow với máy không preemptible — bỏ mất chính phần tiết kiệm mà đề đang tìm.
- D. GKE với máy preemptible — rẻ tương đương, nhưng bạn phải tự dựng phần chia việc và chịu lỗi mà Spark đã có sẵn.
- A. Cloud Functions — giới hạn thời gian chạy và bộ nhớ, không kham nổi xử lý dữ liệu lớn.
Your company operates a 3-tier application deployed in Google Kubernetes Engine (GKE) clusters within the same VPC. The application tiers—frontend, backend, and database—are distributed across different node pools. The following requirements must be met:
-
Traffic should flow from the frontend to the backend and from the backend to the database only.
-
Communication from the frontend directly to the database must be blocked.
-
Configuration changes should be minimal and easy to manage.
How should you design the network to meet these requirements?
-
A
Implement network policies within the GKE cluster to control traffic between tiers.
-
B
Create a private cluster for each tier and use VPC Service Controls to enforce communication rules.
-
C
Use subnetworks to isolate each tier and apply routes to control the flow of traffic.
-
D
Add tags to each node pool and use them to set up firewall rules.
Xem giải thích
Đáp án
A — Dùng Kubernetes Network Policy để kiểm soát lưu lượng giữa các tầng
Vì sao đúng
Cả ba tầng nằm trong cùng một cụm GKE, nên lưu lượng giữa chúng là lưu lượng giữa các pod — mà luật tường lửa của VPC làm việc ở mức máy ảo, không nhìn thấy tầng đó. Network Policy là cơ chế đúng: nó lọc theo nhãn của pod, nên khai được kiểu "chỉ pod mang nhãn tier=backend mới tới được pod mang nhãn tier=database", và luật vẫn đúng khi pod được tạo lại với IP khác.
Vì sao các phương án khác sai
- D. Gắn tag cho node pool rồi viết luật tường lửa — chỉ lọc được tới mức node; hai pod của hai tầng khác nhau nằm trên cùng một node thì luật vô tác dụng.
- C. Dùng subnet và route để cô lập — route quyết định gói tin đi đường nào, không quyết định gói tin có được phép hay không.
- B. Mỗi tầng một private cluster với VPC Service Controls — quá nặng, và Service Controls dựng cho việc lập vành đai quanh dịch vụ được quản lý, không phải để phân đoạn nội bộ một ứng dụng.
A financial services company wants to build an AI-driven customer support agent capable of dynamic reasoning, retrieving knowledge from internal documents, and generating personalized responses. They prefer declarative configuration over writing extensive code and want strong integration with Vertex AI Search and Gemini models. Which solution is the best fit?
-
A
Agent Builder on Vertex AI
-
B
App Engine Standard with a classic intent-based chatbot framework
-
C
BigQuery with BI Engine for semantic search
-
D
Cloud Run with a custom Python microservice using the Gemini REST API
Xem giải thích
Đáp án
A — Agent Builder trên Vertex AI
Vì sao đúng
Đề mô tả đúng ba năng lực mà một tác nhân AI cần, và cả ba đều là thứ Agent Builder làm sẵn: suy luận nhiều bước để tự quyết định cần làm gì tiếp, truy xuất tri thức từ tài liệu nội bộ (mô hình RAG), và sinh câu trả lời bằng ngôn ngữ tự nhiên. Tự ghép ba mảnh này lại rất tốn công, nhất là phần đánh chỉ mục tài liệu và nối vào mô hình.
Vì sao các phương án khác sai
- B. Chatbot dựa trên intent khai sẵn — trả lời được câu hỏi đã lường trước, nhưng không suy luận động và không đọc tài liệu.
- C. BigQuery với BI Engine — công cụ tăng tốc truy vấn phân tích, không phải nền tảng hội thoại.
- D. Cloud Run gọi thẳng API Gemini — làm được nếu tự xây, nhưng bạn phải tự dựng toàn bộ phần truy xuất tài liệu, quản lý ngữ cảnh và điều phối các bước suy luận.
