正解: B

解説:

• B が正解: Shared VPC はホストプロジェクトで集中管理する VPC を、複数のサービスプロジェクトで共有できる仕組み。ネットワーク管理は集中、リソース管理は分散という要件にピタリと適合します。組織標準としても Google が推奨する構成です。
• A: VPC Peering の組み合わせ爆発 (15 × 14 / 2 = 105 ピアリング)、推移性なし、IP 重複制約があり非現実的。
• C: 1 プロジェクト統合は IAM 分離が困難で、本要件の「各事業部で独自管理」に反します。
• D: NCC はリージョン横断・マルチクラウド接続のハブで、本問の用途とは異なります。

試験のひっかけポイント: 「ネットワーク集中管理 + リソース分散管理」=「Shared VPC」。組織レベルのベストプラクティスとして頻出。サービスプロジェクト数の上限 (デフォルト 1,000) も覚えておく。

関連リソース:

• ../02_学習資料/02_インフラ管理とプロビジョニング/02_応用.md

正解: B

解説:

• B が正解: Cloud Armor は L7 WAF として、OWASP Top 10 ルール（pre-configured WAF rules）、地理ベース制限、IP 拒否、Adaptive Protection (ML ベースの DDoS 防御)、reCAPTCHA Enterprise 統合 (Bot 対策) を提供。HTTPS LB と組み合わせるのが標準的な使い方です。
• A: VPC ファイアウォールは L3/L4 のみ。WAF 機能なし。
• C: Cloud IDS は侵入検知（IDS）で、L7 防御 (IPS としての WAF) は別。
• D: DNS Routing Policies はトラフィックルーティング機能で、攻撃対策ではない。

試験のひっかけポイント: Cloud Armor = L7 WAF + DDoS 防御 + Bot 対策。Cloud IDS (検知) との違いを明確に。Adaptive Protection と reCAPTCHA Enterprise は 2024-2025 年の重要機能。

関連リソース:

• ../02_学習資料/02_インフラ管理とプロビジョニング/02_応用.md

正解: A

解説:

• A が正解: Global external Application Load Balancer はグローバル Anycast IP、HTTPS、IPv4/IPv6、Cloud CDN、Cloud Armor、マルチリージョンバックエンドすべてに対応する標準的な選択肢。Classic と新世代 (Global external Application Load Balancer) のどちらでも要件は満たしますが、新規構築なら新世代が推奨。試験的には「Global external HTTPS LB」と覚えれば十分。
• B: Standard Tier の LB はリージョン LB のみで、グローバル Anycast IP は使えません。
• C: Internal LB は外部公開には使えません。
• D: Network LB は L4 で、HTTPS 終端や CDN/Armor 統合は不可。

試験のひっかけポイント: 「グローバル + HTTPS + CDN + Armor」=「Global external Application LB」。Premium Tier 必須 (グローバル Anycast IP のため)。Standard Tier との違いを必ず押さえる。

関連リソース:

• ../02_学習資料/02_インフラ管理とプロビジョニング/02_応用.md

正解: B

解説:

• B が正解: Network Connectivity Center (NCC) は Google Cloud のネットワーク接続ハブで、Cloud Interconnect / VPN / SD-WAN / Partner などのスポークをまとめて管理。マルチクラウド・ハイブリッドでの動的ルーティング + 単一管理を実現します。
• A: VPC Peering は推移性なしの 1:1 接続で、ハブ＆スポークには不適切。
• C: HA VPN は単なる VPN 接続で、複数拠点のハブ管理はできない。
• D: Shared VPC は組織内リソース共有用。

試験のひっかけポイント: 「ハイブリッド/マルチクラウド + 統合管理」=「NCC」。2022 年以降に出題重要度が増しました。スポークの種類 (VPN, Interconnect, SD-WAN, Router appliance) も覚えておく。

関連リソース:

• ../02_学習資料/02_インフラ管理とプロビジョニング/02_応用.md

正解: A, B

解説:

• A が正解: Cross-region internal Application LB は複数リージョンの NEG / インスタンスグループに同時にロードバランスでき、グローバル化された Internal LB として機能します。
• B が正解: リージョン単位の障害時に、自動的に別リージョンのバックエンドへフェイルオーバーします。Single-region internal LB ではリージョン障害に耐えられません。
• C: Internal なので外部アクセスは不可。これは external LB の機能。
• D: L4 パススルーは Internal Network LB の機能で、Cross-region Internal Application LB は L7 (HTTPS) ベース。

