模擬試験1（標準）

Google Cloud「Professional Data Engineer」本番試験を忠実に再現した模擬試験です（標準レベル）。

受験案内

• 制限時間：2時間（120分）
• 問題数：全50問（単一選択 ＝ 4択／一部 複数選択 ＝「2つ選べ」「3つ選べ」）
• 目標：70%以上（35問正解）で合格圏
• 進め方：
  1. まず全50問を通して解答してください（途中で解答・解説を見ない）。
  2. 全問解き終えてから、末尾の「解答・解説」でまとめて採点します。
  3. 採点後、「採点と判定」のセクション別正答率の表で弱点セクションを特定してください。
• 各問の見出しに、由来するセクションのタグ 【S1】〜【S5】 を付けています。
  • S1：データ処理システムの設計／S2：データの取り込みと処理／S3：データの保存／S4：分析のためのデータ準備と使用／S5：データワークロードの保守と自動化

問題

Q1　【S2】単一選択

あるEC企業が、オンプレミスのApache Spark / Hadoopバッチジョブ群（Hive、PySpark）をGoogle Cloudへ移行しようとしています。ジョブのコードはできる限り書き換えず、運用フェーズでコストを最小化したいと考えています。最適なアプローチはどれですか。

• A. すべてのジョブをApache Beamに書き換えてDataflowで実行する
• B. Dataprocのジョブ単位（ephemeral）クラスタで実行し、データはCloud Storageに保存する
• C. Dataprocの永続クラスタを1つ常時起動し、すべてのジョブをそこで実行する
• D. Cloud Data Fusionでパイプラインを再構築する

Q2　【S3】単一選択

車両テレメトリのIoTプラットフォームを構築します。数百万台の車両から毎秒数百万件の書き込みがあり、特定車両の直近の値をミリ秒単位で読み取る必要があります。結果整合性で許容され、データ量はペタバイト級に増えます。最適なストレージはどれですか。

• A. Cloud SQL（PostgreSQL）
• B. BigQuery
• C. Bigtable
• D. Firestore

Q3　【S1】単一選択

あるグローバル企業は、すでにCloud IAMで最小権限を徹底しています。しかし、認証情報が漏洩した場合でも、BigQueryやCloud Storage上の機密データが組織のネットワーク境界の外へ持ち出されることを防ぎたいと考えています。追加で導入すべきものはどれですか。

• A. Cloud KMSによるCMEK暗号化
• B. VPC Service Controls
• C. Cloud DLPによるトークン化
• D. 組織ポリシーで外部IP割り当てを禁止

Q4　【S2】単一選択

ストリーミングパイプラインで「直近5分間の平均値を1分ごとに更新して出力する」集計を実装します。Apache Beam / Dataflowで使用すべきウィンドウはどれですか。

• A. 固定（Fixed/Tumbling）ウィンドウ
• B. スライディング（Sliding/Hopping）ウィンドウ
• C. セッション（Session）ウィンドウ
• D. グローバルウィンドウ

Q5　【S4】単一選択

小売企業が、季節性と祝日効果のある日次売上データから、将来3か月の売上を予測したいと考えています。データはBigQueryにあり、データサイエンティストはSQLでモデルを作りたいと考えています。最適なBigQuery MLのモデルはどれですか。

• A. 線形回帰（Linear regression）
• B. ロジスティック回帰（Logistic regression）
• C. ARIMA_PLUS
• D. k-means

Q6　【S5】単一選択

あるチームのBigQueryの月額コストが月ごとに大きく変動し、予測できずに高額になっています。クエリ量は多く、継続的かつ予測可能です。コストを安定させる最善の方法はどれですか。

• A. オンデマンド課金のままにし、各クエリでSELECT *を避ける
• B. BigQuery Editions（容量ベース）に移行し、スロット予約とコミットメントを利用する
• C. すべてのテーブルをCloud Storageにエクスポートして外部テーブルで参照する
• D. クエリの同時実行数のクォータを下げる

Q7　【S1】単一選択

ある金融機関が、オンプレミスのMySQLデータベースの変更を、ほぼリアルタイムでBigQueryへ継続的に複製し、分析に使いたいと考えています。サーバーレスでCDC（変更データキャプチャ）を実現する最適なサービスはどれですか。

• A. Database Migration Service
• B. Transfer Appliance
• C. Datastream
• D. BigQuery Data Transfer Service

Q8　【S3】単一選択

BigQueryで、注文（orders）と注文明細（order_items）を扱うデータウェアハウスを設計します。クエリのパフォーマンスとコストを最適化する、BigQueryで推奨されるデータモデルはどれですか。

• A. 第3正規形まで正規化し、クエリ時にJOINで結合する
• B. 注文と明細を別テーブルにし、毎回CROSS JOINする
• C. 非正規化し、明細をネスト/繰り返しフィールド（ARRAY）として1行に畳み込む
• D. 明細を行ごとにJSON文字列として1列に格納する

Q9　【S2】複数選択（2つ選べ）

ストリーミングパイプラインで、ネットワーク遅延によりイベントが順不同・遅延して到着しますが、時間ベースの集計を正しく行いたいと考えています。Dataflow / Apache Beamで考慮すべき概念を2つ選んでください。

• A. 処理時刻（Processing time）を集計の基準に使う
• B. イベント時刻（Event time）を集計の基準に使う
• C. ウォーターマーク（Watermark）と許容遅延（allowed lateness）を設定する
• D. すべてのデータをグローバルウィンドウに入れて最後に一括集計する
• E. ウィンドウを使わずに到着順にそのまま出力する

