Google Cloud Professional Data Engineer
225 अभ्यास प्रश्न
अंतिम समीक्षा: April 2026
आपकी अध्ययन यात्रा के लिए व्यक्तिगत नोट्स और संसाधन लिंक
सर्टिफिकेशन द्वारा फ़िल्टर करें
Google Cloud Professional Data Engineer (PDE) Google Cloud पर डेटा-प्रोसेसिंग सिस्टम को डिज़ाइन करने, बनाने, सुरक्षित करने और संचालित करने की क्षमता को मान्य करता है। यह परीक्षा सबसे लोकप्रिय GCP Professional क्रेडेंशियल्स में से एक है और बाज़ार में सबसे अधिक भुगतान करने वाले एकल डेटा प्रमाणन में लगातार शुमार है। BigQuery (पार्टीशनिंग, क्लस्टरिंग, मैटेरियलाइज़्ड व्यू, BI Engine, BigLake, Omni), Dataflow (Apache Beam बैच और स्ट्रीमिंग, विंडोइंग, वॉटरमार्क), Pub/Sub, Dataproc, Cloud Composer (मैनेज्ड एयरफ्लो), Dataform, Dataplex, Datastream, और ML पाइपलाइन के लिए Vertex AI इंटीग्रेशन की गहरी कवरेज की उम्मीद करें। प्रश्नों की शैली परिदृश्य-उन्मुख है और उन उम्मीदवारों को पुरस्कृत करती है जो लागत, लेटेंसी, फ़्रेशनेस और स्कीमा-इवोल्यूशन ट्रेडऑफ़ के संदर्भ में एक साथ सोचते हैं।
स्रोत-सिस्टम विश्लेषण, डेटा-वेयरहाउस बनाम डेटा-लेक बनाम लेकहाउस डिज़ाइन, BigQuery के लिए स्कीमा मॉडलिंग (डीनॉर्मलाइज़्ड, नेस्टेड, ARRAY/STRUCT), सही स्टोरेज का चयन करना (BigQuery बनाम Bigtable बनाम Spanner बनाम Firestore बनाम Cloud SQL)। 22%।
25% पर सबसे बड़ा डोमेन। Pub/Sub पैटर्न, Apache Beam (विंडोइंग, ट्रिगर्स, वॉटरमार्क, एग्ज़ैक्टली-वन्स सिमेंटिक्स) के साथ Dataflow बैच और स्ट्रीमिंग, Dataproc Spark जॉब, Datastream CDC, Storage Transfer Service।
BigQuery पार्टीशनिंग और क्लस्टरिंग, मैटेरियलाइज़्ड व्यू, BI Engine, BigLake एक्सटर्नल टेबल, टेबल-लेवल स्नैपशॉट और टाइम ट्रैवल, Bigtable स्कीमा डिज़ाइन, Cloud Storage क्लास ट्रांज़िशन। 20%।
BigQuery SQL (विंडो फ़ंक्शन, ARRAY/STRUCT मैनिपुलेशन, सर्च इंडेक्स), BigQuery ML, Looker सिमेंटिक मॉडल बेसिक्स, Cloud SQL / Spanner / Cloud Storage के लिए फ़ेडरेटेड क्वेरी, Vertex AI इंटीग्रेशन। 15%।
Cloud Composer DAGs, Dataform वर्कफ़्लो, BigQuery शेड्यूल की गई क्वेरीज़, स्लॉट रिज़र्वेशन और ऑन-डिमांड प्राइसिंग, Cloud Monitoring के साथ मॉनिटरिंग, डेटासेट / टेबल / कॉलम / रो लेवल पर IAM। 18%।
परीक्षा में आने वाली सेवाएँ और क्यों प्रत्येक महत्वपूर्ण है।
सर्वरलेस कॉलमिनर डेटा वेयरहाउस जिसमें स्टोरेज/कंप्यूट अलग-अलग होते हैं, ऑन-डिमांड और रिज़र्वेशन स्लॉट, इन-वेयरहाउस मॉडलिंग के लिए BigQuery ML, और वृद्धिशील एग्रीगेट्स के लिए मैटेरियलाइज़्ड व्यू शामिल हैं।
