Vous disposez d'un pétaoctet de données analytiques et devez prendre en charge l'analyse d'entrepôts de données dans Google Cloud tout en exposant des fichiers pour des outils de traitement par lots dans d'autres clouds. Que devez-vous faire ?

La bonne approche consiste à stocker l'ensemble du pétaoctet de données analytiques dans BigQuery pour l'analyse d'entrepôts de données. BigQuery est un entrepôt de données sans serveur, hautement évolutif et rentable, idéal pour les charges de travail analytiques massives. Pour exposer les fichiers à des outils de traitement par lots dans d'autres clouds, il est judicieux de stocker une copie compressée des données pertinentes dans un bucket Cloud Storage. Cloud Storage offre une interopérabilité élevée et un accès facile via des API standard, ce qui le rend parfait pour le partage de données multi-cloud. Stocker et traiter l'ensemble du jeu de données dans BigQuery est une bonne partie de la solution, mais ne répond pas au besoin d'exposer des fichiers à d'autres clouds. Bigtable n'est pas un entrepôt de données analytique, mais une base de données NoSQL large colonne, inadaptée à cette charge de travail. La dernière option est trop complexe et le ratio 80/20 n'est pas une pratique standard pour ce cas d'utilisation.