Q10　【S1】単一選択

データアナリストに集計結果のテーブルだけを参照させ、PII（個人を特定できる情報）を含む元テーブルへの直接アクセスは与えたくありません。元テーブルを公開せずに結果だけを共有する、BigQueryの最適な機能はどれですか。

• A. テーブルをCSVにエクスポートして配布する
• B. 承認済みビュー（Authorized View）
• C. 元テーブルにアナリストのIAMロールをbigquery.dataViewerで付与する
• D. Cloud DLPでテーブル全体をマスキングする

Q11　【S5】単一選択

夜間のみ実行されるDataprocバッチジョブのコストを最小化したいと考えています。最も効果的な構成はどれですか。

• A. 永続クラスタを起動したまま、夜間以外はジョブを停止する
• B. ジョブ単位（ephemeral）クラスタを夜間に起動し、データはCloud Storageに置き、ジョブ完了後にクラスタを破棄する
• C. すべてのワーカーをオンデマンドの通常VMで構成し、HDFSにデータを保存する
• D. クラスタのマスターノードにプリエンプティブルVMを使う

Q12　【S1】単一選択

EUの顧客の個人データは、法的要件によりEU域内のみに保存しなければなりません。BigQueryでこの要件を満たすための設計上の最重要ポイントはどれですか。

• A. BigQueryデータセットを作成後に、ロケーションをEUへ変更する
• B. BigQueryデータセットを作成時にロケーションをEUに設定する（作成後は変更不可）
• C. クエリ実行時にロケーションをEUに指定すればよい
• D. テーブル単位でロケーションをEUに設定する

Q13　【S2】単一選択

Pub/Subを使うストリーミングパイプラインで、特定のメッセージの処理が繰り返し失敗し、パイプライン全体が詰まっています。失敗するメッセージを隔離し、正常な処理を継続させる仕組みはどれですか。

• A. 順序指定キー（Ordering key）を設定する
• B. デッドレタートピック（Dead-letter topic）を設定する
• C. メッセージ保持期間を最大にする
• D. サブスクリプションをPullからPushに変更する

Q14　【S3】単一選択

GCS上にあるParquet形式の大量データを、コピーや移動をせずにBigQueryから分析しつつ、列レベル・行レベルの細粒度アクセス制御を適用したいと考えています。最適な機能はどれですか。

• A. BigQueryのネイティブテーブルにロードする
• B. 通常の外部テーブル（External table）
• C. BigLakeテーブル
• D. Bigtableにインポートする

Q15　【S4】単一選択

あるBigQueryのBIダッシュボードで、同じような重い集計クエリが繰り返し実行されており、レイテンシをサブ秒に下げたいと考えています。透過的に反復クエリを高速化する機能はどれですか。

• A. BI Engine
• B. パーティショニング
• C. クラスタリング
• D. テーブルスナップショット

Q16　【S2】単一選択

多数のデータ処理タスクが複雑な依存関係を持ち、失敗時には手動でやり直しています。再現可能なオーケストレーションを実現する、最適なマネージドサービスはどれですか。

• A. Cloud Scheduler
• B. Workflows
• C. Cloud Composer（マネージドAirflow）
• D. Cloud Functions

Q17　【S1】複数選択（2つ選べ）

あるBigQueryデータセットには機密性の高いPIIが含まれます。データガバナンスチームは、(1) 特定の機密列（例：社会保障番号）へのアクセスを職務に応じて制御し、(2) 含まれるPIIを自動的に検出・分類したいと考えています。それぞれに最適なサービス/機能を2つ選んでください。

• A. 列レベルのアクセス制御（ポリシータグ）
• B. Cloud DLP
• C. VPC Service Controls
• D. Cloud KMS
• E. Pub/Subデッドレタートピック

Q18　【S2】単一選択

データエンジニアが、サーバーレスでバッチとストリーミングを同一のコードベースで処理できる仕組みを求めています。最適な実行サービスとプログラミングモデルの組み合わせはどれですか。

• A. Dataproc ＋ Apache Spark
• B. Dataflow ＋ Apache Beam
• C. BigQuery ＋ SQL
• D. Cloud Data Fusion ＋ Wrangler

Q19　【S3】単一選択

グローバルに展開する決済システムで、複数リージョンにまたがって水平スケールしつつ、強整合のACIDトランザクションと99.999%の可用性が必要です。最適なデータベースはどれですか。

• A. Cloud SQL（高可用性構成）
• B. Cloud Spanner
• C. Bigtable
• D. Firestore

Q20　【S4】単一選択

社内ナレッジベースに対して、LLMが社内固有の最新情報を知らずに誤った回答をします。モデルを再学習させずに回答精度を高めたいと考えています。BigQueryで実装する場合の正しいアプローチはどれですか。

• A. ML.GENERATE_TEXTだけを使って質問をそのまま投げる
• B. RAG（検索拡張生成）：ML.GENERATE_EMBEDDINGで文書をベクトル化し、VECTOR_SEARCHで関連文書を検索し、ML.GENERATE_TEXTに文脈として渡す
• C. k-meansで文書をクラスタリングして回答する
• D. 線形回帰で回答スコアを予測する

Q21　【S5】単一選択

本番のCloud SQL（PostgreSQL）インスタンスが、ゾーン障害が発生しても自動的に切り替わるようにしたいと考えています。最適な構成はどれですか。

• A. 同一リージョンの別ゾーンにスタンバイを持つ高可用性（HA）構成
• B. 同一リージョン内のリードレプリカ
• C. 別リージョンのリードレプリカ
• D. 1時間ごとの自動バックアップ