यह परीक्षा में क्यों है: BigQuery सभी पाँच PDE डोमेन में प्रमुख एनालिटिक्स सतह है — पार्टीशनिंग, क्लस्टरिंग, स्लॉट रिज़र्वेशन और क्वेरी ऑप्टिमाइजेशन परीक्षा में हावी हैं।
ऑब्जेक्ट स्टोरेज जो GCP डेटा लेक को आधार प्रदान करता है — इसमें लैंडिंग/क्यूरेटेड/कंजम्पशन ज़ोन, मल्टी-रीजन और डुअल-रीजन बकेट, लाइफ़साइकल नीतियाँ, और हर डाउनस्ट्रीम एनालिटिक्स सेवा के लिए स्रोत शामिल हैं।
यह परीक्षा में क्यों है: हर PDE स्टोरेज और इन्जेशन सिनेरियो में Cloud Storage को सब्सट्रेट माना जाता है; स्टोरेज क्लासेज़, रिटेंशन नीतियाँ और साइन्ड-URL एक्सेस पैटर्न डेटा स्टोर करना (Storing the Data) से संबंधित प्रश्नों को संचालित करते हैं।
यूनिफ़ाइड स्ट्रीमिंग और बैच पाइपलाइनों के लिए पूरी तरह से प्रबंधित Apache Beam रनर, जिसमें ऑटोस्केलिंग वर्कर्स, स्ट्रीमिंग इंजन और दोहराने योग्य डिप्लॉयमेंट के लिए फ़्लेक्स टेम्प्लेट्स शामिल हैं।
यह परीक्षा में क्यों है: Dataflow डेटा को इन्जेस्ट और प्रोसेस करना (Ingesting and Processing) में कैनोनिकल उत्तर है — विंडोइंग, ट्रिगर्स, एक्जेक्टली-वन्स सिमेंटिक्स और स्ट्रीमिंग बनाम बैच ट्रेडऑफ़्स पर सभी प्रश्न यहीं आते हैं।
प्रबंधित Spark, Hadoop, Hive, Presto और Flink क्लस्टर्स जिसमें क्षणिक ऑटोस्केलिंग, बैच Spark के लिए Dataproc Serverless, और साझा इन्फ्रा के लिए Spark-on-GKE शामिल हैं।
यह परीक्षा में क्यों है: PDE मौजूदा Spark/Hadoop वर्कलोड्स के लिए माइग्रेशन लक्ष्य के रूप में Dataproc की अपेक्षा करता है — क्षणिक बनाम लंबी-अवधि, ऑटोस्केलिंग नीतियाँ और Dataproc-बनाम-Dataflow विकल्प डेटा प्रोसेसिंग सिस्टम डिज़ाइन करना (Designing data processing) में दिखाई देते हैं।
एसिंक्रोनस इन्जेस्ट के लिए विश्व स्तर पर वितरित मैसेजिंग सेवा, जिसमें कम से कम एक बार डिलीवरी, ऑर्डरिंग कीज़, डेड-लेटर टॉपिक्स, और लागत-ऑप्टिमाइज़्ड क्षेत्रीय स्ट्रीम्स के लिए Pub/Sub Lite शामिल हैं।
यह परीक्षा में क्यों है: Pub/Sub डेटा को इन्जेस्ट और प्रोसेस करना (Ingesting and Processing) में डिफ़ॉल्ट स्ट्रीमिंग इन्जेशन सतह है — डिलीवरी सिमेंटिक्स, सब्सक्रिप्शन प्रकार और बैकलॉग व्यवहार बार-बार आने वाले परीक्षा विषय हैं।
प्रबंधित Apache Airflow सेवा जो BigQuery, Dataflow, Dataproc और बाहरी सिस्टम तक फैले क्रॉस-सर्विस DAGs को ऑर्केस्ट्रेट करती है, जिसमें GKE Autopilot पर चलने वाला Composer 2 शामिल है।
यह परीक्षा में क्यों है: डेटा वर्कलोड्स को बनाए रखना और स्वचालित करना (Maintaining and Automating workloads) DAG पैटर्न, रिट्राइज़ और SLA मॉनिटरिंग का परीक्षण करता है — सरल चेन्स के लिए Workflows की तुलना में Composer PDE पर नामित ऑर्केस्ट्रेटर है।
