Google Cloud Professional Data Engineer
225道练习题
最后审核：April 2026
为你的学习之旅记录个人笔记和资源链接
按认证筛选
Google Cloud 专业数据工程师 (PDE) 认证验证了在 Google Cloud 上设计、构建、保护和操作数据处理系统的能力。该考试是更受欢迎的 GCP 专业认证之一，并一直位居市场上薪酬最高的单一数据认证之列。考试内容深入涵盖 BigQuery（分区、聚类、具体化视图、BI Engine、BigLake、Omni）、Dataflow（Apache Beam 批处理和流处理、窗口、水印）、Pub/Sub、Dataproc、Cloud Composer（托管 Airflow）、Dataform、Dataplex、Datastream 以及 Vertex AI 用于 ML 流水线的集成。题目风格侧重场景，奖励那些能同时考虑成本、延迟、数据新鲜度和架构演进权衡的候选人。
源系统分析、数据仓库与数据湖与湖仓设计、BigQuery 的模式建模（非规范化、嵌套、ARRAY/STRUCT）、选择正确的存储（BigQuery 与 Bigtable 与 Spanner 与 Firestore 与 Cloud SQL）。22%。
占比 25% 的最大领域。Pub/Sub 模式、使用 Apache Beam 进行 Dataflow 批处理和流处理（窗口、触发器、水印、精确一次语义）、Dataproc Spark 作业、Datastream CDC、Storage Transfer Service。
BigQuery 分区和聚类、具体化视图、BI Engine、BigLake 外部表、表级快照和时间旅行、Bigtable 模式设计、Cloud Storage 类别转换。20%。
BigQuery SQL（窗口函数、ARRAY/STRUCT 操作、搜索索引）、BigQuery ML、Looker 语义模型基础、对 Cloud SQL / Spanner / Cloud Storage 的联邦查询、Vertex AI 集成。15%。
Cloud Composer DAGs、Dataform 工作流、BigQuery 定时查询、槽位预留和按需定价、使用 Cloud Monitoring 进行监控、数据集/表/列/行级别的 IAM。18%。
您将在考试中遇到的服务及其重要性。
无服务器列式数据仓库，存储与计算分离，提供按需和预留插槽，支持 BigQuery ML 进行仓内建模，并利用物化视图实现增量聚合。
为什么会出现在考试中： BigQuery 是 PDE 全部五个领域的核心分析平台——分区、聚类、插槽预留和查询优化是考试的重点。
作为 GCP 数据湖基石的对象存储，支持原始/精炼/消费区，多区域和双区域存储桶，生命周期策略，并作为所有下游分析服务的数据源。
为什么会出现在考试中： 每个 PDE 存储和摄取场景都以 Cloud Storage 作为底层；存储类别、保留策略和签名 URL 访问模式是“数据存储”考题的关键。
完全托管的 Apache Beam 运行器，用于统一的流式和批处理管道，具备自动扩缩工作器、Streaming Engine 以及可重复部署的 Flex 模板。
为什么会出现在考试中： Dataflow 是“数据摄取和处理”领域的标准答案——涉及窗口操作、触发器、精确一次语义以及流式与批处理权衡的问题都集中在此。
托管的 Spark、Hadoop、Hive、Presto 和 Flink 集群，支持瞬时自动扩缩，提供用于批处理 Spark 的 Dataproc Serverless，以及用于共享基础设施的 Spark-on-GKE。
为什么会出现在考试中： PDE 期望将 Dataproc 作为现有 Spark/Hadoop 工作负载的迁移目标——瞬时与长期运行、自动扩缩策略以及 Dataproc-vs-Dataflow 的选择出现在“设计数据处理系统”中。
全球分布式消息服务，用于异步摄取，提供至少一次交付、排序键、死信主题，以及用于成本优化区域流的 Pub/Sub Lite。
为什么会出现在考试中： Pub/Sub 是“数据摄取和处理”中默认的流式摄取接口——交付语义、订阅类型和积压行为是常见的考点。
托管式 Apache Airflow 服务，用于编排跨 BigQuery、Dataflow、Dataproc 和外部系统的 DAG，Composer 2 在 GKE Autopilot 上运行。
为什么会出现在考试中： “数据工作负载的维护与自动化”考察 DAG 模式、重试和 SLA 监控——在 PDE 中，Composer 是指定的编排器，用于对比更简单任务链的 Workflows。
具有强一致性、水平扩展和 SQL 功能的全球分布式关系数据库，用作向分析管道提供数据的运营记录系统。
为什么会出现在考试中： PDE 存储问题区分 OLTP (Spanner) 和 OLAP (BigQuery)，并询问 BigQuery 对 Spanner 的联邦查询何时优于 CDC 管道。
宽列 NoSQL 服务，支持 PB 级单毫秒级读取，针对时间序列和 IoT 工作负载进行优化，并兼容 HBase API。