Q22　【S2】単一選択

データアナリストがコードをほとんど書かずに、GUIのドラッグ＆ドロップでETLパイプラインを構築し、対話的にデータをクレンジングしたいと考えています。最適なサービスはどれですか。

• A. Dataflow
• B. Dataproc
• C. Cloud Data Fusion
• D. BigQuery Scheduled Queries

Q23　【S1】単一選択

オンプレミスのデータセンターにある800TBの履歴データを、限られたネットワーク帯域の制約の中でGoogle Cloudへ移行する必要があります。最も現実的な方法はどれですか。

• A. gsutilでCloud Storageへ並列アップロードする
• B. Storage Transfer Serviceでオンライン転送する
• C. Transfer Appliance（物理アプライアンス）でオフライン転送する
• D. Datastreamで継続的に複製する

Q24　【S3】単一選択

ある書類画像はほとんど読み出されませんが、法令により7年間の保持が必要です。保存コストを最も低く抑えられるCloud Storageのクラスはどれですか。

• A. Standard
• B. Nearline
• C. Coldline
• D. Archive

Q25　【S1】単一選択

分散した各部門（ドメイン）が、自分たちのデータを「データプロダクト」として所有・公開しつつ、全社共通のポリシーで一貫してガバナンスをかけたいと考えています（データメッシュ）。Google Cloudで横断的な統合ガバナンスを担う中心サービスはどれですか。

• A. Cloud Composer
• B. Dataplex（Dataplex Catalogを含む）
• C. Cloud Data Fusion
• D. Memorystore

Q26　【S2】複数選択（2つ選べ）

パイプラインのコードをGitで管理し、テスト・ビルド・デプロイを自動化して再現可能なCI/CDを実現したいと考えています。適切な実践を2つ選んでください。

• A. Cloud Buildでビルド・テスト・デプロイを自動化する
• B. Dataflowはテンプレート化し、dev→staging→prodへ段階的に昇格させる
• C. 本番環境で直接コードを編集し、動いたらそのままにする
• D. すべてのジョブをCloud Shellから手動でデプロイする
• E. 認証情報をソースコードにハードコードしてリポジトリに含める

Q27　【S5】複数選択（2つ選べ）

BigQueryのジョブが断続的に失敗します。エラーメッセージや原因（同時実行数・APIレートなどの上限）を調査するための適切な手段を2つ選んでください。

• A. Cloud Loggingでジョブのエラーメッセージを確認する
• B. クォータ（同時実行/APIレート）の超過を確認し、必要なら上限引き上げかレート制御を行う
• C. BI Engineの予約を増やす
• D. テーブルをクラスタリングする
• E. データセットのロケーションを変更する

Q28　【S3】単一選択

Bigtableで、行キーの先頭にタイムスタンプを置いたところ、書き込みパフォーマンスが著しく低下しました。原因と最適な対策はどれですか。

• A. クラスタのノード数が多すぎる。ノードを減らす
• B. 最新の書き込みが単一ノードに集中するホットスポット。フィールドプロモーションやソルティングで行キーを分散する
• C. SSDではなくHDDを使っている。HDDに変更する
• D. ガベージコレクションが原因。バージョン数を増やす

Q29　【S2】単一選択

あるストリーミングパイプラインで、ユーザーが30分間操作しなければそのセッションが終了したとみなして、一連の操作をまとめて集計したいと考えています。使用すべきウィンドウはどれですか。

• A. 固定（Fixed）ウィンドウ
• B. スライディング（Sliding）ウィンドウ
• C. セッション（Session）ウィンドウ（gap=30分）
• D. グローバルウィンドウ

Q30　【S1】単一選択

BigQuery内のSQL変換ロジックを、依存関係・テスト・ドキュメントとともに宣言的に定義し、バージョン管理したいと考えています。最適なツールはどれですか。

• A. Cloud Composer
• B. Dataform
• C. Cloud Data Fusion
• D. Dataproc

Q31　【S4】単一選択

あるアナリストには、顧客テーブルの「メールアドレス」列で集計（件数カウントなど）はさせたいが、生のメールアドレスの値そのものは見せたくありません。最適な機能はどれですか。

• A. 列レベルセキュリティ（ポリシータグ）で列ごとアクセス不可にする
• B. 動的データマスキング
• C. テーブルを削除する
• D. 行レベルセキュリティ

Q32　【S5】単一選択

重要な本番ETLジョブが、データアナリストのアドホッククエリの影響でスロット不足になり、SLAを満たせなくなることがあります。最適な対策はどれですか。

• A. すべてのクエリをオンデマンドに切り替える
• B. 用途別に予約（reservation）を分離して割り当てる（例：prod-etlとadhocを分ける）
• C. テーブルをすべて非正規化する
• D. アナリストのIAMアクセスを削除する

Q33　【S2】単一選択

Pub/Subを利用するシステムで、バグ修正後に、すでに配信済みの過去のメッセージを再処理したいと考えています。メッセージ保持を有効にしている前提で、使用する機能はどれですか。

• A. デッドレタートピック
• B. シーク（Seek）
• C. 順序指定キー
• D. スナップショットの削除

Q34　【S3】単一選択

PostgreSQL互換のまま、トランザクション処理（OLTP）と分析クエリ（OLAP）の両方を同じデータベースで高速に処理したいと考えています（HTAP）。最適なサービスはどれですか。

• A. Cloud SQL（PostgreSQL）
• B. AlloyDB
• C. BigQuery
• D. Firestore

Q35　【S4】単一選択

別組織（子会社）と、BigQueryのデータをコピーせず、同期ズレもなく共有したいと考えています。利用者側がクエリ課金を負担する形が望ましいです。最適なサービスはどれですか。

