Sie fügen 10.000 Social-Media-Nachrichten pro Minute per Stream in BigQuery ein und führen sofort Aggregationen aus. Abfragen verpassen jedoch aufgrund der Eventual Consistency noch nicht vollständig verarbeitete Zeilen. Wie sollten Sie das Anwendungsdesign anpassen?
Wählen Sie eine Antwort
Tippen Sie auf eine Option, um Ihre Antwort zu überprüfen.
Richtige Antwort: Schätzen Sie die durchschnittliche Latenz für die Datenverfügbarkeit nach Streaming-Inserts und führen Sie Abfragen immer erst nach der doppelten Wartezeit aus..
Warum dies die Antwort ist
BigQuery Streaming-Inserts bieten Eventual Consistency. Das bedeutet, dass Daten nach dem Einfügen nicht sofort für Abfragen verfügbar sind. Um sicherzustellen, dass alle Daten in Aggregationen enthalten sind, ist es notwendig, eine Wartezeit einzuhalten. Das Schätzen der durchschnittlichen Latenz und das Warten der doppelten Zeitspanne stellt sicher, dass die meisten, wenn nicht alle, gestreamten Daten verarbeitet und abfragbar sind, bevor Aggregationen durchgeführt werden. Das Umschreiben der Anwendung für akkumulierte Daten alle 2 Minuten oder das Konvertieren in Batch-Loads würde die Echtzeit-Anforderung des Streamings untergraben. Das Laden in Cloud SQL und der stündliche Export würde ebenfalls die Echtzeit-Anforderung verfehlen und unnötige Komplexität hinzufügen.
Bestehen Sie Ihre Prüfung – ohne endlose Antwortsuche
Erhalten Sie jede verifizierte Frage und Erklärung für diese Prüfung an einem Ort und sparen Sie Stunden der Vorbereitung. Über 1.000 Zertifizierungen · Über 20 Sprachen · Kostenloser Start.
Bestehen Sie Ihre Prüfung schneller → Keine Karte erforderlich