Sie verfügen über ein Petabyte an Analysedaten und müssen Data-Warehouse-Analysen in Google Cloud unterstützen, während Sie Dateien für Batch-Tools in anderen Clouds bereitstellen. Was sollten Sie tun?

Die beste Lösung ist, den vollständigen Datensatz in BigQuery zu speichern und eine komprimierte Kopie der Daten in einem Cloud Storage-Bucket zu speichern. BigQuery ist ideal für Petabyte-große Analysedaten und Data-Warehouse-Analysen in Google Cloud. Durch das Speichern einer komprimierten Kopie in Cloud Storage können Batch-Tools in anderen Clouds auf die Daten zugreifen, da Cloud Storage eine hohe Verfügbarkeit und Interoperabilität bietet. Die Speicherung des gesamten Datensatzes nur in BigQuery würde den Zugriff für Batch-Tools in anderen Clouds erschweren. Bigtable ist eine NoSQL-Datenbank, die für hohe Durchsatzraten und geringe Latenzzeiten bei großen Mengen von Schlüssel-Wert-Daten optimiert ist, aber nicht primär für Data-Warehouse-Analysen. Die Aufteilung in "warme" und "aktive" Daten mit einem festen Verhältnis ist willkürlich und nicht die effizienteste Lösung für die gestellte Aufgabe, da BigQuery die gesamte Datenmenge effizient verwalten kann.