EN简体繁體
登录
首页 / Google / GCP-PDE
Google · GCP-PDE

Google Professional Data Engineer

GCP-PDE 英文 PDF 练习题，共 349 题，按题库顺序提供题目、原脚本支持的选项、答案及已有解析。本方案仅适用于此考试，一次付费，不自动续费。

考试介绍

面向数据工程师，考核数据处理系统设计、数据摄取、存储、分析准备及自动化维护。

考试代码
GCP-PDE
官方考试／认证名称
Google Professional Data Engineer
考试形式
40–50 道单选题及多选题（标准考试）
考试时长
120 分钟
官方可选考试语言
英文、日文

官方考试语言与下方练习题文件的语言分别列出；实际考试版本及可选语种以官方预约页面为准。

官方来源：官方资料
信息核对日期：2026-10-20

支持的语言

  • 英文
  • 简体中文
先试阅，再决定

前20 题免费试阅

题库共 349 题

题目按题库原始顺序展示。展开查看答案和解析。

免责声明：本站所有题目均整理自互联网，仅供学习参考。

第 11 题

Question#11Topic1

您正在为一家电子商务公司设计一个购物篮放弃系统。系统将根据以下规则向用户发送消息：
✑ 用户在 1 小时内没有在网站上进行任何交互
已将价值超过 30 美元的产品添加到购物篮
Question illustration
✑ 尚未完成交易
您使用 Google Cloud Dataflow 处理数据并决定是否应发送消息。您应该如何设计管道？

  1. A.使用持续时间为 60 分钟的固定时间窗口。
  2. B.使用持续时间为 60 分钟的滑动时间窗口。
  3. C.使用间隔时间为 60 分钟的会话窗口。
  4. D.使用带有延迟 60 分钟的基于时间的触发器的全局窗口。
查看答案

答案

C

第 12 题

Question#12Topic1

您的公司为许多不同的客户进行数据处理。每个客户都喜欢使用自己的分析工具套件，其中一些工具允许通过 Google BigQuery 直接查询访问。您需要保护数据，以便客户端无法看到彼此的数据。您希望确保对数据的适当访问。
您应该采取哪三个步骤？ （选择三项。）

  1. A.将数据加载到不同的分区中。
  2. B.将数据加载到每个客户端的不同数据集中。
  3. C.将每个客户端的 BigQuery 数据集放入不同的表中。
  4. D.将客户端数据集限制为经过批准的用户。
  5. E.仅允许服务帐户访问数据集。
  6. F.为每个客户端的用户使用适当的身份和访问管理 (IAM) 角色。
查看答案

答案

BDF

第 13 题

Question#13Topic1

您想要在将在 Google Cloud Platform 上运行的销售点应用程序中处理付款交易。您的用户群可能呈指数级增长，但您不想管理基础架构扩展。
您应该使用哪种 Google 数据库服务？

  1. A.云SQL
  2. B.大查询
  3. C.云大表
  4. D.云数据存储
查看答案与解析

答案

D

解析

cloud sql-> 不正确的 https://cloud.google.com/sql#section-8-> 您需要手动执行可扩展性 可扩展性-> 随着数据的增长轻松扩展 添加处理器核心、RAM 和存储，并通过添加只读副本来扩展以处理不断增加的读取流量。只读副本支持高可用性，可以拥有自己的只读副本，并且可以跨区域和平台定位。大查询、大表-> 不支持 ACID Cloud DataStore-> 正确 (https://cloud.google.com/datastore/) 检查功能部分 ACID 事务 通过执行多个数据存储操作来确保数据的完整性单个事务具有 ACID 特性，因此所有分组操作都成功或全部失败。完全托管数据存储区是完全托管的，这意味着 Google 会自动处理分片和复制，以便为您提供高度可用且一致的数据库。

第 14 题

Question#14Topic1

您想要使用有关组织样本的信息数据库将未来的组织样本分类为正常或突变。您正在评估一种用于对组织样本进行分类的无监督异常检测方法。哪两个特征支持这种方法？ （选择两项。）

  1. A.相对于正常样本，突变的发生很少。
  2. B.数据库中正常样本和变异样本的出现率大致相同。
  3. C.您期望未来的突变具有与数据库中的突变样本不同的特征。
  4. D.您期望未来的突变与数据库中的突变样本具有相似的特征。
  5. E.您已经拥有数据库中样本发生变异和正常的标签。
查看答案与解析

答案

AC

解析

异常检测有两个基本假设：>数据中很少出现异常。 (a)>它们的特征与正常实例显着不同。 (c) 链接> https://towardsdatascience.com/anomaly-detection-for-dummies-15f148e559c1#:~:text=Unsupervised%20Anomaly%20Detection%20for%20Univariate%20%26%20Multivariate%20Data.&text=Anomaly %20检测%20有%20两个%20基本，与%20%20正常%20实例%20显着。

第 15 题

Question#15Topic1

您需要以每分钟 10,000 条消息的速度近乎实时地在 Google BigQuery 中存储和分析社交媒体帖子。最初，设计应用程序以对单个帖子使用流式插入。您的应用程序还在流插入后立即执行数据聚合。您发现流式插入后的查询没有表现出强一致性，并且查询的报告可能会丢失正在进行的数据。如何调整您的应用程序设计？

  1. A.重写应用程序以每 2 分钟加载累积的数据。
  2. B.将流式插入代码转换为单个消息的批量加载。
  3. C.将原始消息加载到 Google Cloud SQL，并每小时通过流式插入将表导出到 BigQuery。
  4. D.估计流式插入后数据可用性的平均延迟，并始终在等待两倍时间后运行查询。
查看答案

答案

D

下载与使用

  • 本资料按考试单独购买，支持 1、3、6 或 12 个月期限。
  • 支付确认后，在“我的练习题”中查看下载入口和准确到期时间。
  • 有效期内可重复下载；到期后需要重新购买。
  • PDF 仅供购买者个人学习使用，不可转售或公开分享。
  • 已下载至设备的文件不会因权限到期被远程删除。
如何选择适合自己的认证