• A. データをCSVにエクスポートしてメールで送る
• B. Analytics Hub
• C. Cloud Storageの署名付きURLで共有する
• D. BigQuery Data Transfer Serviceで定期コピーする

Q36　【S5】複数選択（3つ選べ）

データの破損・欠損や障害からの復旧手段について、サービスと復旧機能の組み合わせとして正しいものを3つ選んでください。

• A. BigQuery ＝ タイムトラベル（過去7日間）
• B. Pub/Sub ＝ シーク（巻き戻して再配信）
• C. Cloud SQL ＝ バックアップ + ポイントインタイムリカバリ（PITR）
• D. Bigtable ＝ タイムトラベル（過去30日間）
• E. Cloud Storage ＝ Datastreamによる復元

Q37　【S2】単一選択

Pub/Subのストリーミングについて、メッセージの配信保証に関する正しい説明はどれですか。

• A. Pub/Subは既定でexactly-once配信なので重複は起きない
• B. Pub/Subは既定でat-least-once配信であり重複し得るが、Dataflowの重複排除（exactly-once処理）で吸収できる
• C. Pub/Subはメッセージを最大1回しか配信しないため欠損が起きる
• D. 重複を防ぐには順序指定キーを設定すればよい

Q38　【S1】単一選択

あるアーキテクチャ要件で、グローバル分散も水平スケールも不要で、リージョナルなマネージドMySQLデータベースがあれば十分なWebアプリのバックエンドを構築します。最適なサービスはどれですか。

• A. Cloud Spanner
• B. Cloud SQL
• C. Bigtable
• D. AlloyDB

Q39　【S3】単一選択

BigQueryでクエリのスキャンバイト数（コスト）を削減したいと考えています。テーブルは日付列で絞り込むことが多いです。最も効果的な打ち手はどれですか。

• A. テーブルをマテリアライズドビューに置き換える
• B. 日付列でパーティショニングし、クエリでパーティションプルーニングを効かせる
• C. すべての列にクラスタリングを設定する
• D. テーブルをCloud Storageにエクスポートする

Q40　【S4】単一選択

全社で指標（KPI）の定義を統一し、ガバナンスの効いたセマンティックレイヤーを通じてBIを提供したいと考えています。最適なツールはどれですか。

• A. Looker（LookML）
• B. Looker Studio
• C. スプレッドシート
• D. BigQuery BI Engine

Q41　【S5】単一選択

DataprocでプリエンプティブルVM（Spot VM）をコスト削減のために使いたいと考えています。クラスタを安定させつつコストを下げる、推奨される使い方はどれですか。

• A. マスターノードにプリエンプティブルVMを使う
• B. プライマリワーカーにプリエンプティブルVMを使う
• C. セカンダリワーカーにのみプリエンプティブルVMを使う
• D. すべてのノードをプリエンプティブルVMにする

Q42　【S2】単一選択

Dataflowのストリーミングパイプラインで、オートスケールを高速かつ滑らかにし、ワーカーの状態管理を軽量化して安定性を高めたいと考えています。有効化すべき機能はどれですか。

• A. Dataflow Shuffle
• B. Streaming Engine
• C. FlexRS
• D. プリエンプティブルワーカー

Q43　【S3】単一選択

データベースの前段に置いて、頻繁な読み取りをサブミリ秒で返すキャッシュ層が欲しいと考えています。ただし、これは永続的な正本（source of truth）ではありません。最適なサービスはどれですか。

• A. Bigtable
• B. Memorystore
• C. Firestore
• D. Cloud SQL

Q44　【S4】単一選択

顧客を購買傾向に基づいてグループ分けしたいと考えていますが、事前の正解ラベルはありません。BigQuery MLで使うべきモデルはどれですか。

• A. ロジスティック回帰
• B. 線形回帰
• C. k-means（教師なしクラスタリング）
• D. ARIMA_PLUS

Q45　【S1】単一選択

Google Cloudにデータを移動させずに、AWS S3上に保管されたデータをBigQueryのインターフェースから直接分析したいと考えています。最適な機能はどれですか。

• A. BigQuery Data Transfer Service
• B. BigQuery Omni
• C. Storage Transfer Service
• D. Dataflowでコピーしてから分析

Q46　【S2】単一選択

同一ユーザーから発行されるイベントだけは、Pub/Subで到着順序を保ったまま処理したいと考えています（全メッセージのグローバル順序は不要）。使用する機能はどれですか。

• A. デッドレタートピック
• B. 順序指定キー（Ordering key）
• C. シーク
• D. Pub/Sub Lite

Q47　【S1】単一選択

Cloud SQL（PostgreSQL）で、リージョン全体に及ぶ災害（リージョン障害）に備えたいと考えています。最適な構成はどれですか。

• A. 同一リージョンの別ゾーンのHA構成
• B. 別リージョンにクロスリージョンのリードレプリカを配置し、災害時に昇格（promote）する
• C. 1日1回のバックアップのみ
• D. データをBigQueryに複製する

Q48　【S3】複数選択（2つ選べ）

BigQueryのクエリコストとパフォーマンスを最適化するためのベストプラクティスを2つ選んでください。

• A. 必要な列だけをSELECTし、SELECT *を避ける
• B. よくフィルタ/集計する列でクラスタリングする
• C. すべてのクエリをオンデマンドからスロット予約に変更する
• D. テーブルを毎回フルスキャンしてキャッシュを温める
• E. パーティション列を関数で加工してフィルタする

