ケーススタディ攻略と試験対策

ケーススタディの読み方 — 原文を翻訳表に落とす型

Professional Cloud Architect 試験の最大の特徴は、架空企業のシナリオ（ケーススタディ）を参照して答える問題群です。公式ページによれば、標準試験は 2 時間・50〜60 問で、そのうち 20〜30% がケーススタディ由来（2026-08 時点）。試験中はケーススタディ原文を分割画面で参照できますが、本番で初見だと読むだけで時間が溶けます。事前に「諳んじて要約できる」水準まで読み込み、本番では確認だけで済ませるのが合格者の定石です。

ケーススタディの原文はどれも同じ 6 部構成です。各セクションから拾うべき情報は決まっています。

読んだら、内容を 2 つに仕分けします。制約は動かせない前提（リース期限、残すレガシー、既存の技術選定）、要求は満たすべきゴール（可用性 99.9%、レイテンシ最小化）です。制約は選択肢を消し、要求は選択肢を選びます。そのうえで要件 1 行ごとに「Google Cloud のどのプロダクトで、なぜ満たせるか」を書いた翻訳表を作ります。この章の 4 節で見せる表がその完成形です。

4 大ケーススタディを設計し切る

ここからは 4 本を 1 本ずつ、翻訳表と推奨アーキテクチャに落とします。原文 PDF（各 3 ページ・英語）は必ず一度は通読してください。なお機械学習系の要件は、本書では Gemini Enterprise Agent Platform（旧称 Vertex AI。以下 Agent Platform）へ翻訳します。マネージドなモデル学習（AutoML / カスタムトレーニング）とオンライン予測を提供するプラットフォームで、TensorFlow をはじめとする主要な ML フレームワークをサポートします。

EHR Healthcare — コロケーション脱出と階層化ハイブリッド

電子カルテ（EHR）SaaS の大手。コロケーション DC のリース期限が迫るなか、Google Cloud への移行を決めた——という設定です（原文 PDF）。鍵は 3 つ。①顧客向け Web アプリはコンテナ化済みで複数の Kubernetes クラスタで動いている、②保険会社とのレガシー連携（ファイル / API ベース）は数年はオンプレに残す、③ユーザー管理は Microsoft Active Directory。つまり全面移行ではなく、フロントはクラウド・レガシーはオンプレの階層化ハイブリッド（tiered hybrid）パターンです（アーキテクチャセンター参照）。

AD の扱いは EHR 頻出論点です。Managed Service for Microsoft AD は Google Cloud がドメインコントローラーの運用（パッチ適用・冗長化）まで面倒を見るマネージド AD で、既存のオンプレ AD とはフォレスト間の信頼（forest trust）で接続できます。「AD を作り直す」のではなく「信頼でつなぐ」が正解の型です。

Helicopter Racing League — 動画配信と ML 予測のクラウド間移行

世界規模のヘリコプターレースリーグ。ライブ中継とレース予測を有料配信しており、別のパブリッククラウドから Google Cloud への移行を検討している設定です（原文 PDF）。動機は 2 つ——マネージド AI/ML でレース予測（勝敗・機体故障・観客感情）を強化すること、新興国の視聴者の近くでコンテンツを配信すること。既存環境は「オブジェクトストレージにコンテンツ、ジョブごとに VM を立ててトランスコード、VM 上の TensorFlow で予測」です。それぞれをマネージドサービスに置き換えるのが軸になります。

配信レイヤーの選定が HRL らしさです。Media CDN は Cloud CDN を補完する動画・大容量配信特化の CDN で、Google のエッジキャッシュ網から配信します。Web サイトの高速化なら Cloud CDN（第 5 章）、ストリーミング動画の大規模配信なら Media CDN、という使い分けです。トランスコードはTranscoder API に任せ、「Cloud Storage に置く → ジョブ投入 → 結果を Cloud Storage へ」という非同期フローに置き換えます。

Mountkirk Games — GKE とグローバルリーダーボード

モバイルゲーム会社。オンプレからの移行はすでに完了しており、次の新作——数百人同時対戦の FPS——をクラウドネイティブ前提で新規設計する攻めのケースです（原文 PDF）。ソリューションコンセプトに答えの骨格が明記されています: バックエンドは GKE、プレイヤーは Google のグローバル LB で最寄りのリージョンのアリーナへ、全アリーナ横断のリーダーボードはマルチリージョン Spanner。役員声明の「レイテンシが最優先、コスト管理が次点」が選択肢を絞る最終基準です。

リーダーボードに Spanner を選ぶ根拠は言語化できるようにしてください。Spanner はリレーショナルな強整合トランザクションを保ちながら水平スケールし、リージョナル / デュアルリージョン / マルチリージョン構成を選べます。公式ドキュメントもゲームデータベースを明示的なユースケースに挙げています。「世界中のアリーナから書き込まれ、順位の整合が崩れてはならない」——この 1 行が Cloud SQL でも Firestore でもなく Spanner を指します。

TerramEarth — IoT テレメトリとパートナー API 基盤

鉱業・農業向け重機メーカー。200 万台の車両が稼働し、年 20% 成長。重要データだけをリアルタイム送信し、残りのセンサーデータ（1 台あたり 1 日 200〜500MB）は帰還時に一括アップロードする——というデータ量の設計が主役です（原文 PDF）。すでに Google Cloud 上にデータ基盤があり、工場からのデータを受けるオンプレ DC とは複数の Interconnect で接続済み。5 年計画は「データへのアクセスを開放してパートナーエコシステムを作る」ことで、これが API 管理（Apigee）を軸にした問題を生みます。