विश्व स्तर पर वितरित रिलेशनल डेटाबेस जिसमें मज़बूत कंसिस्टेंसी, हॉरिजॉन्टल स्केल और SQL शामिल हैं — इसे एनालिटिक्स पाइपलाइनों को फ़ीड करने वाले ऑपरेशनल सिस्टम ऑफ़ रिकॉर्ड के रूप में उपयोग किया जाता है।
यह परीक्षा में क्यों है: PDE स्टोरेज के प्रश्न OLTP (Spanner) को OLAP (BigQuery) से अलग करते हैं और पूछते हैं कि BigQuery से स्पैनर फ़ेडरेटेड क्वेरीज़ कब CDC पाइपलाइन से बेहतर होती हैं।
वाइड-कॉलम NoSQL सेवा जिसमें पेटाबाइट स्केल पर सिंगल-डिजिट-मिलीसेकंड रीड्स, और HBase API कंपैटिबिलिटी के साथ टाइम-सीरीज़ तथा IoT वर्कलोड्स के लिए ऑप्टिमाइज़्ड क्षमताएँ शामिल हैं।
यह परीक्षा में क्यों है: डेटा प्रोसेसिंग सिस्टम डिज़ाइन करना (Designing data processing) रो-की डिज़ाइन, हॉटस्पॉटिंग और SSD-बनाम-HDD ट्रेडऑफ़्स का परीक्षण करता है — जब भी कम-लेटेंसी वाली एनालिटिकल रीड्स की आवश्यकता होती है, Bigtable GCP का उत्तर है।
प्रबंधित PostgreSQL, MySQL और SQL Server जिसमें स्वचालित बैकअप, रीड रेप्लिका और उच्च उपलब्धता शामिल है — यह कई इन्जेशन पाइपलाइनों के लिए रिलेशनल स्रोत है।
यह परीक्षा में क्यों है: Cloud SQL इन्जेस्टिंग और स्टोरिंग (Ingesting and Storing) में अपस्ट्रीम OLTP डेटाबेस के रूप में सामने आता है जिसके परिवर्तन Datastream या शेड्यूल्ड बैच एक्सपोर्ट्स के माध्यम से BigQuery को फ़ीड करते हैं।
सर्वरलेस डॉक्यूमेंट डेटाबेस जिसमें रियल-टाइम लिसनर्स, ACID ट्रांजैक्शन्स और एंटरप्राइज़ मोड में ग्लोबल रेप्लिकेशन शामिल है — यह एप्लीकेशन-टियर इवेंट कैप्चर को सपोर्ट करता है।
यह परीक्षा में क्यों है: PDE स्टोरेज सिनेरियो कम-लेटेंसी वाले ऐप-टियर राइट्स के लिए Firestore चुनते हैं जो बाद में Eventarc या Pub/Sub के माध्यम से BigQuery में प्रवाहित होते हैं।
यूनिफ़ाइड स्टोरेज इंजन जो Cloud Storage और बाहरी (S3, ADLS) डेटा को फ़ाइन-ग्रेन्ड एक्सेस कंट्रोल और Apache Iceberg सपोर्ट के साथ गवर्न किए गए BigQuery टेबल्स के रूप में एक्सपोज़ करता है।
यह परीक्षा में क्यों है: BigLake डेटा स्टोर करना (Storing the Data) में लेकहॉउस का उत्तर है — यह बाहरी टेबल फ़ेडरेशन को नेटिव BigQuery स्टोरेज से अलग करता है और मल्टी-क्लाउड एनालिटिक्स को सक्षम बनाता है।
सर्वरलेस चेंज-डेटा-कैप्चर सेवा जो MySQL, PostgreSQL, Oracle और SQL Server को कम लेटेंसी के साथ BigQuery, Cloud Storage या Cloud SQL में रेप्लिकेट करती है।
यह परीक्षा में क्यों है: डेटा को इन्जेस्ट और प्रोसेस करना (Ingesting and Processing) CDC पैटर्न का परीक्षण करता है; Datastream कस्टम Debezium प्लंबिंग के बिना वेयरहाउस में लॉग-आधारित रेप्लिकेशन के लिए GCP-नेटिव उत्तर है।