Q49　【S4】単一選択

BigQuery MLで学習した予測モデルについて、学習時の前処理と予測時の前処理がずれる「training-serving skew」を防ぎたいと考えています。最適な方法はどれですか。

• A. ML.PREDICTの呼び出しごとに手動で前処理SQLを書く
• B. CREATE MODELのTRANSFORM句に前処理を記述する（予測時に自動適用される）
• C. 前処理をアプリケーション側で実装する
• D. 前処理は不要なので何もしない

Q50　【S5】単一選択

データアナリストが誤って本番のBigQueryテーブルを上書きしてしまいました。上書きは3日前に発生しています。最も手早く復旧する方法はどれですか。

• A. タイムトラベル（過去7日間）で上書き前の状態を参照して復元する
• B. Cloud Loggingからデータを再構築する
• C. テーブルを削除して再作成する
• D. 復旧は不可能なので諦める

解答・解説

まず全問解き終えてから採点してください。各問「正解 → なぜ正解か → 各誤答がなぜ不正解か」の順で簡潔に解説します。

Q1　【S2】　正解：B

なぜ正解か：既存Spark/HadoopジョブはDataprocでほぼ書き換えずに移行できる。コスト最小化の鉄則は「ジョブ単位（ephemeral）クラスタ＋データはGCS（コンピュートとストレージの分離）」で、ジョブ完了後にクラスタを破棄してアイドル課金をなくす。

• A：Beamへの書き換えは工数が大きく「書き換えない」要件に反する。
• C：永続クラスタはアイドル時も課金されコストが高い。
• D：Data FusionはノーコードETL向けで、既存Spark資産の移行手段ではない。

Q2　【S3】　正解：C

なぜ正解か：毎秒数百万件の書き込み、ミリ秒のキー参照、PB級、結果整合性で可 ＝ Bigtable（ワイドカラムNoSQL）の典型ユースケース。

• A：Cloud SQLは高スループット書き込みやPB級にスケールしない。
• B：BigQueryは大規模分析向けで、低レイテンシのキー参照・高頻度書き込みには不向き。
• D：Firestoreはモバイル同期/ドキュメント向けで、この書き込みスループットには合わない。

Q3　【S1】　正解：B

なぜ正解か：IAMで権限を絞っても認証情報漏洩によるデータ持ち出しは防げない。VPC Service Controlsがサービス境界を作り、境界外へのデータ移動をブロックする。

• A：CMEKは鍵管理で、データの外部持ち出しは防げない。
• C：DLPはPII検出・マスキングが役割で、境界防御ではない。
• D：外部IP禁止だけではAPI経由のデータ持ち出しを防げない。VPC SCが本命。

Q4　【S2】　正解：B

なぜ正解か：「直近5分」を「1分ごと」に更新＝幅5分・周期1分の重なりのあるスライディング（Sliding/Hopping）ウィンドウ。移動平均の典型。

• A：固定ウィンドウは重ならず、毎分/毎時の定期集計向け。
• C：セッションは無活動gapで区切る可変幅で、移動平均には不適。
• D：グローバルウィンドウは時間で区切らない。

Q5　【S4】　正解：C

なぜ正解か：季節性・祝日効果のある時系列の将来予測 ＝ ARIMA_PLUS（季節性や休日効果を自動考慮）。

• A：線形回帰は時系列の季節性を扱えず、ひっかけ。
• B：ロジスティック回帰は分類用。
• D：k-meansは教師なしクラスタリングで予測用ではない。

Q6　【S5】　正解：B

なぜ正解か：クエリ量が多く継続的・予測可能なら、容量ベース（BigQuery Editions＋スロット予約＋コミットメント）で定額化・上限設定するのが最適。

• A：SELECT *回避は有効だがコストの予測可能性・固定化は実現しない。
• C：外部テーブル化はパフォーマンス劣化を招き、コスト最適化策ではない。
• D：同時実行クォータを下げてもコストの根本解決にならない。

Q7　【S1】　正解：C

なぜ正解か：オンプレMySQLの変更をニアリアルタイムでBigQueryへ継続複製する、サーバーレスCDC ＝ Datastream。

• A：DMSはデータベース移行（一括＋低ダウンタイム切替）が主目的で、BQへの継続的分析複製の本命ではない。
• B：Transfer Applianceはオフライン大容量転送。
• D：BQ Data Transfer Serviceは他DWH/SaaSからの定期バッチ取込で、CDCではない。

Q8　【S3】　正解：C

なぜ正解か：BigQueryは非正規化＋ネスト/繰り返しフィールド（ARRAY）が基本。JOINを減らしてスキャン効率を上げる。

• A：正規化＋JOID多用はRDB流で、BigQueryのベストプラクティスに反する。
• B：CROSS JOINはデータ爆発を招く誤り。
• D：JSON文字列に格納すると、ネスト/繰り返しフィールドのような効率的なクエリができない。

Q9　【S2】　正解：B, C

なぜ正解か：順不同・遅延到着を正しく集計するには、イベント時刻（B）を基準とし、ウォーターマークと許容遅延（C）で遅延データの扱いを定義する。

• A：処理時刻で集計すると、遅延データが誤った時間帯に集計される。
• D：グローバルウィンドウ一括は時間ベース集計にならない。
• E：ウィンドウなしの到着順出力は時間集計を満たさない。

Q10　【S1】　正解：B

なぜ正解か：元テーブルを公開せず集計結果だけ見せる ＝ 承認済みビュー（Authorized View）。ビューに権限を与え、元テーブルへの直接権限は不要。

• A：エクスポート配布はアンチパターン（鮮度・統制の喪失）。
• C：dataViewer付与は元テーブルへの直接アクセスを与えてしまう。
• D：DLP全体マスキングは集計用途には過剰で、目的が異なる。