試験のひっかけポイント: 「内部 + クロスリージョン HA + HTTPS」=「Cross-region internal Application LB」。2023 年 GA の比較的新しい機能。Internal LB にも Cloud Armor が適用可能になった点も重要。

関連リソース:

• ../02_学習資料/02_インフラ管理とプロビジョニング/02_応用.md

正解: A, B, C

解説:

• A が正解: SetStorageClass はオブジェクトのストレージクラスを変更する。Standard → Nearline → Coldline → Archive の段階的移行に使用。
• B が正解: Delete は条件に合致したオブジェクトを削除。年数経過後の自動削除に使用。
• C が正解: AbortIncompleteMultipartUpload は未完了のマルチパートアップロードを破棄。コスト削減に有効。
• D: Encrypt は Lifecycle Management のアクションには含まれない。暗号化は別途 CMEK / KMS で管理する。

試験のひっかけポイント: Cloud Storage のネイティブ機能を使えるなら使う。Lifecycle Management の 3 つのアクション = SetStorageClass / Delete / AbortIncompleteMultipartUpload。暗号化は別レイヤ。

関連リソース:

• ../02_学習資料/02_インフラ管理とプロビジョニング/02_応用.md

正解: B

解説:

• B が正解: Bucket Lock は Retention Policy を設定し、それをロックすることで、設定期間中は誰も（管理者でも）オブジェクトを削除・上書きできなくなります。WORM (Write Once Read Many) 要件を満たす唯一のネイティブ機能。SEC 17a-4(f), FINRA, CFTC 等の規制対応に使えます。
• A: Versioning は履歴保存だが、削除を完全に防ぐものではない。
• C: CMEK は暗号化で、改ざん防止とは別の概念。
• D: VPC SC はネットワーク境界制御で、データ保持期間制御はしない。

試験のひっかけポイント: WORM = Bucket Lock。Object Versioning と混同しない。Lock を一度かけると削除不可なので、設定期間は慎重に決める必要がある。

関連リソース:

• ../02_学習資料/02_インフラ管理とプロビジョニング/02_応用.md

正解: B

解説:

• B が正解: Backup and DR Service (2023 GA) は Compute Engine VM, GKE persistent volumes, Cloud SQL, VMware Engine 等の統合バックアップサービス。Backup Plan で日次スケジュール、Backup Vault で不変ロック (Immutable backups)、別リージョンレプリケート、保持ポリシーをすべてマネージドで実現します。
• A: 手動スクリプトは保守性・信頼性が低い。
• C: STS はオブジェクトストレージ転送で、PD スナップショットの直接管理はしない。
• D: Composer での実装は可能だが、フルマネージドな B のほうが簡潔。

試験のひっかけポイント: Backup and DR Service は 2024 年以降 PCA で重要度急上昇。Backup Vault の不変ロックはランサムウェア対策の決定打。

関連リソース:

• ../02_学習資料/02_インフラ管理とプロビジョニング/02_応用.md

正解: B

解説:

• B が正解: Google Cloud VMware Engine (GCVE) は VMware のスタック (vSphere / vSAN / NSX-T / HCX) を Google Cloud のベアメタル上で動かせるマネージドサービス。HCX で vMotion を使ったライブマイグレーション可能、既存運用そのまま継続。「VMware を VMware として残したい」場合の唯一解です。
• A: M4VMs は VMware から Compute Engine への変換移行で、VMware ツールチェーンは維持されない。
• C: GKE Anthos はコンテナ化が前提でリフト＆シフトとは別。
• D: Bare Metal Solution は Oracle / SAP 等のハードウェア依存ワークロード向けで、VMware エコシステムは対象外。

試験のひっかけポイント: 「VMware をそのまま」=「GCVE」。Bare Metal Solution と混同しない。HCX 経由の vMotion ライブマイグレーションは GCVE の典型シナリオ。

関連リソース:

• ../02_学習資料/02_インフラ管理とプロビジョニング/02_応用.md

正解: B

解説:

• B が正解: GKE Autopilot はノード管理を完全に Google が担う運用モード。Pod 単位の課金、SLA 99.95%、セキュリティのデフォルト強化が組み込まれています。
• A: Spot VM は中断あり、要件 (4) に反します。
• C: GKE Standard はノードプール設計が必要で、要件 (1)(2) に反します。
• D: Anthos on bare metal はオンプレミスの Kubernetes 運用で、本要件と異なる。

