Sie verfügen über 10 PB an historischen Produktdaten für Analysen und 10 GB des letzten bekannten Zustands jedes Produkts, die eine API mit bis zu 1000 Abfragen pro Sekunde (QPS) und einer Latenz von <1s bedienen müssen. Welches Speicherdesign ist kostengünstig und erfüllt die Anforderungen für Analysen und APIs?

Die korrekte Option ist die beste Lösung, da BigQuery für die Analyse großer historischer Datenmengen (10 PB) optimiert ist und kostengünstige Speicherung sowie leistungsstarke Abfragen bietet. Cloud SQL ist ideal für die Speicherung des aktuellen Zustands (10 GB) und das Bedienen der API mit hoher QPS (1000) und niedriger Latenz (<1s), da es für transaktionale Workloads und schnelle Einzelzeilenabfragen ausgelegt ist. Die erste Option ist ungeeignet, da BigQuery nicht für die Bereitstellung von APIs mit hoher QPS und niedriger Latenz optimiert ist. Die zweite Option ist ineffizient für große historische Datenmengen, da Firestore nicht für 10 PB analytischer Abfragen konzipiert ist. Die dritte Option ist für 10 PB historische Daten zu teuer und nicht skalierbar genug für analytische Workloads.