Q11　【S5】　正解：B

なぜ正解か：ephemeralクラスタ＋GCS＋ジョブ後破棄が、Dataprocコスト最小化の定石。

• A：永続クラスタは夜間以外もアイドル課金が発生し得る（最小化にならない）。
• C：通常VM＋HDFSはコスト・分離の観点で最適でない。
• D：マスターにプリエンプティブルを使うとクラスタが不安定化する（誤り）。

Q12　【S1】　正解：B

なぜ正解か：BigQueryデータセットのロケーションは作成時に決め、作成後は変更不可。EU要件は作成時にEUを指定して満たす。

• A：作成後のロケーション変更はできない。
• C：クエリ時指定ではデータの保存場所要件を満たせない。
• D：ロケーションはデータセット単位で、テーブル単位では設定できない。

Q13　【S2】　正解：B

なぜ正解か：規定回数失敗したメッセージを隔離し本処理を継続 ＝ デッドレタートピック（DLQ）。

• A：順序指定キーは順序保証で、失敗隔離ではない。
• C：保持期間延長は再処理用で、詰まり解消にはならない。
• D：Push/Pull変更は配信方式の違いで、失敗メッセージ隔離にはならない。

Q14　【S3】　正解：C

なぜ正解か：GCS上データをコピーせず分析し、列/行レベルの細粒度アクセス制御を付与 ＝ BigLakeテーブル。

• A：ネイティブロードはコピー要件（コピーしない）に反する。
• B：通常の外部テーブルは細粒度のセキュリティガバナンスが弱い。
• D：Bigtableは分析用ではなくキー参照ストア。

Q15　【S4】　正解：A

なぜ正解か：BIダッシュボードの反復クエリをインメモリで透過的に高速化 ＝ BI Engine。

• B：パーティショニングはスキャン量（コスト）削減が主で、サブ秒のインメモリ高速化ではない。
• C：クラスタリングはフィルタ/集計の高速化だが、BI Engineほどの透過的サブ秒化はしない。
• D：スナップショットは復旧/時点コピー用。

Q16　【S2】　正解：C

なぜ正解か：複雑な依存関係を持つ多数タスクのオーケストレーション ＝ Cloud Composer（Airflow DAG）。リトライ・バックフィルも可能。

• A：Cloud Schedulerは定期トリガーのみで依存管理不可。
• B：Workflowsは軽量API連携向けで、複雑なDAGには不向き。
• D：Cloud Functionsは単一イベント処理で、オーケストレータではない。

Q17　【S1】　正解：A, B

なぜ正解か：(1) 機密列の職務別アクセス制御＝列レベルアクセス制御（ポリシータグ、A）。(2) PIIの自動検出・分類＝Cloud DLP（B）。

• C：VPC SCは境界防御で、列制御やPII検出ではない。
• D：Cloud KMSは鍵管理。
• E：デッドレタートピックは無関係。

Q18　【S2】　正解：B

なぜ正解か：サーバーレスでバッチ/ストリーミングを統一コードで処理 ＝ Dataflow（実行）＋Apache Beam（モデル）。

• A：DataprocはマネージドSpark/Hadoopでサーバーレスではない。
• C：BigQuery＋SQLはELT分析向けで、ストリーミング統一処理モデルとは異なる。
• D：Data Fusion＋WranglerはGUI ETL向け。

Q19　【S3】　正解：B

なぜ正解か：グローバル分散・水平スケール・強整合ACID・99.999% ＝ Cloud Spanner（TrueTimeで外部一貫性）。

• A：Cloud SQLはリージョナルで、グローバル水平スケールはできない。
• C：Bigtableは結果整合（単一行のみ強整合）でACIDトランザクションに不適。
• D：Firestoreはドキュメント型で、この要件には合わない。

Q20　【S4】　正解：B

なぜ正解か：再学習せず精度を上げる ＝ RAG。BigQueryではML.GENERATE_EMBEDDING→（必要に応じCREATE VECTOR INDEX）→VECTOR_SEARCH→ML.GENERATE_TEXTの流れ。

• A：文脈なしで投げると社内固有情報を反映できない。
• C：k-meansはクラスタリングで回答生成ではない。
• D：線形回帰は回答生成と無関係。

Q21　【S5】　正解：A

なぜ正解か：ゾーン障害で自動切替 ＝ 高可用性（HA）構成（同一リージョン別ゾーンのスタンバイ＋自動フェイルオーバー）。

• B/C：リードレプリカは読み取りスケール/DR用で、自動フェイルオーバーはしない（手動昇格）。
• D：バックアップは復旧手段で、自動切替ではない。

Q22　【S2】　正解：C

なぜ正解か：GUIのドラッグ＆ドロップでETLを組み、Wranglerで対話的クレンジング ＝ Cloud Data Fusion。

• A：Dataflowはコード（Beam）が必要。
• B：DataprocはSpark/Hadoopコードが必要。
• D：Scheduled QueriesはSQLの定期実行で、GUIパイプライン構築ではない。

Q23　【S1】　正解：C

なぜ正解か：限られた帯域で800TB ＝ Transfer Appliance（物理アプライアンスでオフライン転送）。

• A/B：オンライン転送は帯域がボトルネックで非現実的。
• D：Datastreamは継続的CDCで、履歴一括移行の手段ではない。

Q24　【S3】　正解：D

なぜ正解か：年1回未満アクセス・長期保管 ＝ Archiveクラス（保存料が最安、最低保存365日）。

• A：Standardは保存料が最も高い。
• B：Nearlineは月1回程度の参照向け。
• C：Coldlineは四半期1回程度向けで、Archiveより保存料が高い。

