۱۵۰۰ سوال آزمون گواهینامه مهندسی داده حرفه‌ای گوگل کلاد (Google Cloud Professional Data Engineer) - آخرین آپدیت

آخرین بازبینی: ۱۴ جولای ۲۰۲۶
آخرین به‌روزرسانی محتوا: ۱۴ جولای ۲۰۲۶
راهنمای رسمی بررسی شده: راهنمای آزمون Professional Data Engineer، نسخه ۴.۲
تطبیق با سرفصل‌ها: بررسی شده بر اساس اهداف رسمی تا تاریخ ۱۴ جولای ۲۰۲۶

تاریخچه به‌روزرسانی دوره

• ۱۴ جولای ۲۰۲۶: نهایی‌سازی شش تست تمرینی مبتنی بر دامنه شامل ۱۵۰۰ سوال و تطبیق پوشش مطالب با نسخه ۴.۲ راهنمای آزمون.

تست‌های تمرینی مهندسی داده حرفه‌ای گوگل کلاد

آماده شدن برای گواهینامه Professional Data Engineer گوگل کلاد فراتر از حفظ کردن نام سرویس‌ها است. داوطلبان باید بتوانند نیازمندی‌های کسب‌وکار را تفسیر کنند، گزینه‌های معماری را مقایسه نمایند، سرویس‌های مناسب گوگل کلاد را انتخاب کرده و مشکلات واقعی پلتفرم‌های داده را عیب‌یابی کنند.

این دوره که صرفاً شامل تست‌های تمرینی است، شش ارزیابی موضوعی با ۲۵۰ سوال در هر تست (در مجموع ۱۵۰۰ سوال) ارائه می‌دهد. سوالات ترکیبی از بررسی‌های مفهومی و تصمیمات عملی مبتنی بر سناریو در زمینه‌های طراحی سیستم داده، جذب، پردازش، ذخیره‌سازی، تحلیل، اتوماسیون، مانیتورینگ و قابلیت اطمینان هستند.

مرور کلی دوره

• نوع دوره: دوره صرفاً تست تمرینی

• تعداد تست‌های تمرینی: ۶

• تعداد سوالات در هر تست: ۲۵۰

• مجموع سوالات: ۱۵۰۰

• مدت زمان تست: [نیازمند اطلاعات]

• نمره قبولی تنظیم شده: [نیازمند اطلاعات]

• سطح دشواری: ترکیبی (مبتدی، متوسط و پیشرفته)

• فرمت سوالات: چهارگزینه‌ای با یک پاسخ صحیح

• ساختار ارزیابی: شش تست مبتنی بر دامنه به جای آزمون‌های جامع شبیه‌ساز

• توضیحات جامع کلی: برای هر سوال موجود است

• توضیح برای هر گزینه صحیح و نادرست: موجود است

• شناسایی دامنه موضوعی: موجود است

• درس‌های ویدئویی: موجود نیست

  
  

شش ارزیابی به شرح زیر سازماندهی شده‌اند:

• طراحی امن سیستم داده، حاکمیت و مهاجرت

• جذب داده، پیام‌رسانی و برنامه‌ریزی خط لوله (Pipeline)

• عملیاتی‌سازی خط لوله‌های Batch، Streaming و Pipeline

• سیستم‌های ذخیره‌سازی، انبار داده، دریاچه‌های داده و پلتفرم‌ها

• تحلیل، عملکرد BigQuery، هوش مصنوعی/یادگیری ماشین و اشتراک‌گذاری داده‌ها

• اتوماسیون بار کاری، بهینه‌سازی و قابلیت اطمینان

این دوره چه مواردی را پوشش می‌دهد

تست‌های تمرینی منعکس‌کننده پنج دامنه فعلی آزمون و مسئولیت‌های فنی مورد انتظار از یک مهندس داده حرفه‌ای هستند:

• طراحی سیستم‌های پردازش داده امن، مطابق با استانداردها، قابل اطمینان، قابل انتقال و آماده مهاجرت

