始める前に
- ラボでは、Google Cloud プロジェクトとリソースを一定の時間利用します
- ラボには時間制限があり、一時停止機能はありません。ラボを終了した場合は、最初からやり直す必要があります。
- 画面左上の [ラボを開始] をクリックして開始します
チェックポイント
Create a new Bigtable instance
/ 10
Create and populate Bigtable tables
/ 20
Create Bigtable table and dataflow job
/ 20
Configure replication in Bigtable
/ 10
Create Backup and restore data in Bigtable
/ 10
Delete Bigtable data
/ 10
ラボの設定手順と要件
アカウントと進行状況を保護します。このラボを実行するには、常にシークレット ブラウジング ウィンドウとラボの認証情報を使用してください。
Bigtable インスタンスの作成と管理: チャレンジラボ
ラボの手順とタスク
このコンテンツはまだモバイル デバイス向けに最適化されていません。
快適にご利用いただくには、メールで送信されたリンクを使用して、デスクトップ パソコンでアクセスしてください。
GSP380
概要
チャレンジラボでは、シナリオと一連のタスクが提供されます。手順ガイドに沿って進める形式ではなく、コース内のラボで習得したスキルを駆使して、ご自身でタスクを完了していただきます。タスクが適切に完了したかどうかは、このページに表示される自動スコアリング システムで確認できます。
チャレンジラボは、Google Cloud の新しいコンセプトについて学習するためのものではありません。デフォルト値を変更する、エラー メッセージを読み調査を行ってミスを修正するなど、習得したスキルを応用する能力が求められます。
100% のスコアを達成するには、制限時間内に全タスクを完了する必要があります。
このラボは、「Bigtable インスタンスの作成と管理」スキルバッジに登録している受講者を対象としています。準備が整ったらチャレンジを開始しましょう。
テスト対象トピック
- 新しい Bigtable インスタンスを作成する。
- Bigtable テーブルを作成してデータを入力する。
- Bigtable でデータをクエリする。
- Bigtable でノードの自動スケーリングとレプリケーションを構成する。
- Bigtable でデータをバックアップし、復元する。
- Bigtable データを削除する。
設定と要件
[ラボを開始] ボタンをクリックする前に
こちらの説明をお読みください。ラボには時間制限があり、一時停止することはできません。タイマーは、Google Cloud のリソースを利用できる時間を示しており、[ラボを開始] をクリックするとスタートします。
このハンズオンラボでは、シミュレーションやデモ環境ではなく実際のクラウド環境を使って、ラボのアクティビティを行います。そのため、ラボの受講中に Google Cloud にログインおよびアクセスするための、新しい一時的な認証情報が提供されます。
このラボを完了するためには、下記が必要です。
- 標準的なインターネット ブラウザ（Chrome を推奨）
- ラボを完了するための時間（開始後は一時停止できません）
チャレンジ シナリオ
あなたは、ユーザー向けにパーソナライズされた販売に関心を持つ e コマース企業のデータベース エンジニアとして採用されました。会社は、オンライン ユーザーの商品に対するインタラクションや、ML モデルによるパーソナライズされたおすすめ情報を保存するツールとして Bigtable に興味を抱いています。
あなたは最初のタスクとして、ユーザーの商品に対するインタラクションのサンプルデータと、各ユーザー向けにパーソナライズされたおすすめ情報を保存する Bigtable のインスタンスとテーブルを設定するよう指示されました。これにより、チームはこのアイデアの検討を進めることができます。
これらのタスクに関するスキルと知識があることが前提となっているため、手順ガイドは提供されません。特に指示がない限り、タスクを完了するために任意のワークフローまたはツールを使用できます。
タスク 1. 新しい Bigtable インスタンスを作成する
プロジェクトを開始するには、次の要件を満たす ecommerce-recommendations という名前の新しい Bigtable インスタンスを作成します。
| プロパティ | 値 |
|---|---|
| インスタンス ID | ecommerce-recommendations |
| ストレージの種類 | SSD |
インスタンスには、自動スケーリングが構成されていて次の要件を満たすクラスタが 1 つ必要です。
| プロパティ | 値 |
|---|---|
| クラスタ ID | ecommerce-recommendations-c1 |
| リージョン | |
| ゾーン | |
| ノードの最小数 | 1 |
| ノードの最大数 | 5 |
| CPU 使用率の目標値 | 60 |
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
タスク 2. Bigtable テーブルを作成してデータを入力する
ユーザー エンゲージメント
商品に対するユーザーのエンゲージメントを保存するため、SessionHistory という名前のテーブルを作成します。
- テーブルにデータを読み込むため、import-sessions という名前の Dataflow ジョブを作成し、次の SequenceFile ファイルを使用します。
gs://spls/gsp380/retail-engagements-sales-00000-of-00001
- 以下のスキーマをレビューして、このテーブルに必要な列ファミリーを特定します。
| ... | エンゲージメント | ... | ... | セールス |
|---|---|---|---|---|
