Professional Data Engineer · Preguntas de ejemplo
10 preguntas reales del banco de Professional Data Engineer de CertifyDeck, repartidas por los dominios del temario oficial de Google Cloud Certified Professional Data Engineer, con la respuesta correcta y la explicación completa de por qué las demás opciones no lo son. Son preguntas originales redactadas a partir del temario público, no dumps, y tienen el mismo estilo que encontrarás en los tests de práctica y en el simulador.
Respuesta correcta: C. Crear un perímetro de VPC Service Controls alrededor de los proyectos aprobados que restrinja las API de BigQuery y Cloud Storage.
Los perímetros de VPC Service Controls protegen los recursos de los servicios que indiques e impiden copiar datos a recursos no autorizados fuera del perímetro con operaciones como gcloud storage cp o bq mk, como una capa independiente de IAM. Quitar roles detendría también el trabajo legítimo y seguiría sin limitar adónde copian los usuarios autorizados. La restricción de ubicaciones de recursos controla las regiones donde se crean los recursos, no a qué proyectos pueden copiarse los datos, y Private Google Access solo ofrece una ruta privada hacia las API de Google.
Respuesta correcta: A. Crear una clave regional en europe-west1, conceder a las cuentas de servicio de Dataflow y de Compute Engine el rol CryptoKey Encrypter/Decrypter y pasar la clave con la opción dataflow_kms_key.
Dataflow solo admite claves regionales de Cloud KMS en la misma región que el trabajo, tanto la cuenta de servicio de Dataflow como la de Compute Engine necesitan el rol CryptoKey Encrypter/Decrypter y la clave se pasa con la opción de canalización dataflow_kms_key; así la clave protege los discos persistentes, el estado de shuffle y los buckets temporales. Las claves multirregionales y globales no se admiten en canalizaciones de Dataflow, el usuario que lanza el trabajo no es la identidad que encripta el estado, y las claves en el destino y el bucket dejan el estado propio del trabajo con la encriptación predeterminada.
Respuesta correcta: A. Aplicar una política de organización de uso compartido restringido por dominio, como iam.managed.allowedPolicyMembers, en el nodo de la organización.
El uso compartido restringido por dominio es una política de organización que solo permite conceder roles de IAM a principales de dominios u organizaciones permitidos, y una política fijada en el nodo de la organización la heredan todos los proyectos actuales y futuros. Un perímetro de VPC Service Controls restringe el acceso a las API y el movimiento de datos, pero no impide añadir una cuenta externa a una política de permisos. Una alerta solo detecta la concesión después de producirse, y un rol personalizado por proyecto no cubre los proyectos nuevos.
Respuesta correcta: C. Añadir shared_views a raw_sales como conjunto de datos autorizado y conceder a los analistas Data Viewer solo en el conjunto de datos shared_views.
Un conjunto de datos autorizado permite que todas las vistas de un conjunto de datos accedan a los datos de otro, así que no hace falta autorizar cada vista, y los usuarios pueden consultar las vistas sin acceso al conjunto de datos de origen. Autorizar las vistas una a una funciona, pero incumple el requisito de evitar la configuración por vista. Conceder Data Viewer en raw_sales da el acceso directo que está prohibido, y las copias nocturnas duplican los datos originales en un conjunto de datos que los analistas pueden leer.
Respuesta correcta: B. Pasa las columnas de preferencias a su propia familia de columnas con una política de recolección que conserve una versión.
Las políticas de recolección de elementos no utilizados se definen a nivel de familia de columnas, por eso la documentación recomienda poner las columnas con necesidades de retención distintas en familias diferentes para limitar el coste de almacenamiento; una familia que conserva una versión deja de pagar por celdas antiguas innecesarias. No se puede definir una política por columna individual, lo que descarta la tentadora opción por columna. Crear una tabla por mes contradice el consejo de no crear tablas para cada nuevo periodo de tiempo, y añadir un clúster replica los datos, lo que añade almacenamiento en lugar de quitarlo.