प्रबंधित CDAP-आधारित विज़ुअल ETL प्लेटफ़ॉर्म जिसमें 150+ कनेक्टर्स और एक कोड-फ़्री पाइपलाइन डिज़ाइनर है जो अंदर ही अंदर Dataproc में कंपाइल होता है।
यह परीक्षा में क्यों है: PDE Data Fusion की अपेक्षा करता है जब कोई प्रश्न Dataflow में हाथ से लिखे Beam की तुलना में व्यापक कनेक्टर कवरेज वाले लो-कोड विज़ुअल ETL को प्राथमिकता देता है।
BigQuery-नेटिव SQL वर्कफ़्लो सेवा जिसमें वर्जन कंट्रोल, डिपेंडेंसी ग्राफ़, असर्शन और वृद्धिशील टेबल मैटेरियलाइज़ेशन शामिल हैं — यह GCP के अंदर dbt के समान है।
यह परीक्षा में क्यों है: डेटा वर्कलोड्स को बनाए रखना और स्वचालित करना (Maintaining and Automating workloads) इन-वेयरहाउस ट्रांसफॉर्मेशन पैटर्न का परीक्षण करता है; Dataform BigQuery-केंद्रित ELT के लिए कैनोनिकल SQL-ऑर्केस्ट्रेशन उत्तर है।
विज़ुअल डेटा रैंगलिंग सेवा जो इंटेलिजेंट सुझावों और रेसिपी एक्सपोर्ट के साथ स्ट्रक्चर्ड/सेमी-स्ट्रक्चर्ड डेटा को एक्सप्लोर करने, क्लीन करने और बदलने के लिए है।
यह परीक्षा में क्यों है: विश्लेषण के लिए डेटा तैयार करना और उपयोग करना (Preparing and Using Data for Analysis) BigQuery के उपभोग से पहले विश्लेषक-संचालित डेटा शेपिंग के लिए नो-कोड पाथ के रूप में Dataprep को नामित करता है।
BigQuery, Cloud Storage और Datastore में PII को खोजने, वर्गीकृत करने और डी-आइडेंटिफ़ाई करने के लिए प्रबंधित सेवा जो इंस्पेक्शन टेम्प्लेट्स और ट्रांसफॉर्मेशन जॉब्स का उपयोग करती है।
यह परीक्षा में क्यों है: PDE गवर्नेंस सिनेरियो डेटा के साझा एनालिटिक्स लेयर्स में आने से पहले PII को मास्क करने, टोकनाइज़ करने या रिडैक्ट करने के लिए Sensitive Data Protection का हवाला देते हैं।
हर डेटा सेवा के लिए प्रोजेक्ट- और रिसोर्स-स्कोप अनुमतियाँ, जिसमें BigQuery रो-लेवल, कॉलम-लेवल और पॉलिसी-टैग-आधारित फ़ाइन-ग्रेन्ड एक्सेस शामिल हैं।
यह परीक्षा में क्यों है: BigQuery डेटासेट्स, Cloud Storage बकेट्स और Pub/Sub टॉपिक्स तक लीस्ट-प्रिविलेज एक्सेस पर PDE गवर्नेंस के प्रश्न सभी IAM बाइंडिंग और शर्तों पर लौटते हैं।
प्रबंधित क्रिप्टोग्राफ़िक कीज़ जिसमें BigQuery, Cloud Storage, Pub/Sub, Dataflow और Spanner के लिए कस्टमर-मैनेज्ड एन्क्रिप्शन कीज़ (CMEK), साथ ही Cloud HSM और बाहरी-की विकल्प शामिल हैं।
यह परीक्षा में क्यों है: CMEK के साथ एन्क्रिप्शन-एट-रेस्ट रेगुलेटेड एनालिटिक्स डेटा, की रोटेशन और टेनेंट-आइसोलेटेड मल्टी-टीम वेयरहाउस को सुरक्षित रखने के लिए कैनोनिकल PDE उत्तर है।
यूनिफ़ाइड डेटा फ़ैब्रिक जो BigQuery, Cloud Storage और बाहरी स्रोतों में डेटा को कैटलॉग करने, वर्गीकृत करने, सुरक्षित करने और मॉनिटर करने के लिए है, जिसमें बिल्ट-इन डेटा लीनिएज और क्वालिटी शामिल हैं।
