Een real-time rit-aanvraagsysteem verwerkt elke 5 seconden de locaties van chauffeurs en boekingsgebeurtenissen, aggregeert elke 2 seconden vraag en aanbod van de laatste 30 seconden, en slaat de resultaten op voor dashboards met lage latentie. Welke keuze voor windowing en opslag voldoet aan deze vereiste?

De correcte optie is een hopping window met Memorystore. Een hopping window is ideaal omdat het overlappende vensters van 30 seconden creëert die elke 2 seconden vooruitgaan, wat perfect past bij de vereiste om elke 2 seconden de laatste 30 seconden aan vraag en aanbod te aggregeren. Dataflow is de aangewezen tool voor streamverwerking. Memorystore (een beheerde Redis- of Memcached-service) is een in-memory datastore die lage latentie biedt voor het opslaan en ophalen van geaggregeerde gegevens, wat essentieel is voor dashboards met lage latentie. Tumbling windows zijn niet geschikt omdat ze niet overlappen, wat betekent dat de aggregatie niet elke 2 seconden de meest recente 30 seconden zou omvatten. Session windows zijn ontworpen voor het groeperen van gerelateerde gebeurtenissen op basis van inactiviteit en zijn niet geschikt voor continue, tijdsgebonden aggregaties. BigQuery is een datawarehouse dat geoptimaliseerd is voor analytische queries over grote datasets, maar de latentie is doorgaans hoger dan die van Memorystore, waardoor het minder geschikt is voor dashboards die zeer lage latentie vereisen.