Sie werden im nächsten Jahr ML-Modelle trainieren und müssen Fahrzeugtelemetriedaten in der Cloud speichern, während Sie die Kosten minimieren. Welchen Speicheransatz sollten Sie verwenden?

Die Speicherung komprimierter stündlicher Snapshots in einem Cloud Storage Coldline-Bucket ist die kostengünstigste Lösung für Telemetriedaten, die für das ML-Training im nächsten Jahr benötigt werden. Coldline bietet sehr niedrige Speicherkosten bei akzeptablen Zugriffskosten für Daten, die selten abgerufen werden. Die Komprimierung reduziert die Speichermenge zusätzlich. Die Speicherung in einem Nearline-Bucket wäre teurer als Coldline, da Nearline für Daten gedacht ist, die etwa einmal im Monat abgerufen werden, während Coldline für Daten optimiert ist, die seltener als einmal im Monat abgerufen werden. Das Streaming an Dataflow und die Speicherung in BigQuery oder Cloud Bigtable wären für diesen Anwendungsfall deutlich teurer. BigQuery ist ein Data Warehouse für Analysen und Bigtable ist eine NoSQL-Datenbank für hohe Durchsatzraten, beides ist nicht primär für die kostengünstige Langzeitspeicherung von Rohdaten optimiert, die erst später verarbeitet werden.