• برنامه‌ریزی منابع داده، مقاصد (Sinks)، تبدیلات، ارکستراسیون، شبکه و رمزنگاری

• ساخت خط لوله‌های batch و streaming با سرویس‌هایی مانند Dataflow، Apache Beam، Pub/Sub، BigQuery، Spark، Hadoop و Kafka

• استقرار و عملیاتی کردن خط لوله‌ها از طریق ارکستراسیون جریان کاری، اتوماسیون، تست و CI/CD

• انتخاب سیستم‌های ذخیره‌سازی بر اساس الگوی دسترسی، سازگاری، تأخیر، مقیاس، عملکرد، چرخه حیات و هزینه

• طراحی انبارها، دریاچه‌های داده، پلتفرم‌های داده تحت حاکمیت و مدل‌های حاکمیتی فدرال

• آماده‌سازی داده‌ها برای BI، عملکرد کوئری، امنیت، ماسک کردن، یادگیری ماشین، Embeddingها و RAG

• اشتراک‌گذاری مجموعه‌داده‌ها، گزارش‌ها و خروجی‌های تحلیلی از طریق کنترل‌های مناسب

• بهینه‌سازی منابع، سازماندهی بارهای کاری BigQuery، مانیتورینگ جاب‌ها، تشخیص مشکلات سهمیه و صورت‌حساب و برنامه‌ریزی Failover

• تحلیل سناریوهای واقعی شامل امنیت، مهاجرت، کیفیت داده، داده‌های دیررس، ظرفیت، فساد داده، تکثیر و بازیابی

نمونه سوال

یک شرکت خرده‌فروشی، داده‌های تراکنش‌های پنج سال اخیر را در یک جدول BigQuery ذخیره کرده است که بر اساس ستون transaction_date پارتیشن‌بندی شده است. تحلیلگران مکرراً کوئری‌هایی را بدون فیلتر تاریخ اجرا می‌کنند که باعث اسکن غیرضروری داده‌ها و افزایش هزینه‌های کوئری می‌شود.

مهندس داده برای اطمینان از اینکه کوئری‌ها شامل فیلتری باشند که از حذف پارتیشن (Partition Elimination) پشتیبانی کند، چه چیزی را باید پیکربندی کند؟

الف. فعال کردن تنظیم Require partition filter روی جدول
ب. کلاستر کردن جدول فقط بر اساس ستون transaction_date
ج. پیکربندی زمان انقضا برای هر پارتیشن جدول
د. ایجاد یک Materialized View شامل تمام رکوردهای تراکنش

پاسخ صحیح: الف. فعال کردن تنظیم Require partition filter روی جدول

توضیحات

فعال کردن Require partition filter تضمین می‌کند که کوئری‌های اجرا شده روی جدول حاوی شرطی باشند که ستون پارتیشن‌بندی را فیلتر کند. کوئری‌هایی که فیلتر پارتیشن مناسب نداشته باشند، رد می‌شوند. این کار از اسکن‌های تصادفی کل جدول جلوگیری کرده، کارایی کوئری را بهبود می‌بخشد و هزینه‌های پردازش را کاهش می‌دهد.

چرا گزینه‌های دیگر نادرست هستند:

• ب: کلاسترینگ می‌تواند عملکرد را هنگام فیلتر کردن روی ستون‌های کلاستر شده بهبود بخشد، اما تحلیلگران را ملزم به گنجاندن فیلتر پارتیشن نمی‌کند.

• ج: انقضای پارتیشن به طور خودکار پارتیشن‌های قدیمی‌تر را پس از یک دوره مشخص حذف می‌کند و کنترلی روی نحوه کوئری زدن کاربران روی داده‌های باقی‌مانده ندارد.

• د: یک Materialized View می‌تواند عملکرد کوئری‌های تکراری مناسب را بهبود بخشد، اما ایجاد آن روی تمام رکوردها، فیلترینگ پارتیشن را در جدول منبع اجبار نمی‌کند.

