Análises centrais no BigQuery com cargas diárias e um ETL que é frequentemente modificado; a corrupção de dados pode ser descoberta até duas semanas depois. Como você deve organizar as tabelas e armazenar backups para permitir armazenamento de baixo custo e recuperação pontual (point-in-time)?

A opção correta é usar tabelas mensais e decoradores de snapshot do BigQuery. O BigQuery mantém um histórico de 7 dias para cada tabela, permitindo restaurar dados para qualquer ponto dentro desse período usando decoradores de snapshot (@HHMMSS-DDMMYYYY). Para corrupção de dados que pode ser descoberta até duas semanas depois, a estratégia de tabelas mensais é crucial. Ao ter tabelas separadas por mês, você pode restaurar uma tabela mensal específica para um ponto anterior dentro dos 7 dias de seu histórico, sem afetar outras tabelas. Isso oferece recuperação pontual e baixo custo, pois não exige backups externos frequentes. As outras opções são menos eficientes ou mais caras: Exportar a tabela inteira para o Cloud Storage é caro e demorado, além de não oferecer recuperação pontual granular. Criar uma tabela separada por mês e exportar cada uma para o Cloud Storage ainda é custoso e complexo para gerenciar. Duplicar tabelas mensais em um dataset separado do BigQuery duplica o custo de armazenamento e não oferece a granularidade de recuperação pontual dos snapshots.