您将使用 BigQuery ML 构建模型并将其托管在 Vertex AI 上。供应商数据流持续到达，并且可能包含无效值。为了在 BigQuery 之前进行近乎实时的处理和清理，您应该怎么做？

正确答案是：创建一个 Pub/Sub 主题并将所有供应商数据发送到该主题。使用 Dataflow 处理和清理 Pub/Sub 数据并将其流式传输到 BigQuery。 解释： 此方案需要近乎实时的处理和清理，然后才能将数据存储在 BigQuery 中。 1. Pub/Sub 是一个异步消息传递服务，非常适合接收来自多个供应商的持续数据流。 2. Dataflow 是一个完全托管的流式数据处理服务，能够以近乎实时的方式对 Pub/Sub 中的数据进行复杂的转换、清理和验证。它非常适合处理无效值。 3. 处理后的数据可以从 Dataflow 直接流式传输到 BigQuery，为 BigQuery ML 模型提供干净的数据。 其他选项的不足之处： 直接流式插入 BigQuery：虽然 BigQuery 支持流式插入，但它本身不提供近乎实时的复杂数据清理和转换能力。在数据进入 BigQuery 之前处理无效值是关键。 Cloud Functions：对于持续的高吞吐量流式数据处理，Cloud Functions 可能不够强大或成本效益不高。它们更适合事件驱动的、短时运行的任务。