試験のひっかけポイント: GKE Autopilot vs Standard の違いを明確に。Autopilot は運用簡素化、Standard は柔軟性。「ノード管理不要」=「Autopilot」。

関連リソース:

• ../02_学習資料/02_インフラ管理とプロビジョニング/02_応用.md

正解: B

解説:

• B が正解: min-instances=1 で常時 1 インスタンスを確保しコールドスタートを回避、CPU is always allocated (always-on CPU) でリクエスト処理外もバックグラウンドタスク (cron、メッセージ処理) を実行可能。always-on CPU はアイドル課金単価が低く、要件 (3) を満たします。
• A: アイドル時のスケール to 0 で要件 (1)(2)(4) を満たさない。
• C: max-instances=1 は上限制限で、min との混同。
• D: concurrency=1 はリクエスト多重度制限で、本要件とは無関係。

試験のひっかけポイント: Cloud Run の CPU 割り当て = Default (request-only) vs Always-on。Always-on は単価が高いが定常ワークロード向き。min-instances は CPU の保証ではなくインスタンス数の保証。

関連リソース:

• ../02_学習資料/02_インフラ管理とプロビジョニング/02_応用.md

正解: B

解説:

• B が正解: Spot VM は通常価格の 60-91% 割引で、中断可能なバッチに最適。Preemptible VM (24 時間上限) と異なり時間上限なしで、24 時間超のジョブも実行可能。MIG で大規模並列実行をオーケストレーションできます。
• A: Standard VM は中断なしだが、Spot より高コスト。要件 (1) を満たさない。
• C: Preemptible VM は 24 時間上限があり要件 (5) に反する。さらに新規利用は推奨されない（Spot VM が後継）。
• D: Reserved/CUD は中断不可ワークロード向け。

試験のひっかけポイント: Spot VM = Preemptible VM の後継。違いは「24 時間上限の有無」「割引率」「リソース可用性 SLA の扱い」。新規アーキでは Spot を選ぶ。

関連リソース:

• ../02_学習資料/02_インフラ管理とプロビジョニング/02_応用.md

正解: A, B

解説:

• A が正解: Multi-Cluster Ingress / Multi-Cluster Gateway は複数 GKE クラスタにまたがるグローバル LB を提供。リージョン障害時に自動フェイルオーバー、Anycast IP で全世界共通の単一エンドポイント。
• B が正解: Cloud Service Mesh (旧 Anthos Service Mesh) はクラスタ間 mTLS / トラフィックポリシー / observability を提供。マルチクラスタの相互通信を暗号化します。
• C: 単一クラスタではリージョン障害に対応できない。
• D: Cloud Run multi-region は GKE 構成ではなく、要件と異なる。

試験のひっかけポイント: Anthos Service Mesh は 2024 年に Cloud Service Mesh に改名。GKE マルチクラスタの典型構成として、MCI + Cloud Service Mesh はセットで覚える。

関連リソース:

• ../02_学習資料/02_インフラ管理とプロビジョニング/02_応用.md

正解: C

解説:

• C が正解: Committed Use Discount (CUD) - Resource-based は vCPU + メモリ単位で 1 年 / 3 年コミットし、最大 70% 程度の割引（マシンタイプによる）を得られます。安定稼働のワークロード向け。
• A: Spot は中断ありで基幹システム不適。
• B: SUD は単月稼働率に応じた自動割引で、最大 30% 程度（マシンタイプによる）。コミットメント不要だが割引率は CUD に劣る。
• D: 通常価格で割引なし。

試験のひっかけポイント: CUD = コミットメント有り (最大 70%) vs SUD = コミットメント無し (最大 30%)。CUD は Resource-based (柔軟) と Spend-based (Flexible CUD、年額固定) がある。

関連リソース:

• ../02_学習資料/02_インフラ管理とプロビジョニング/02_応用.md

正解: B

解説:

• B が正解: Vertex AI Pipelines は Kubeflow Pipelines DSL または TFX で書いた ML パイプラインを実行するマネージドサービス。コンポーネントの再利用、GUI 可視化、Feature Store / Model Registry 統合をすべて備えています。
• A: Workbench はノートブック環境で、パイプライン実行用ではない。
• C: AutoML は自動 ML で、カスタムパイプラインは構築しない。
• D: Model Registry はモデル管理で、パイプライン実行機能はない。

試験のひっかけポイント: Vertex AI の構成要素 = Pipelines (実行) / Workbench (開発) / Model Registry (管理) / Feature Store (特徴量) / Endpoints (デプロイ)。役割分担を明確にする。

関連リソース:

• ../02_学習資料/02_インフラ管理とプロビジョニング/02_応用.md

正解: B

解説:

• B が正解: AI Hypercomputer は TPU v5p / TPU Trillium / NVIDIA H100/H200 GPU を統合した Google の AI 専用インフラ。MaxText / MaxDiffusion などの最適化された ML ライブラリと組み合わせて、大規模 LLM 学習に最大効率を発揮します。
• A: 個別管理では分散学習の最適化が不十分。
• C: Cloud Run GPU は推論やバッチ向けで、大規模並列学習には不向き。
• D: Workbench は単一ノートブック環境。

試験のひっかけポイント: AI Hypercomputer = ハードウェア + ソフトウェア + フレームワークの統合。MaxText / MaxDiffusion / JAX 最適化などのスタックがセット。2025 年改訂の重点項目。

関連リソース:

• ../02_学習資料/02_インフラ管理とプロビジョニング/02_応用.md

正解: B

解説:

• B が正解: TPU v5e は Google が推論コスト効率に特化して設計したアクセラレータ。中規模 LLM の推論に最適化され、TPU v4 比でドル当たりの推論性能が大幅に向上。JAX / PyTorch/XLA をサポート。
• A: A100 は汎用 GPU でコスト効率は v5e に劣る。
• C: TPU v5p は学習特化で、推論には v5e がコスト効率良い。
• D: L4 は推論向け GPU だが、Google 独自設計 (要件 (4)) の条件に該当しない。

試験のひっかけポイント: TPU v5e (推論コスト効率) / TPU v5p (大規模学習) の使い分けは試験頻出。Trillium (v6e) も登場しています。GPU では H100 (学習) / L4 (推論) / A100 (中規模) を区別。

関連リソース:

• ../02_学習資料/02_インフラ管理とプロビジョニング/02_応用.md

正解: B

解説:

• B が正解: Gemini Enterprise (2025 年に発表された統合エンタープライズ AI 製品、旧 Agentspace を含む) は、社内データ取り込み・RAG・Workspace 統合・エージェントビルダーを統合提供。最短期間で社内 AI アシスタント構築が可能です。
• A: OSS LLM デプロイは自由度が高いがインテグレーションを自作する必要があり期間が長い。
• C: AutoML for NLP は分類など特定タスク向け。
• D: Document AI は文書抽出専門で、対話 AI は別途必要。

試験のひっかけポイント: 2025 年 10 月改訂で重要度急上昇の Gemini Enterprise。「社内データ + RAG + 短期間構築」=「Gemini Enterprise」と即答できるように。

関連リソース:

• ../02_学習資料/02_インフラ管理とプロビジョニング/02_応用.md

正解: B

解説:

• B が正解: Vertex AI Model Garden は 150 以上の基盤モデル（Gemini, Gemma, Llama, Mistral, Claude on Vertex, etc.）を統合的に提供するモデルカタログ。同一プラットフォームで試行・デプロイ・管理ができます。Claude も Model Garden 経由で利用可能 (Anthropic と Google の提携)。
• A: Endpoints はデプロイ済みモデルの推論エンドポイントで、モデル選定機能はない。
• C: Workbench は開発環境。
• D: Pipelines は ML パイプライン実行。

試験のひっかけポイント: Model Garden = 複数モデルのカタログ + 統合 API。OSS / Google / 3rd party を一元管理できる点が重要。Model Garden は 2024-2025 年に大幅拡張されました。

関連リソース:

• ../02_学習資料/02_インフラ管理とプロビジョニング/02_応用.md

正解: A

解説:

• A が正解: Google Cloud のプリビルト AI API はそれぞれ専用に最適化されています：
  • Vision API: 画像分類・物体検出
  • Natural Language API: 感情分析・エンティティ抽出
  • Document AI: PDF / 帳票の構造化抽出
  • Video Intelligence API: 動画モデレーション・シーン検出 API 呼び出しだけで利用でき、訓練不要。
• B: カスタムモデル開発は時間とコストが多大。
• C: AutoML は訓練データ準備が必要で、API 呼び出しだけでは利用できない。
• D: BigQuery ML はテーブルデータ向けで、画像 / 動画 / PDF は対象外。

試験のひっかけポイント: プリビルト AI API のラインアップは試験基礎知識。各 API のターゲットメディアタイプを覚える。「訓練不要 / API のみ」=「プリビルト API」。

関連リソース:

• ../02_学習資料/02_インフラ管理とプロビジョニング/02_応用.md