| ... | red_skirt | red_hat | orange_shoes | sale |
| orange4029#1638940844261 | purchased | orange_shoes#orange_hat | ||
| purple3137#1638940844261 | seen | seen | purple_hat | |
| green1032#1638940844261 | seen | green_blouse |
- テーブルにデータが正常に読み込まれたら、適切なクエリを実行して次の質問に回答してください。
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
商品のおすすめ
ユーザーごとの商品のおすすめ情報を保存するため、PersonalizedProducts という名前のテーブルを作成します。
- テーブルにデータを読み込むため、import-recommendations という名前の Dataflow ジョブを作成し、次の SequenceFile ファイルを使用します。
gs://spls/gsp380//retail-recommendations-00000-of-00001
- 以下のスキーマをレビューして、このテーブルに必要な列ファミリーを特定します。
| ... | おすすめ | ... | ... | ... |
|---|---|---|---|---|
| ... | Recommendation0 | Recommendation1 | Recommendation2 | Recommendation3 |
| purple3103 | purple_hat | purple_blouse | purple_skirt | purple_jacket |
| yellow4744 | yellow_dress | yellow_jacket | yellow_shoes | yellow_hat |
| blue1936 | blue_shoes | blue_blouse | blue_dress | blue_hat |
- テーブルにデータが正常に読み込まれたら、適切なクエリを実行して次の質問に回答してください。
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
タスク 3. Bigtable でレプリケーションを構成する
次の要件を使用して、レプリケーションを構成します。
| プロパティ | 値 |
|---|---|
| クラスタ ID | ecommerce-recommendations-c2 |
| リージョン | |
| ゾーン | 任意の利用可能なゾーンを選択 |
タスク 1 で作成したクラスタに合わせてノードの自動スケーリングを適用します。
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
タスク 4. Bigtable でデータをバックアップし、復元する
データ復元をサポートするため、PersonalizedProducts テーブルのバックアップを作成します。
- バックアップ ID を PersonalizedProducts_7 に設定します。
- 有効期限を 1 週間に設定します。
バックアップを作成したら、PersonalizedProducts_7_restored という名前の新しいテーブルとしてバックアップを復元します。
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
タスク 5. Bigtable データを削除する
最後のタスクとして、Bigtable テーブルとバックアップをすべて削除し、次に会社のリソースを節約するために Bigtable インスタンスを削除します。
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
お疲れさまでした
このチャレンジラボでは、新しい Bigtable インスタンスの作成、新しいテーブルの作成とデータの入力、ノードの自動スケーリングとレプリケーションの構成、Bigtable のデータのバックアップと復元を行い、Bigtable のスキルがあることを証明しました。
次のスキルバッジを獲得する
このセルフペース ラボは、「Bigtable インスタンスの作成と管理」スキルバッジの一部です。このスキルバッジを完了すると、成果が認められて上のようなバッジが贈られます。獲得したバッジを履歴書やソーシャル プラットフォームに記載し、#GoogleCloudBadge を使用して成果を公表しましょう。
このスキルバッジは、Google Cloud のデータベース エンジニア向け学習プログラムの一部です。「Database Migration Service を使用した MySQL データの Cloud SQL への移行」スキルバッジまたは「Cloud SQL for PostgreSQL インスタンスの作成と管理」スキルバッジに登録して、学習を続けましょう。
Google Cloud トレーニングと認定資格
Google Cloud トレーニングと認定資格を通して、Google Cloud 技術を最大限に活用できるようになります。必要な技術スキルとベスト プラクティスについて取り扱うクラスでは、学習を継続的に進めることができます。トレーニングは基礎レベルから上級レベルまであり、オンデマンド、ライブ、バーチャル参加など、多忙なスケジュールにも対応できるオプションが用意されています。認定資格を取得することで、Google Cloud テクノロジーに関するスキルと知識を証明できます。
マニュアルの最終更新日: 2025 年 10 月 16 日
ラボの最終テスト日: 2025 年 10 月 16 日
Copyright 2026 Google LLC. All rights reserved. Google および Google のロゴは Google LLC の商標です。その他すべての企業名および商品名はそれぞれ各社の商標または登録商標です。