دامنه آزمون: ذخیره‌سازی داده‌ها
سطح دشواری: متوسط
مهارت مورد تست: کاربردی

چه چیزی این ارزیابی‌ها را مفید می‌کند

هر سوال به عنوان یک مطلب تمرینی مستقل طراحی شده و از آزمون‌های واقعی کپی نشده است. این شش تست، پوششی با دشواری ترکیبی و پیش‌رونده ارائه می‌دهند تا زبان‌آموزان بتوانند تعاریف، جریان‌های کاری استاندارد، انتخاب سرویس‌های کاربردی، سبک-سنگین کردن معماری و عیب‌یابی محیط عملیاتی را تمرین کنند.

هر سوال شامل چهار گزینه، توضیح جداگانه برای هر گزینه، یک توضیح جامع کلی و یک برچسب دامنه است. این ساختار به زبان‌آموزان کمک می‌کند تا بفهمند چرا پاسخ پیشنهادی با سناریو مطابقت دارد و چرا جایگزین‌ها شکست می‌خورند یا به زمینه دیگری تعلق دارند.

طراحی تست‌های مبتنی بر دامنه، مرور متمرکز را تسهیل می‌کند. زبان‌آموزان می‌توانند از نتایج خود برای شناسایی نقاط ضعف تکرار شونده در معماری، خط لوله‌ها، ذخیره‌سازی، تحلیل، اتوماسیون یا قابلیت اطمینان استفاده کنند. تست‌های تمرینی یودمی قابلیت تکرار دارند و اجازه می‌دهند موضوعات مرور شده دوباره تحت شرایط زمانی ارزیابی شوند.

نحوه استفاده از این دوره

1. راهنمای رسمی آزمون Professional Data Engineer را مرور کرده و پنج دامنه فعلی را شناسایی کنید.

2. تست تمرینی ۱ را بدون یادداشت یا کمک خارجی امتحان کنید و سپس تست‌ها را به ترتیب ادامه دهید.

3. تمامی پاسخ‌های صحیح، نادرست، نادیده گرفته شده و نامطمئن را با استفاده از توضیحات سطح گزینه و توضیحات کلی مرور کنید.

4. دامنه‌های ضعیف را ثبت کرده و مفاهیم، سرویس‌ها و الگوهای تصمیم‌گیری مرتبط با گوگل کلاد را مرور کنید.

5. ارزیابی مربوطه را دوباره تحت شرایط زمانی امتحان کنید و دقت و سرعت خود را با تلاش قبلی مقایسه کنید.

   
   

این دوره برای چه کسانی است

این دوره برای داوطلبانی که برای گواهینامه Professional Data Engineer گوگل کلاد آماده می‌شوند، مهندسان داده شاغل، مهندسان تحلیل داده، معماران ابری، توسعه‌دهندگان فعال در پلتفرم‌های داده و زبان‌آموزانی که آموزش‌ها را به پایان رسانده و نیاز به تمرینات متمرکز بر آزمون دارند، در نظر گرفته شده است.

همچنین برای متخصصانی که می‌خواهند دانش مهندسی داده گوگل کلاد خود را به‌روز کنند یا پیش از زمان‌بندی آزمون، میزان آمادگی خود را بسنجند، مناسب است. مبتدیان می‌توانند پس از مطالعه مبانی از این دوره استفاده کنند، اما باید انتظار سناریوهای معماری و عیب‌یابی در سطح متوسط و پیشرفته را داشته باشند.

پیش نیازهای توصیه شده

هیچ پیش نیاز رسمی برای گواهینامه وجود ندارد. آمادگی مفید شامل دانش پایه SQL، پایگاه‌های داده، مدل‌سازی داده، پردازش Batch و Streaming، IAM و معماری ابری است.