Respuesta correcta: C. Crear una tabla de objetos sobre el bucket con una conexión de recurso de Cloud y ejecutar la inferencia sobre ella.
Las tablas de objetos son tablas de solo lectura sobre objetos no estructurados de Cloud Storage que puedes analizar con inferencia de BigQuery ML o funciones remotas y luego unir con datos estructurados, y su delegación de acceso hace que los usuarios reciban acceso a la tabla de objetos y no a los objetos subyacentes. Las BigLake tables son para formatos estructurados como Parquet, Avro o CSV, así que no pueden representar imágenes JPEG. Cargar cada imagen con Dataflow copia los datos, y conceder acceso al bucket incumple el requisito de acceso indicado.
Respuesta correcta: B. Dar a la reserva suficientes slots de referencia para que no dependa de slots inactivos.
Los slots de referencia permanecen siempre disponibles para su reserva, y Google recomienda que las cargas de producción con plazo usen una reserva autosuficiente en capacidad de slots en lugar de depender de slots inactivos, que pueden recuperarse en cualquier momento. Dejar ignore_idle_slots en false solo mantiene el préstamo actual que causa la imprevisibilidad. La prioridad por lotes hace que las consultas tengan más probabilidad de esperar en la cola, y la capacidad bajo demanda queda por debajo de las capacidades de referencia de las ediciones en el orden de prioridad.
Respuesta correcta: D. Cubrir la base estable con un compromiso de slots y añadir escalado automático hasta un máximo para los picos.
Los compromisos de capacidad pueden ahorrar dinero frente a la tarifa de pago por uso en cargas estables y cubren los slots de referencia, mientras que el escalado automático añade slots entre la base y el máximo solo cuando la demanda lo exige. Un compromiso dimensionado para los picos paga capacidad que está inactiva la mayor parte del día. Una reserva con escalado automático y base cero factura la carga estable a tarifas de pago por uso, porque los compromisos no se aplican a los slots escalados, y asignar los proyectos ELT a None también los pasa a facturación bajo demanda.
Respuesta correcta: C. Usar Connected Sheets para conectar Google Sheets a la tabla y programar la actualización de los datos.
Connected Sheets permite analizar datos de BigQuery dentro de Google Sheets con gráficos, fórmulas y tablas dinámicas sin saber SQL, y ejecuta las consultas de BigQuery a petición o según una programación definida en lugar de depender de exportaciones manuales. Las exportaciones nocturnas a CSV crean las copias que el requisito descarta. Consultar en BigQuery Studio o con una herramienta ODBC obliga a los analistas a escribir SQL.
Respuesta correcta: C. Compartir la hoja de cálculo con los representantes sin concederles ningún acceso en BigQuery.
El acceso directo a los conjuntos de datos de BigQuery se controla en BigQuery, así que para dar acceso solo a Sheets compartes la hoja de cálculo sin conceder acceso a BigQuery; esos usuarios pueden analizar la hoja, pero no pueden actualizar los datos manualmente ni programar actualizaciones. Conceder roles de BigQuery, aunque solo sea para ejecutar trabajos, abre a los representantes una vía para consultar BigQuery. Una regla de salida de VPC Service Controls es lo que permite que los resultados lleguen a las hojas desde un perímetro protegido, no una forma de limitar lo que hacen los usuarios de la hoja.
Responde cada pregunta antes de abrir la explicación y anota por qué descartas las demás opciones. En Professional Data Engineer, la mayoría de los fallos vienen de elegir una opción técnicamente posible que no cumple todos los requisitos del escenario.
Estas 10 preguntas sirven para conocer el formato, no como diagnóstico. Para saber en qué dominios fallas, practica por dominio gratis y haz un examen de prueba cronometrado con la ponderación y la duración oficiales.
Empieza gratis, sin registro ni tarjeta. Todas las preguntas llevan una explicación como las de arriba y el simulador reproduce el formato oficial de Professional Data Engineer.