一个位于 europe-west4 区域的 Dataflow 流水线，最多有 3 个 n1-standard-1 worker，从 Pub/Sub 读取数据并写入 BigQuery EU。该流水线在高峰期受 CPU 限制。以下哪两项更改可以提高流水线吞吐量？

当 Dataflow 流水线在高峰期受 CPU 限制时，增加计算资源是提高吞吐量的直接方法。 1. 增加 worker 的最大数量：这允许 Dataflow 在需要时启动更多的 worker 实例，从而并行处理更多数据，分摊 CPU 负载。 2. 为 Dataflow worker 使用更大的机器类型：例如，从 n1-standard-1 升级到 n1-standard-4。更大的机器类型提供更多的 CPU 和内存资源，使每个 worker 能够处理更多数据或更复杂的操作，从而提高整体吞吐量。 其他选项： 将 Dataflow 流水线迁移到 us-central1 区域运行：这不会解决 CPU 限制问题，反而可能因跨区域数据传输增加延迟。 插入中间 Bigtable 或 Cloud Spanner 表作为缓冲区：这会增加流水线的复杂性和延迟，并引入额外的存储成本，无助于直接解决 Dataflow 流水线的 CPU 瓶颈。