Quelle combinaison de services Google Cloud implémente un pipeline d'analyse de jeux en temps réel qui répond aux exigences ?

Cette combinaison de services est idéale pour un pipeline d'analyse de jeux en temps réel. Cloud Pub/Sub ingère les données d'événements de jeu en temps réel. Cloud Dataflow traite ces données en continu, effectuant des transformations et des agrégations. BigQuery stocke les données traitées pour des analyses ad hoc et des tableaux de bord, offrant des performances de requête élevées sur de grands ensembles de données. Cloud Storage peut être utilisé pour archiver les données brutes ou stocker des résultats intermédiaires. Les autres options sont moins adaptées : Kubernetes Engine, Cloud Pub/Sub et Cloud SQL : Kubernetes Engine pourrait traiter les données, mais Cloud SQL n'est pas optimisé pour l'analyse en temps réel de grands volumes de données. Cloud SQL, Cloud Storage, Cloud Pub/Sub et Cloud Dataflow : Cloud SQL est une base de données relationnelle, moins performante que BigQuery pour l'analyse de grands volumes. Cloud Dataproc, Cloud Pub/Sub, Cloud SQL et Cloud Dataflow : Cloud Dataproc est utile pour le traitement par lots, mais BigQuery est plus adapté pour l'analyse en temps réel. Cloud Pub/Sub, Compute Engine, Cloud Storage et Cloud Dataproc : Compute Engine nécessiterait une gestion manuelle de l'infrastructure de traitement, et Cloud Dataproc est plus orienté batch.