A large healthcare organization needs to build a secure and scalable platform for storing and processing sensitive patient data. The platform must meet the following requirements:
-
ensure secure storage and processing of sensitive patient data
-
enable fast and efficient data retrieval for medical professionals
-
support real-time data analysis for clinical decision-making
-
enable data sharing with authorized partners while ensuring data privacy and security
-
minimize costs while still providing high performance
Which solution would you recommend to meet these requirements?
-
A
Implementing a custom-built solution using Cloud Pub/Sub for real-time data processing, Bigtable for data storage, and Google Kubernetes Engine (GKE) for deployment and scaling.
-
B
Implementing a serverless solution using Cloud Functions for data processing, Cloud Firestore for data storage, and Cloud Pub/Sub for real-time data processing.
-
C
Implementing a hybrid solution using Cloud SQL for data storage, Compute Engine for data processing, and BigQuery for real-time analytics.
-
D
Implementing a managed solution using Cloud Healthcare API for data storage and processing, Cloud Dataflow for real-time analytics, and Cloud Identity Access Management (IAM) for secure data sharing.
Xem giải thích
Đáp án
D — Giải pháp được quản lý dùng Cloud Healthcare API
Vì sao đúng
Dữ liệu bệnh nhân có yêu cầu riêng mà kho lưu trữ đa năng không đáp ứng được. Cloud Healthcare API hiểu sẵn các chuẩn FHIR, HL7v2 và DICOM, có kiểm soát truy cập ở mức phù hợp với quy định y tế, ghi nhật ký kiểm toán đầy đủ, và nối thẳng được sang các công cụ phân tích lẫn khử định danh. Chọn dịch vụ được quản lý cũng giảm hẳn phần bề mặt mà đội phải tự bảo đảm tuân thủ.
Vì sao các phương án khác sai
- A. Tự xây trên Pub/Sub — Pub/Sub chỉ truyền thông điệp; toàn bộ phần lưu trữ, chuẩn dữ liệu và tuân thủ phải tự làm.
- B. Cloud Functions không máy chủ — giải quyết phần tính toán, bỏ ngỏ phần lưu trữ và tuân thủ.
- C. Cloud SQL cộng máy ảo — không hiểu định dạng y tế, và phần lớn công việc tuân thủ dồn lên đội của bạn.
An application processes a significant number of transactions that exceed the capabilities of a single virtual machine. As a cloud architect, you want to spread transactions across multiple servers in real time and in the most cost-effective way. What should you do?
-
A
You should send transactions to BigQuery. On the virtual machines, poll for transactions that don't have the ‘processed’ key, and mark them ‘processed’ when done.
-
B
You should send transactions to Cloud Bigtable, and poll for new transactions from the VMs.
-
C
You should set up Cloud SQL with a memory cache for speed. On your multiple servers, poll for transactions that do not have the ‘processed’ key, and mark them ‘processed’ when done.
-
D
You should send transactions to Pub/Sub and process them in virtual machines in a Managed Instance Group.
Xem giải thích
Đáp án
D — Đưa giao dịch vào Pub/Sub rồi xử lý bằng nhiều máy ảo trong một instance group
Vì sao đúng
Bài toán là một máy không xử lý xuể và cần trải việc ra nhiều máy. Pub/Sub là hàng đợi đúng cho mô hình đó: nhiều máy cùng đăng ký một subscription, mỗi thông điệp chỉ được giao cho một máy xử lý, và Pub/Sub tự lo phần xác nhận, giao lại khi thất bại. Thêm máy là tự động tăng năng lực, không phải viết logic phân chia nào.
Vì sao các phương án khác sai
- A. Đưa vào BigQuery rồi hỏi vòng — BigQuery là kho phân tích, không phải hàng đợi công việc; hỏi vòng liên tục vừa tốn vừa không có cơ chế chống xử lý trùng.
- B. Đưa vào Bigtable rồi hỏi vòng — cùng vấn đề: bạn phải tự viết cơ chế "ai lấy bản ghi nào" và tự chống trùng lặp.
- C. Cloud SQL với bộ nhớ đệm — CSDL một máy chủ vẫn là nút thắt, chỉ dời vấn đề chứ không giải.