यह परीक्षा में क्यों है: PDE गवर्नेंस और डेटा-क्वालिटी सिनेरियो लेक + वेयरहाउस के लिए GCP-नेटिव कैटलॉग/लीनिएज लेयर के रूप में Dataplex को नामित करते हैं, जो स्टैंडअलोन Data Catalog की जगह लेता है।
पाइपलाइन रन, BigQuery जॉब मेट्रिक्स, Dataflow वर्कर ऑटोस्केलिंग, Pub/Sub बैकलॉग और Cloud Monitoring नीतियों के माध्यम से SLO-आधारित अलर्टिंग के लिए यूनिफ़ाइड ऑब्ज़र्वेबिलिटी।
यह परीक्षा में क्यों है: डेटा वर्कलोड्स को बनाए रखना और स्वचालित करना (Maintaining and Automating workloads) जॉब-फ़ेलियर अलर्ट्स, स्लॉट यूटिलाइज़ेशन डैशबोर्ड्स और ऑडिट-लॉग रिटेंशन के लिए Cloud Logging + Cloud Monitoring की अपेक्षा करता है।
$140k–$195k–$290k USD वार्षिक
यह सीमा उन US-आधारित सीनियर डेटा इंजीनियरों को दर्शाती है जहाँ GCP प्राथमिक प्लेटफ़ॉर्म है। FAANG L5 डेटा इंजीनियर TC $300k से अधिक कमाते हैं। PDE को जॉब-पोस्टिंग सैलरी बैंड द्वारा लगातार सबसे अधिक भुगतान करने वाले एकल डेटा सर्टिफ़िकेशन में से एक के रूप में उद्धृत किया जाता है; मजबूत Apache Beam / Dataflow अनुभव के साथ मिलकर यह GCP दुकानों पर प्रीमियम प्रदान करता है। शुद्ध विश्लेषक-इंजीनियर की भूमिकाएँ कम होती हैं।
स्रोत: levels.fyi 2025–2026 (Google L4–L5 डेटा इंजीनियर, FAANG और यूनिकॉर्न सीनियर डेटा इंजीनियर), U.S. BLS OEWS May 2024 (15-2051 डेटा साइंटिस्ट, 15-1252 सॉफ्टवेयर डेवलपर). आंकड़े अनुमानित हैं; वास्तविक मुआवजा भूमिका, क्षेत्र और अनुभव पर निर्भर करता है।
PDE सबसे अधिक अनुरोधित GCP डेटा क्रेडेंशियल है और GCP-केंद्रित कंपनियों में सीनियर डेटा-इंजीनियर भूमिकाओं के लिए सबसे मजबूत संकेतों में से एक है। डिजिटल-नेटिव GCP दुकानों (Spotify, Snap, PayPal, Wayfair, कई प्रमुख खुदरा विक्रेता और विज्ञापन-तकनीकी कंपनियाँ), BigQuery-केंद्रित एनालिटिक्स संगठनों, और डेटा प्रथाओं वाले Google Cloud पार्टनर्स पर भारी मांग है। यह सर्टिफ़िकेशन Google में ग्राहक-इंजीनियरिंग डेटा विशेषज्ञों के लिए भी मूल्यवान है। PDE "डेटा + ML" प्रोफ़ाइल के लिए Professional ML Engineer (PMLE) के साथ स्वाभाविक रूप से जुड़ता है, और एक व्यापक सीनियर-इंजीनियरिंग प्रोफ़ाइल के लिए Cloud Architect (PCA) के साथ जुड़ता है। धारक लगातार मजबूत रिक्रूटर प्रतिक्रिया की रिपोर्ट करते हैं।
कोई औपचारिक पूर्व-आवश्यकताएँ नहीं हैं। Google तीन या अधिक वर्षों के उद्योग अनुभव की अनुशंसा करता है, जिसमें Google Cloud पर समाधान डिज़ाइन करने और प्रबंधित करने का एक या अधिक वर्षों का अनुभव शामिल है। व्यवहार में, डेटा के लिए नए व्यक्ति के लिए PDE एक विश्वसनीय पहला GCP सर्टिफ़िकेशन नहीं है — सफल उम्मीदवारों ने गैर-तुच्छ पाइपलाइन शिप की हैं और उनके पास कार्यशील SQL, Python, और Apache Beam की कम से कम वैचारिकfamiliarity है।