为什么会出现在考试中： “设计数据处理系统”考察行键设计、热点问题以及 SSD-vs-HDD 的权衡——在需要低延迟分析读取时，Bigtable 是 GCP 的解决方案。
托管式 PostgreSQL、MySQL 和 SQL Server，提供自动化备份、只读副本和高可用性——是许多摄取管道的关系型数据源。
为什么会出现在考试中： Cloud SQL 在“数据摄取和存储”中作为上游 OLTP 数据库出现，其变更通过 Datastream 或计划的批处理导出馈送给 BigQuery。
无服务器文档数据库，具有实时侦听器、ACID 事务和企业模式下的全球复制功能——支持应用层事件捕获。
为什么会出现在考试中： PDE 存储场景选择 Firestore 进行低延迟应用层写入，这些数据随后通过 Eventarc 或 Pub/Sub 流入 BigQuery。
统一存储引擎，将 Cloud Storage 和外部数据（S3、ADLS）作为受治理的 BigQuery 表公开，具有细粒度访问控制和 Apache Iceberg 支持。
为什么会出现在考试中： BigLake 是“数据存储”领域的湖仓一体解决方案——它区分了外部表联邦与原生 BigQuery 存储，并支持多云分析。
无服务器变更数据捕获服务，以低延迟将 MySQL、PostgreSQL、Oracle 和 SQL Server 数据复制到 BigQuery、Cloud Storage 或 Cloud SQL。
为什么会出现在考试中： “数据摄取和处理”考察 CDC 模式；Datastream 是将基于日志的复制引入数据仓库的 GCP 原生解决方案，无需自定义 Debezium。
托管式基于 CDAP 的可视化 ETL 平台，拥有 150 多个连接器和一个无需编写代码的管道设计器，底层编译为 Dataproc。
为什么会出现在考试中： 当题目倾向于具有广泛连接器覆盖的低代码可视化 ETL 而非 Dataflow 中手写 Beam 时，PDE 预期选择 Data Fusion。
BigQuery 原生 SQL 工作流服务，提供版本控制、依赖图、断言和增量表物化——类似于 GCP 内的 dbt。
为什么会出现在考试中： “数据工作负载的维护与自动化”考察仓内转换模式；Dataform 是以 BigQuery 为中心的 ELT 的标准 SQL 编排解决方案。
可视化数据整理服务，用于探索、清理和转换结构化/半结构化数据，具有智能建议和配方导出功能。
为什么会出现在考试中： “数据分析准备和使用”将 Dataprep 定位为分析师驱动的数据整形（在 BigQuery 消费之前）的无代码路径。
托管服务，使用检查模板和转换作业，发现、分类和去识别 BigQuery、Cloud Storage 和 Datastore 中的 PII。
为什么会出现在考试中： PDE 治理场景中，引用 Sensitive Data Protection 来在数据进入共享分析层之前对 PII 进行遮盖、标记化或编辑。
针对每个数据服务的项目级和资源级权限，包括 BigQuery 的行级、列级和基于策略标签的细粒度访问控制。
为什么会出现在考试中： PDE 治理问题中，关于对 BigQuery 数据集、Cloud Storage 存储桶和 Pub/Sub 主题的最小权限访问都回归到 IAM 绑定和条件。
托管式加密密钥服务，为 BigQuery、Cloud Storage、Pub/Sub、Dataflow 和 Spanner 提供客户管理加密密钥 (CMEK)，并支持 Cloud HSM 和外部密钥选项。
为什么会出现在考试中： 使用 CMEK 进行静态加密是 PDE 保护受监管分析数据、密钥轮换和租户隔离多团队数据仓库的标准答案。
统一的数据架构，用于跨 BigQuery、Cloud Storage 和外部源对数据进行编目、分类、保护和监控，并内置数据沿袭和质量管理。
为什么会出现在考试中： PDE 治理和数据质量场景将 Dataplex 命名为湖仓一体的 GCP 原生编目/沿袭层，取代了独立的 Data Catalog。
为管道运行、BigQuery 作业指标、Dataflow 工作器自动扩缩、Pub/Sub 积压以及通过 Cloud Monitoring 策略进行的基于 SLO 的警报提供统一可观测性。
为什么会出现在考试中： “数据工作负载的维护与自动化”期望使用 Cloud Logging + Cloud Monitoring 进行作业失败警报、插槽利用率仪表板和审计日志保留。
$140k–$195k–$290k USD 每年
该范围反映了以 GCP 为主要平台的美国高级数据工程师。FAANG L5 数据工程师的总薪酬 (TC) 超过 30 万美元。PDE 被招聘薪资范围持续列为薪酬最高的单一数据认证之一；结合强大的 Apache Beam / Dataflow 经验，它在 GCP 商店中享有溢价。纯分析师-工程师职位的薪资趋势较低。
来源：levels.fyi 2025–2026 (Google L4–L5 数据工程师、FAANG 和独角兽高级数据工程师), U.S. BLS OEWS May 2024 (15-2051 数据科学家, 15-1252 软件开发人员)。数据为估算值；实际薪酬取决于职位、地区和经验。