Apigee は Google Cloud の API 管理プラットフォームで、バックエンドの前に API プロキシを立て、分析・公開管理・開発者ポータルまで提供します。「パートナーに API を公開し、収益化や利用制御まで求められたら Apigee」は PCA の頻出パターンです（軽量なら API Gateway / Cloud Endpoints という選択肢もあります）。

解答テクニックと本番までの流れ

3 つの解答原則

• ビジネス要件優先: 技術的に成立する選択肢は複数あります。最後の 1 つは「コスト最小化」「運用の複雑さ最小化」「レイテンシ最優先」といったその会社の宣言が決めます。問題文に「最もコスト効率よく」「最小の運用負荷で」という副詞が付いたら、それが正解の判定軸です。
• 消去法: 4 択のうち 1〜2 個はたいてい明確な要件違反（リージョナルなプロダクトでグローバル要件に答える、強整合が要るのに結果整合のストアを選ぶ、など）です。まず消してから残りを比較すると速く正確になります。
• 「Google 推奨」で選ぶ: 試験ガイドは Google Cloud Well-Architected Framework の理解を重要な前提に挙げています（運用の卓越性・セキュリティ・信頼性・パフォーマンス最適化・コスト最適化・サステナビリティの柱）。迷ったら「マネージドサービス優先」「需要に応じたスケール」「最小権限」「IaC による再現性」という Framework 側の推奨に寄せた選択肢が正解になりやすい、というのが実戦則です。

試験の形式と更新（2026-08 時点）

受験登録・最新の試験ガイド・サンプル問題はすべて認定資格の公式ページが起点です。英語版ガイド v6.1（2026-08 時点）ではセクション 1（設計と計画）が約 25% と最大の配点で、生成 AI 関連の考慮事項（Model Garden、AI Hypercomputer、Gemini Cloud Assist など）がセクション 1〜2 に明示的に入っています。当日は前半で自信のある問題を素早く確定し、ケーススタディ問題は「事前に作った翻訳表の記憶 → 原文の該当行だけ分割画面で確認」の順で処理すると、1 問あたり約 2 分のペースを守れます。

ハンズオン

gcloud pubsub topics create te-telemetry
bq mk --location=asia-northeast1 --dataset case18
bq mk --table case18.telemetry data:STRING

PROJECT_ID=$(gcloud config get-value project)
PROJECT_NUMBER=$(gcloud projects describe "$PROJECT_ID" --format="value(projectNumber)")
gcloud projects add-iam-policy-binding "$PROJECT_ID" \
  --member="serviceAccount:service-${PROJECT_NUMBER}@gcp-sa-pubsub.iam.gserviceaccount.com" \
  --role="roles/bigquery.dataEditor"

gcloud pubsub subscriptions create te-to-bq \
  --topic=te-telemetry \
  --bigquery-table="${PROJECT_ID}.case18.telemetry"
gcloud pubsub topics publish te-telemetry \
  --message='{"vehicle_id":"TE-0001","engine_temp_c":92,"fuel_pct":41}'
gcloud pubsub topics publish te-telemetry \
  --message='{"vehicle_id":"TE-0002","engine_temp_c":105,"fuel_pct":12}'

bq query --nouse_legacy_sql 'SELECT data FROM case18.telemetry'

gcloud pubsub subscriptions delete te-to-bq --quiet
gcloud pubsub topics delete te-telemetry --quiet
bq rm -r -f case18
gcloud projects remove-iam-policy-binding "$PROJECT_ID" \
  --member="serviceAccount:service-${PROJECT_NUMBER}@gcp-sa-pubsub.iam.gserviceaccount.com" \
  --role="roles/bigquery.dataEditor"

誤答の弱点マップ（例）
セクション            誤答  再読する章
1. 設計と計画          2    第 5 章 / 第 7 章 / 第 9 章
3. セキュリティ        1    第 13 章
6. 信頼性              1    第 15 章

つまずきポイント

理解度チェック

まとめ — 本書の総仕上げ

• ケーススタディは「原文 6 セクション → 制約と要求に仕分け → 要件 1 行ごとにプロダクト翻訳 → ビジネス要件で 1 択」の型で読み解く。翻訳表を自分の手で作ることが最良の試験対策になる
• EHR = 階層化ハイブリッド（GKE + Interconnect + Managed Microsoft AD）、HRL = 動画と ML のマネージド化（Media CDN + Transcoder API + Agent Platform）、Mountkirk = クラウドネイティブ新規設計（GKE + グローバル外部 ALB + マルチリージョン Spanner）、TerramEarth = 2 経路のデータ基盤とパートナー API（Pub/Sub / Cloud Storage + BigQuery + Apigee）
• 解答は「ビジネス要件優先 → 消去法 → Google 推奨（Well-Architected Framework）」の順で絞る
• 試験ガイドとケーススタディは版が更新される。2026-08 時点の v6.1 では生成 AI 色が強まり、参照ケーススタディも刷新された。受験直前に必ず公式ページで最新版を確認する
• 受験が終わったら、第 1 章で作った学習用プロジェクトに残ったリソースを棚卸しして削除し、予算アラートが鳴らない状態で締めくくる。第 17 章のコスト最適化は自分の学習環境にも効く

参考リンク:

• Professional Cloud Architect 認定資格（受験登録・試験ガイド・サンプル問題の起点）
• 試験ガイド v6.1（英語版 PDF）
• EHR Healthcare 原文 / Helicopter Racing League 原文 / Mountkirk Games 原文 / TerramEarth 原文
• ハイブリッド / マルチクラウドのアーキテクチャパターン
• Managed Service for Microsoft Active Directory
• Media CDN / Transcoder API
• Pub/Sub の BigQuery サブスクリプション
• Apigee API 管理