El próximo año entrenará modelos de ML y necesita almacenar la telemetría del vehículo en la nube, minimizando los costos. ¿Qué enfoque de almacenamiento debería utilizar?

La opción correcta es almacenar instantáneas horarias comprimidas en Cloud Storage Coldline. Coldline es una clase de almacenamiento de objetos de bajo costo, ideal para datos a los que se accede con poca frecuencia (como la telemetría histórica para entrenamiento de ML) y ofrece un costo total de propiedad optimizado para este caso de uso. Comprimir los datos en el vehículo reduce el volumen de datos transferidos y almacenados, lo que minimiza aún más los costos. Las otras opciones son menos adecuadas: Cloud Storage Nearline es más caro que Coldline y no ofrece un beneficio significativo para datos que se acceden anualmente. Transmitir a Dataflow y almacenar en BigQuery o Bigtable introduce complejidad y costos adicionales para procesamiento en tiempo real que no se requiere para el entrenamiento de ML anual. BigQuery es costoso para grandes volúmenes de datos brutos y Bigtable es una base de datos NoSQL de alto rendimiento diseñada para cargas de trabajo de baja latencia, no para almacenamiento de bajo costo de datos históricos.