Associate Cloud Engineer (ACE) एक सामान्य कदम है, लेकिन Associate Data Practitioner (ADP) डेटा-विशिष्ट सामग्री के लिए अधिक सीधा मार्ग है। मजबूत SQL दक्षता (विंडो फ़ंक्शन, CTEs, ARRAY/STRUCT मैनिपुलेशन), Beam पाइपलाइन (Python या Java) के लिए कम से कम एक प्रोग्रामिंग भाषा के साथ सहजता, और स्ट्रीमिंग अवधारणाओं (विंडोइंग, वॉटरमार्क, एग्ज़ैक्टली-वन्स डिलीवरी) से परिचित होना प्रभावी रूप से आवश्यक है। Google Cloud Skills Boost पर आधिकारिक Data Engineer Learning Path (लगभग 50-80 घंटे के लैब) एक अच्छा आधार है।
PDE को पेशेवर रेटिंग दी गई है और यह लगातार कठिन है — कई उम्मीदवार इसे PCA / PCNE के बाद दूसरा सबसे कठिन GCP सर्टिफ़िकेशन मानते हैं, मुख्य रूप से स्ट्रीमिंग और Dataflow / Apache Beam सामग्री के कारण। यदि PDE आपका पहला GCP पेशेवर सर्टिफ़िकेशन है तो 10-14 सप्ताह में 100-150 घंटे के अध्ययन की योजना बनाएं, या यदि आपके पास पहले से ACE / ADP प्लस प्रोडक्शन डेटा-इंजीनियरिंग अनुभव है तो 5-8 सप्ताह में 50-80 घंटे का अध्ययन करें। परीक्षा में 120 मिनट में 50-60 बहुविकल्पीय / बहु-चयन प्रश्न होते हैं, जो Pearson VUE के माध्यम से वितरित किए जाते हैं (Google ने 2026 की शुरुआत में Kryterion / Webassessor से माइग्रेट किया — 23 फरवरी से 1 मार्च 2026 तक कोई परीक्षा नहीं; पहली Pearson डिलीवरी 2 मार्च 2026)।
सबसे आम बाधा Dataflow स्ट्रीमिंग है — विंडोइंग रणनीतियाँ (फिक्स्ड, स्लाइडिंग, सेशन), वॉटरमार्क, लेट डेटा और एग्ज़ैक्टली-वन्स सिमेंटिक्स असफल प्रयासों का एक बड़ा हिस्सा हैं। दूसरी बाधा उन स्टोरेज परिदृश्यों के लिए BigQuery, Bigtable, Spanner और Cloud SQL के बीच चयन करना है जहाँ कई विकल्प तकनीकी रूप से व्यवहार्य हैं। Google संख्यात्मक स्कोर प्रकाशित नहीं करता है — केवल पास/फेल। क्रेडेंशियल दो साल के लिए वैध है और पुन: प्रमाणन के लिए वर्तमान परीक्षा को फिर से पास करना आवश्यक है।
वर्तमान परीक्षा गाइड को 2023 की शुरुआत में BigLake, BigQuery Omni, Dataform, Dataplex और Datastream कवरेज जोड़ने के लिए ताज़ा किया गया। Vertex AI के साथ ML-पाइपलाइन एकीकरण का विस्तार किया गया।
प्रमुख ताज़ा अपडेट जिसने स्टोरेज और प्रोसेसिंग डोमेन को फिर से संतुलित किया और Pub/Sub Lite और Dataflow Prime कवरेज जोड़ा।
मूल सामान्य उपलब्धता — पहले तीन Google Cloud Professional क्रेडेंशियल्स में से एक।