Q25　【S1】　正解：B

なぜ正解か：分散データをドメイン所有しつつ全社共通ポリシーで統制（データメッシュ）＝ Dataplex（横断ガバナンス）＋Dataplex Catalog（検索・発見・系統）。

• A：Composerはオーケストレーション。
• C：Data FusionはETL。
• D：Memorystoreはキャッシュ。

Q26　【S2】　正解：A, B

なぜ正解か：Cloud Buildでビルド/テスト/デプロイを自動化（A）、Dataflowはテンプレート化してdev→staging→prodへ昇格（B）が再現可能なCI/CDの実践。

• C：本番直接編集は再現性・安全性を損なう。
• D：手動デプロイは再現性に欠ける。
• E：認証情報のハードコードはセキュリティ違反。

Q27　【S5】　正解：A, B

なぜ正解か：断続的なジョブ失敗は、Cloud Loggingでエラーメッセージを確認し（A）、クォータ（同時実行/APIレート）の超過を疑って必要なら上限引き上げ・レート制御を行う（B）のが定石。

• C：BI Engineはクエリ失敗の原因調査と無関係。
• D：クラスタリングは性能改善であり原因調査ではない。
• E：ロケーション変更は無関係。

Q28　【S3】　正解：B

なぜ正解か：タイムスタンプ先頭は最新書き込みが単一ノードに集中するホットスポット。フィールドプロモーション（高カーディナリティな識別子を先頭に）やソルティングで分散する。

• A：ノード数はホットスポットの直接原因ではない。
• C：SSD/HDDの選択はスループット特性の話で、行キー設計の問題とは別。
• D：バージョン数増加は逆効果。

Q29　【S2】　正解：C

なぜ正解か：無活動のgap（30分）で区切る可変幅の集計 ＝ セッションウィンドウ。

• A：固定は一定幅の定期集計。
• B：スライディングは移動平均向け。
• D：グローバルは時間で区切らない。

Q30　【S1】　正解：B

なぜ正解か：BigQuery内のSQL変換を依存関係・テスト・ドキュメント付きで宣言的にバージョン管理 ＝ Dataform。

• A：Composerはタスクのオーケストレーション。
• C：Data FusionはGUI ETL。
• D：DataprocはSpark/Hadoop実行基盤。

Q31　【S4】　正解：B

なぜ正解か：列は見せて集計はさせるが値だけ隠す ＝ 動的データマスキング。

• A：列レベルセキュリティは列ごとアクセス不可となり集計もできなくなる。
• C：テーブル削除は論外。
• D：行レベルセキュリティは見える行の制御で、列の値マスキングではない。

Q32　【S5】　正解：B

なぜ正解か：用途別に予約（reservation）を分離して割り当て、本番ETLとアドホックのスロットを隔離するのが最適。

• A：全部オンデマンドではSLA保証もコスト予測も難しい。
• C：非正規化は性能策だが、スロット競合の根本解決ではない。
• D：アナリストのアクセス削除は業務を止めてしまい不適切。

Q33　【S2】　正解：B

なぜ正解か：配信済みメッセージを過去のタイムスタンプ/スナップショットへ巻き戻して再配信 ＝ シーク（Seek）。メッセージ保持が前提。

• A：デッドレターは失敗隔離。
• C：順序指定キーは順序保証。
• D：スナップショット削除は再処理に逆行する。

Q34　【S3】　正解：B

なぜ正解か：PostgreSQL互換でOLTP＋OLAPを高速に両立（HTAP）＝ AlloyDB。

• A：Cloud SQLは一般的なRDBで、AlloyDBほどの分析高速化はない。
• C：BigQueryは分析特化でOLTPには不向き。
• D：Firestoreはドキュメント型でPostgreSQL互換ではない。

Q35　【S4】　正解：B

なぜ正解か：組織間でコピーせず・同期ズレなしで共有し、利用者がクエリ課金 ＝ Analytics Hub（リスティング公開→リンクされたデータセットで参照）。

• A：CSVエクスポート送付は鮮度・統制を失うアンチパターン。
• C：署名付きURLはGCSオブジェクト共有で、BigQueryデータ共有ではない。
• D：定期コピーは同期ズレ・コピーが発生する。

Q36　【S5】　正解：A, B, C

なぜ正解か：BigQuery＝タイムトラベル7日（A）、Pub/Sub＝シーク（B）、Cloud SQL＝バックアップ＋PITR（C）はいずれも正しい復旧手段。

• D：Bigtableに「タイムトラベル30日」という機能はない（誤り）。
• E：Cloud Storageの復元はオブジェクトのバージョニングであり、Datastreamではない（誤り）。

Q37　【S2】　正解：B

なぜ正解か：Pub/Subは既定でat-least-once（重複し得る）。重複なく1回処理したいなら、Dataflowの重複排除（exactly-once処理）／BQ書き込みはStorage Write APIで吸収する。

• A：既定はexactly-onceではない（exactly-once配信は限定的なオプション）。
• C：最大1回ではなく、最低1回（at-least-once）。
• D：順序指定キーは順序保証であり、重複排除ではない。

Q38　【S1】　正解：B

なぜ正解か：グローバル分散も水平スケールも不要で、リージョナルなマネージドMySQL ＝ Cloud SQL。

• A：Spannerはグローバル水平スケール用でオーバースペック。
• C：BigtableはNoSQLでMySQLではない。
• D：AlloyDBはPostgreSQL互換で、MySQL要件には合わない。