PDE 是 GCP 数据领域最受欢迎的认证，也是 GCP 重点公司中高级数据工程师职位最有力的信号之一。在数字原生 GCP 商店（Spotify、Snap、PayPal、Wayfair、多家主要零售商和广告技术公司）、以 BigQuery 为中心的分析组织以及拥有数据实践的 Google Cloud 合作伙伴中需求旺盛。该认证在 Google 内部也受到重视，用于客户工程数据专家。PDE 自然地与专业 ML 工程师 (PMLE) 结合，形成端到端的“数据 + ML”组合，并与云架构师 (PCA) 结合，形成更广泛的高级工程组合。持有者持续报告收到招聘人员的积极反馈。
没有正式的先决条件。Google 建议拥有三年或以上行业经验，其中一年或以上是在 Google Cloud 上设计和管理解决方案的经验。实际上，对于数据新手而言，PDE 并非一个可靠的首次 GCP 认证——成功的候选人通常已交付过非简单的流水线，并具备 SQL、Python 实践经验，以及至少对 Apache Beam 的概念性了解。
助理云工程师 (ACE) 是一个常见的垫脚石，但助理数据从业者 (ADP) 是针对数据特定内容的更直接的入门途径。熟练掌握 SQL（窗口函数、CTEs、ARRAY/STRUCT 操作）、至少熟悉一种用于 Beam 流水线的编程语言（Python 或 Java），以及熟悉流式传输概念（窗口、水印、精确一次交付）是实际要求。Google Cloud Skills Boost 上的官方数据工程师学习路径（大约 50-80 小时的实验）是一个很好的基础。
PDE 被评定为专业级，且难度一贯很高——许多考生认为它是继 PCA / PCNE 之后第二难的 GCP 认证，主要原因是流处理和 Dataflow / Apache Beam 内容。如果 PDE 是您的第一个 GCP 专业认证，请计划在 10-14 周内投入 100-150 小时的学习；如果您已持有 ACE / ADP 认证并具备生产数据工程经验，则计划在 5-8 周内投入 50-80 小时。考试包含 50-60 道多项选择 / 多项选择题，时长 120 分钟，通过 Pearson VUE 交付（Google 于 2026 年初从 Kryterion / Webassessor 迁移——2026 年 2 月 23 日至 3 月 1 日期间无考试；首次 Pearson 交付为 2026 年 3 月 2 日）。
最常见的绊脚石是 Dataflow 流处理——窗口策略（固定、滑动、会话）、水印、延迟数据和精确一次语义在失败尝试中占了不成比例的份额。第二个绊脚石是在 BigQuery、Bigtable、Spanner 和 Cloud SQL 之间进行选择，以应对多种技术方案都可行的存储场景。Google 不公布具体分数——只显示通过/未通过。该凭证有效期为两年，重新认证需要再次通过当前考试。
现有考试指南于 2023 年初更新，增加了对 BigLake、BigQuery Omni、Dataform、Dataplex 和 Datastream 的覆盖。扩展了与 Vertex AI 的 ML 流水线集成。
重大更新，重新平衡了存储和处理领域，并增加了对 Pub/Sub Lite 和 Dataflow Prime 的覆盖。
首次全面推出——首批三个 Google Cloud 专业认证之一。
PDE (Google Cloud Professional Data Engineer) 是一门一项具有挑战性、场景丰富的考试，要求具备深入的实际操作经验以及做出架构权衡决策的能力Professional级别考试。大多数考生需要为专业和专家级别考试学习 150-300 小时，分摊在 3-6 个月内完成。这些考试通常要求具备先前的助理级别熟练度。 大多数在模拟考试中持续得分高于及格线的考生，在第一次尝试时都能通过。
大多数考生需要为专业和专家级别考试学习 150-300 小时，分摊在 3-6 个月内完成。这些考试通常要求具备先前的助理级别熟练度。 通过考试所需时间因个人经验而异。在底层技术方面具有实际生产经验的工程师通常所需时间较少；平台新手则应计划在学习时间范围的上限。
PDE 是 GCP 生态系统中公认的证书，向雇主、招聘人员和客户表明您已具备经过验证的知识。它是否值得您投入时间和费用取决于您的角色和目标——对于日常使用 GCP 或希望从事相关工作的云工程师、架构师和顾问来说，其回报通常最大。
PDE 的及格分数是 未公布。考试包含 50 道题，时长为 2 小时。
PDE 考试费用为 $200 USD。费用由 GCP 设定，并可能因地区而异；预订前请务必在 GCP 官方认证页面确认当前价格。
Google Cloud 专业级认证有效期为 2 年。通过重新通过当前版本的考试来重新认证。
是的。您可以选择在线考试（通过提供商的安全浏览器进行监考，在大多数地区全天候可用）或在工作时间内前往 Pearson VUE 线下考试中心参加。两种形式使用相同的题目、时间限制和及格分数。
CertLabPro 为 PDE 提供了包含 15 种学习模式的练习题库。考试模拟模式与真实考试一致：50 道题，时长 2 小时，及格分数同样为 未公布。浏览模式允许您静态阅读所有问答。