PDE (Google Cloud Professional Data Engineer) एक एक चुनौतीपूर्ण, परिदृश्य-भारी परीक्षा जिसके लिए गहन व्यावहारिक अनुभव और वास्तुशिल्प व्यापार-बंद निर्णय लेने की क्षमता की आवश्यकता होती है Professional-स्तरीय परीक्षा है। प्रोफेशनल और विशेषज्ञ-स्तरीय परीक्षाओं के लिए अधिकांश उम्मीदवारों को 3-6 महीनों में फैले 150-300 घंटे के अध्ययन की आवश्यकता होती है। इन परीक्षाओं में आमतौर पर पूर्व एसोसिएट-स्तर की दक्षता की उम्मीद की जाती है। अधिकांश उम्मीदवार जो अभ्यास परीक्षाओं में उत्तीर्ण होने की सीमा से लगातार ऊपर स्कोर करते हैं, वे अपने पहले प्रयास में उत्तीर्ण हो जाते हैं।
प्रोफेशनल और विशेषज्ञ-स्तरीय परीक्षाओं के लिए अधिकांश उम्मीदवारों को 3-6 महीनों में फैले 150-300 घंटे के अध्ययन की आवश्यकता होती है। इन परीक्षाओं में आमतौर पर पूर्व एसोसिएट-स्तर की दक्षता की उम्मीद की जाती है। उत्तीर्ण होने में लगने वाला समय पूर्व अनुभव के आधार पर व्यापक रूप से भिन्न होता है। अंतर्निहित तकनीक में व्यावहारिक उत्पादन अनुभव वाले इंजीनियरों को आमतौर पर कम समय लगता है; प्लेटफ़ॉर्म के लिए नए उम्मीदवारों को उस सीमा के ऊपरी छोर की ओर योजना बनानी चाहिए।
PDE GCP इकोसिस्टम में एक मान्यता प्राप्त क्रेडेंशियल है और नियोक्ताओं, भर्तीकर्ताओं और ग्राहकों को मान्य ज्ञान का संकेत देता है। क्या यह आपके लिए समय और शुल्क के लायक है, यह आपकी भूमिका और लक्ष्यों पर निर्भर करता है - यह क्लाउड इंजीनियरों, आर्किटेक्ट्स और सलाहकारों के लिए सबसे अधिक फायदेमंद होता है जो GCP के साथ प्रतिदिन काम करते हैं या उन भूमिकाओं में जाना चाहते हैं।
PDE के लिए उत्तीर्ण अंक प्रकाशित नहीं है। परीक्षा में 50 प्रश्न होते हैं और यह 2 घंटा तक चलती है।
PDE परीक्षा का शुल्क $200 USD है। शुल्क GCP द्वारा निर्धारित किए जाते हैं और क्षेत्र के अनुसार भिन्न हो सकते हैं; बुकिंग से पहले हमेशा आधिकारिक GCP प्रमाणन पृष्ठ पर वर्तमान कीमत की पुष्टि करें।
Google Cloud के प्रोफेशनल प्रमाणन 2 साल के लिए वैध हैं। परीक्षा के वर्तमान संस्करण को फिर से पास करके पुनः प्रमाणित करें।
हाँ। आप परीक्षा ऑनलाइन (प्रदाता के सुरक्षित ब्राउज़र के माध्यम से प्रोक्टर्ड, अधिकांश क्षेत्रों में 24/7 उपलब्ध) या व्यावसायिक घंटों के दौरान व्यक्तिगत पियर्सन VUE परीक्षण केंद्र पर दे सकते हैं। दोनों प्रारूपों में समान प्रश्न, समय सीमा और उत्तीर्ण अंक होते हैं।
CertLabPro PDE के लिए अभ्यास प्रश्न बैंक में 15 अध्ययन मोड प्रदान करता है। परीक्षा-सिमुलेशन मोड वास्तविक परीक्षा को दर्शाता है: 2 घंटा में 50 प्रश्न, प्रकाशित नहीं की समान उत्तीर्ण सीमा के साथ। ब्राउज़ मोड आपको प्रत्येक प्रश्नोत्तर को स्थिर रूप से पढ़ने की अनुमति देता है।