Q39　【S3】　正解：B

なぜ正解か：日付で絞るならパーティショニング＋パーティションプルーニングでスキャンバイト（コスト）を最も削減できる。

• A：マテリアライズドビューは集計の事前計算で、スキャン削減の第一手ではない。
• C：「すべての列にクラスタリング」は誤り（クラスタリングは最大4列、絞る列に限定）。
• D：エクスポートはコスト削減策ではない。

Q40　【S4】　正解：A

なぜ正解か：全社で指標定義を統一し、ガバナンスの効いたセマンティックレイヤー ＝ Looker（LookML）。

• B：Looker Studioは手軽だがレポート単位で指標がばらつきやすい。
• C：スプレッドシートはガバナンスに不適。
• D：BI Engineは高速化機能で、セマンティックレイヤーではない。

Q41　【S5】　正解：C

なぜ正解か：プリエンプティブル/Spotはセカンダリワーカーにのみ使うのが推奨（中断されてもクラスタの安定性を損なわない）。

• A/B：マスターやプライマリワーカーに使うとクラスタが不安定化する。
• D：全ノードをプリエンプティブルにするのは不安定で非推奨。

Q42　【S2】　正解：B

なぜ正解か：ストリーミングの状態をサービス側へ移し、オートスケールを高速・安定化 ＝ Streaming Engine。

• A：Dataflow Shuffleはバッチのシャッフル負荷をサービス側へ移す機能。
• C：FlexRSはバッチの低コスト遅延スケジューリング。
• D：プリエンプティブルワーカーは安定性向上策ではない。

Q43　【S3】　正解：B

なぜ正解か：サブミリ秒のキャッシュ層で正本ではない ＝ Memorystore（Redis/Memcached）。

• A：Bigtableは正本になり得る永続NoSQLで、キャッシュ用途とは異なる。
• C：Firestoreはドキュメントの正本ストア。
• D：Cloud SQLはRDBの正本。

Q44　【S4】　正解：C

なぜ正解か：ラベルなしのグループ分け（教師なしクラスタリング）＝ k-means。

• A：ロジスティック回帰は教師ありの分類。
• B：線形回帰は数値予測。
• D：ARIMA_PLUSは時系列予測。

Q45　【S1】　正解：B

なぜ正解か：データを移動せず、他クラウド（AWS S3等）のデータをBigQueryから直接分析 ＝ BigQuery Omni（BigLakeも関連）。

• A：Data Transfer Serviceはデータをコピーして取り込む。
• C：Storage Transfer ServiceはデータをGCSへ転送（コピー）する。
• D：コピーは「移動させない」要件に反する。

Q46　【S2】　正解：B

なぜ正解か：同一キー内でのみ順序を保証（全順序は不要）＝ 順序指定キー（Ordering key）。

• A：デッドレターは失敗隔離。
• C：シークは再処理（巻き戻し）。
• D：Pub/Sub Liteはコスト最優先＋キャパシティ計画用で、順序保証の機能ではない。

Q47　【S1】　正解：B

なぜ正解か：リージョン障害に備えるには、別リージョンのクロスリージョンリードレプリカを用意し、災害時に昇格（promote）する。

• A：HA構成は同一リージョン内なのでリージョン障害は守れない。
• C：バックアップのみでは迅速なフェイルオーバーができない。
• D：BigQueryへの複製はOLTPのフェイルオーバー構成ではない。

Q48　【S3】　正解：A, B

なぜ正解か：必要列のみSELECT（A、スキャン削減）と、よく絞る列でのクラスタリング（B、フィルタ/集計高速化）はベストプラクティス。

• C：散発的クエリにスロット予約は逆にコスト高になり得る（一律変更は誤り）。
• D：フルスキャンでキャッシュを温めるのはコスト浪費。
• E：パーティション列を関数で加工するとプルーニングが効かなくなる（アンチパターン）。

Q49　【S4】　正解：B

なぜ正解か：TRANSFORM句に前処理を書くと、変換がモデルに保存されML.PREDICT時に自動適用され、training-serving skewを防げる。

• A：呼び出しごとの手動前処理はズレの温床。
• C：アプリ側実装も学習時とのズレが起きやすい。
• D：前処理が必要な場合に「何もしない」は誤り。

Q50　【S5】　正解：A

なぜ正解か：3日前の上書きは、タイムトラベル（過去7日間）で上書き前の状態を参照・復元できる。

• B：Cloud Loggingからのデータ再構築は非現実的。
• C：削除・再作成ではデータは戻らない。
• D：7日以内なので復旧可能（諦めるは誤り）。

採点と判定

1. 総合スコア

• 正答数を数え、正答数 ÷ 50 × 100 で得点率を算出します。
• 35問（70%）以上で合格圏です。

2. セクション別正答率（弱点特定）

各セクションの正答数を記録し、正答率の低いセクションを重点復習してください。

補足：本模試は出題比重（S1=22%, S2=25%, S3=20%, S4=15%, S5=18%）に概ね沿った配分です。正答率が70%を下回ったセクションは、対応する 02_学習資料/<セクション>/03_要点と暗記.md の暗記テーブルと一問一答を再周回してから、次の模試に進んでください。

3. 復習の優先順位

1. 不正解だった問題の解説を読み、**「なぜその誤答に引っかかったか」**をメモする。
2. セクション別正答率が低い順に、02_学習資料/ の該当セクションを復習する。
3. ひっかけ注意ポイント（各要点ファイル末尾）を再確認し、同型の罠を二度踏まないようにする。