HRL 必须存储完整的历史遥测数据，仅对前一个赛季的数据进行训练，并规划不断增长的数据量和模式。哪种存储解决方案最适合？

BigQuery 是一个完全托管的、PB 级数据仓库，非常适合存储大量历史遥测数据，并支持不断增长的数据量。按赛季分区可以优化查询性能和成本，而其无模式特性允许模式扩展，这对于不断变化的遥测数据至关重要。Firestore 适用于文档型数据，但对于分析大量历史数据效率不高。Cloud Spanner 是一个关系型数据库，适用于事务性工作负载，但对于分析场景来说成本更高且复杂。为每个赛季使用单独的 Cloud SQL 实例会增加管理开销，并且 Cloud SQL 不适合 PB 级数据量和复杂的分析查询。