HRL muss die vollständigen historischen Telemetriedaten speichern, nur mit den Daten der vorherigen Saison trainieren und für wachsendes Volumen und Schema planen. Welche Speicherlösung passt am besten?

BigQuery ist die beste Lösung, da es für die Speicherung großer Mengen historischer Telemetriedaten optimiert ist und automatisch skaliert. Die Partitionierung nach Saison ermöglicht effizientes Abfragen und Training nur mit den Daten der vorherigen Saison. BigQuery unterstützt auch Schemaerweiterungen, was für wachsende Datenvolumen und sich ändernde Schemata entscheidend ist. Firestore ist eine NoSQL-Datenbank, die für Telemetriedaten weniger geeignet ist und keine effiziente Partitionierung nach Saison bietet. Cloud Spanner ist eine relationale Datenbank mit globaler Konsistenz, aber BigQuery ist für analytische Workloads mit großen Datensätzen kostengünstiger und besser geeignet. Cloud SQL mit separaten Instanzen pro Saison wäre unpraktisch und teuer in der Verwaltung bei wachsendem Datenvolumen.