آشنایی با سرویس‌های گوگل کلاد مانند BigQuery، Dataflow، Pub/Sub، Cloud Storage، Dataproc، Cloud SQL، Spanner، Bigtable و Cloud Monitoring، تفسیر سناریوها را آسان‌تر می‌کند. گوگل کلاد سه سال یا بیشتر تجربه صنعتی، شامل حداقل یک سال طراحی و مدیریت راهکارهای داده در گوگل کلاد را توصیه می‌کند، اما این تجربه توصیه شده است و نه اجباری.

برای شرکت در این تست‌های تمرینی، نیازی به حساب پرداخت‌شده گوگل کلاد یا محیط برنامه‌نویسی نیست.

مباحث رسمی آزمون

دامنه ۱: طراحی سیستم‌های پردازش داده — تقریباً ۲۲٪

• امنیت، انطباق، رمزنگاری، حریم خصوصی، حاکمیت داده و مدیریت

• قابلیت اطمینان، کیفیت داده، اعتبارسنجی، قابلیت انتقال و بازیابی از فاجعه

• ارزیابی مهاجرت، انتقال، تغییر ثبت داده (CDC)، تغییر نهایی (Cutover) و اعتبارسنجی

دامنه ۲: جذب و پردازش داده‌ها — تقریباً ۲۵٪

• منابع خط لوله، مقاصد، تبدیلات، شبکه و رمزنگاری

• پردازش Batch و Streaming، پنجره‌بندی (Windowing)، داده‌های دیررس و غنی‌سازی

• ارکستراسیون، استقرار، اتوماسیون و CI/CD

دامنه ۳: ذخیره‌سازی داده‌ها — تقریباً ۲۰٪

• انتخاب سرویس ذخیره‌سازی، الگوهای دسترسی، چرخه حیات، هزینه و عملکرد

• مدل‌سازی انبار داده، نرمال‌سازی و دسترسی تحلیلی

• دریاچه‌های داده، پلتفرم‌های داده، اکتشاف، کنترل دسترسی و حاکمیت فدرال

دامنه ۴: آماده‌سازی و استفاده از داده‌ها برای تحلیل — تقریباً ۱۵٪

• اتصال BI، پیش‌محاسبه، شتاب‌دهی، امنیت و عیب‌یابی کوئری

• آماده‌سازی داده‌ها برای BigQuery ML، Embeddingها و RAG

• قوانین و مکانیسم‌های انتشار و اشتراک‌گذاری داده‌ها و بینش‌ها

دامنه ۵: نگهداری و اتوماسیون بارهای کاری داده — تقریباً ۱۸٪

• بهینه‌سازی هزینه و منابع

• ارکستراسیون تکرارپذیر، زمان‌بندی، مدیریت ظرفیت و اولویت جاب‌ها

• مانیتورینگ، عیب‌یابی، تحمل خطا، تکثیر، شروع مجدد و Failover

اطلاعات آزمون گواهینامه

• گواهینامه: Google Cloud Professional Data Engineer

• کد آزمون: توسط ارائه‌دهنده گواهینامه به طور عمومی مشخص نشده است

• راهنمای فعلی آزمون: راهنمای آزمون Professional Data Engineer، نسخه ۴.۲

• مدت زمان استاندارد آزمون: ۲ ساعت

• تعداد سوالات رسمی: ۴۰ تا ۵۰ سوال

• فرمت‌های رسمی سوالات: چهارگزینه‌ای و چندگزینه‌ای

• زبان‌های پشتیبانی شده: انگلیسی و ژاپنی

• روش ارائه: نظارت آنلاین یا نظارت حضوری

• پیش نیازهای رسمی: ندارد

• تجربه توصیه شده: سه سال یا بیشتر تجربه صنعتی، شامل یک سال یا بیشتر طراحی و مدیریت راهکارهای داده با استفاده از گوگل کلاد

• استاندارد قبولی: توسط ارائه‌دهنده گواهینامه به طور عمومی مشخص نشده است

• اعتبار گواهینامه: ۲ سال

• اطلاعات تایید شده: ۱۴ جولای ۲۰۲۶