Tiene una tabla de sensores (500 MB) con metadatos de sensores que se actualizan cada hora. Cada sensor emite una métrica cada 30 segundos con una marca de tiempo. Necesita almacenar las métricas en BigQuery, ejecutar análisis semanales y minimizar el costo. ¿Qué modelo de datos utiliza?

La opción correcta es crear una tabla de métricas separada y particionada por marca de tiempo. Esto optimiza el costo en BigQuery porque las consultas que filtran por rango de tiempo solo escanean las particiones relevantes, reduciendo la cantidad de datos procesados. Usar INSERT es eficiente para añadir datos nuevos y continuos. Unir las tablas solo cuando sea necesario evita la duplicación de datos y mantiene la flexibilidad. Las opciones incorrectas que proponen usar una columna RECORD REPEATED en la tabla de sensores no son adecuadas para datos que crecen constantemente como las métricas, ya que cada actualización implicaría reescribir toda la fila, lo cual es ineficiente y costoso. Además, usar UPDATE para añadir nuevas métricas cada 30 segundos es muy ineficiente y costoso en BigQuery, que está optimizado para cargas de trabajo de inserción masiva y análisis, no para actualizaciones frecuentes a nivel de fila.