Cloud Digital Leader — Preguntas de práctica y simulacro de examen

Cloud Trace es el servicio de trazado distribuido de Google Cloud que sigue las solicitudes a través de los microservicios y registra la latencia en cada paso (docs.cloud.google.com/trace/docs/overview). Genera visualizaciones en cascada que muestran cuánto tarda cada servicio en procesar una solicitud, lo que facilita ubicar los cuellos de botella. Cloud Trace se integra con GKE, Cloud Run y App Engine, y admite instrumentación con OpenTelemetry. ¿Por qué no Cloud Monitoring? Hace seguimiento de métricas como el uso de CPU y memoria, pero no traza las rutas de solicitudes individuales entre servicios. ¿Por qué no Error Reporting? Identifica errores y excepciones de la aplicación, no cuellos de botella de latencia. ¿Por qué no Cloud Logging? Captura entradas de registro, pero no ofrece trazado de latencia a nivel de solicitud a través de los límites entre servicios. Consejo para el examen: identificar qué servicio específico causa la latencia en una cadena de solicitudes distribuida = Cloud Trace.

AutoML en Agent Platform automatiza la selección de algoritmos, el ajuste de hiperparámetros y el entrenamiento del modelo, y no requiere experiencia en ML ni programación (docs.cloud.google.com/vertex-ai/docs/start/training-methods). Para equipos con poca experiencia en ML y conjuntos de datos más pequeños, AutoML produce modelos de alta calidad más rápido, porque elimina la necesidad de escribir código de entrenamiento y de desarrollar canalizaciones de datos. La comparación oficial de métodos de entrenamiento lo confirma: AutoML no necesita experiencia en ciencia de datos y no requiere código. ¿Por qué no el entrenamiento personalizado? Requiere bastante experiencia en ML para desarrollar aplicaciones de entrenamiento—no siempre produce mejores modelos sin importar la experiencia. ¿Por qué no solo APIs preentrenadas? Las APIs preentrenadas resuelven tareas comunes, pero no pueden entrenarse con tu conjunto de datos personalizado. ¿Por qué no 'AutoML es solo para grandes empresas'? AutoML está disponible para todos los usuarios, sin importar el tamaño de la organización. Consejo para el examen: poca experiencia en ML + necesidad de resultados rápidos + conjunto de datos pequeño = AutoML.

Google Cloud cifra los datos en tránsito tanto por la internet pública como dentro de su red interna (docs.cloud.google.com/docs/security/encryption-in-transit). El tráfico externo usa cifrado TLS/QUIC a través de los Google Front Ends (GFEs), mientras que el tráfico interno entre servicios usa ALTS (Application Layer Transport Security) para autenticación mutua y cifrado. Google también usa el protocolo de seguridad PSP para el cifrado a nivel de red con descarga en SmartNIC. Esto es automático y no requiere ninguna configuración del cliente para el tráfico estándar. ¿Por qué no solo en Premium Tier? El cifrado en tránsito se aplica sin importar el nivel de red. ¿Por qué no solo por la internet pública? La documentación indica explícitamente que Google cifra los datos dentro de su red interna usando ALTS. ¿Por qué no configuración manual de TLS? Google gestiona automáticamente el cifrado de sus servicios—no hacen falta certificados administrados por el cliente. Consejo para el examen: TLS = externo; ALTS = interno. Ambos automáticos.

Escalar a cero es la propiedad que más claramente distingue una plataforma de aplicaciones serverless de un clúster que mantienes en ejecución. Cloud Run agrega instancias según las solicitudes entrantes y las elimina a medida que baja la demanda, y de forma predeterminada una revisión que no recibe tráfico escala a cero instancias. Esto no ocurre en el instante en que termina la última solicitud: para reducir los arranques en frío, Cloud Run puede mantener una instancia inactiva hasta 15 minutos después de que termina de atender solicitudes, y una instancia inactiva puede conservar recursos como conexiones abiertas a bases de datos. Para cargas de trabajo con largos periodos de inactividad, como herramientas internas o endpoints de uso estacional, esto significa que ninguna instancia queda en ejecución durante la noche. La contrapartida es el arranque en frío: la primera solicitud después de que la revisión escaló a cero espera mientras se crea una nueva instancia, lo que puede añadir una latencia notable. Los equipos que no pueden aceptar esa latencia configuran un número mínimo de instancias para mantener una activa, y así cambian deliberadamente algo de costo por inactividad por un tiempo de respuesta predecible.