Google Cloud Certified - Professional Data Engineer

**分不清 BigQuery on-demand 和 slot reservation 的成本模型** — on-demand 是按扫描字节数收费（$6.25/TB，scanning 100TB 就是 $625 一次查询），slot reservation 是按固定 slot 数量月付（100 slots ≈ $2000/月），对**高频、稳定负载**的团队 slot 便宜很多；对**偶尔大查询、大部分时间闲置**的团队 on-demand 更划算。考试经常出"每天跑 X TB、每月 Y 次"的题问选哪种更便宜，必须会算。

**Dataflow 和 Dataproc 选型搞反** — 看到 "Hadoop / Spark" 立刻想到 Dataflow 的大有人在，但 Dataproc 才是 GCP 的托管 Hadoop/Spark。判断标准：题干出现 "existing Spark job"、"lift and shift Hadoop cluster"、"MLlib / GraphX"、"need HDFS compatibility" → Dataproc；出现 "new pipeline"、"unified batch and streaming"、"auto-scaling"、"Apache Beam" → Dataflow。

**分区表和聚簇表混为一谈** — 分区表（partition）是**物理分离**数据文件，按时间 / 整数 / ingestion time 分区，查询 where 条件命中分区时只扫描对应分区；聚簇表（cluster）是**在分区内部按列排序**，最多支持 4 列聚簇，对 where、group by、order by 这些列有显著性能提升。**两者可以同时用**：先按 DATE 分区，再按 user_id cluster，是 BigQuery 数仓最常见的组合。考试题经常出"选一种最省钱的表结构"，正确答案往往是两者组合。

**以为 Pub/Sub 默认就是 exactly-once delivery** — Pub/Sub 默认是 **at-least-once**（至少一次，可能重复），2021 年才加了 exactly-once subscription 特性，而且必须显式在创建 subscription 时开启，还有额外限制（单 region 等）。考试里"如何保证消息不重复"的标准答案是：**要么用 exactly-once subscription，要么在消费端用 message_id 做幂等去重**。默认当成 exactly-once 一定错。

**忽略 BigQuery 列级 / 行级安全和 Authorized View 的区别** — Authorized View 是让一个 view 对底层表有"继承权限"，从而允许你把 view 共享给没有底层表权限的用户，适合**跨项目数据共享**。Column-level security 是用 Data Catalog policy tag 标记敏感列，对没有权限的用户返回 NULL 或报错。Row-level security 是在表上建 row access policy，不同用户看到不同行。考试里"如何让分析团队只能看到自己部门的数据"是 row-level security，"如何隐藏 SSN 列"是 column-level security + DLP，"如何把脱敏视图共享给外部项目"是 Authorized View — 三个要分清。

**Cloud Composer 什么场景都往上套** — Cloud Composer 是全托管 Airflow，**最低配置就要 $300+/月**（即便你不跑任何 DAG），不适合简单的定时任务。如果只是每天跑一次"从 Cloud Storage 读文件 → 写 BigQuery"，用 Cloud Scheduler + Cloud Function 或 BigQuery scheduled query 就够了，便宜 10 倍。考试题经常在"最省钱的编排方案"上埋坑，Composer 不是默认答案。

**忽略 2 年有效期** — 和 PCA 一样 PDE 也是 2 年过期，比 AWS Data Analytics 的 3 年短。没有简化续期，到期必须重考整张 $200 的 PDE。规划预算时记得把这笔"每 24 个月 $200"算进去。