Sie benötigen eine hochskalierbare API mit geringster Latenz, die Echtzeit-Aktienkursdaten aus einer internen Datenbank zurückgibt. Welche Architektur minimiert die Latenz bei gleichzeitiger Skalierung?

Die Verwendung von Memorystore for Redis zum Zwischenspeichern der am häufigsten aufgerufenen Daten minimiert die Latenz erheblich, da Redis ein In-Memory-Datenspeicher ist, der extrem schnelle Lesezugriffe ermöglicht. Bei einem Cache-Hit wird die interne Datenbank nicht belastet, was die Skalierbarkeit verbessert. Nur bei Cache-Misses wird auf die interne Datenbank zugegriffen. Das Speichern aller Daten in BigQuery und das Abfragen bei jeder Anfrage ist zu langsam, da BigQuery für analytische Workloads und nicht für Echtzeit-OLTP optimiert ist. Das Speichern aller Daten in Memorystore for Redis ist zwar schnell, aber teuer und möglicherweise nicht praktikabel für sehr große Datensätze, die nicht alle in den Cache passen. Bigtable ist eine gute Wahl für große Mengen an Zeitreihendaten, aber das Hinzufügen von Pub/Sub für jede Benutzeranfrage würde zusätzliche Latenz einführen und ist für die direkte Abfrage von Echtzeitdaten nicht ideal.