Je hebt gecombineerde logs van verschillende projecten van de afgelopen 60 dagen nodig en wilt deze snel verkennen en analyseren volgens de aanbevolen procedures van Google. Wat moet je doen?

De correcte optie is het aanmaken van een Logging sink naar een BigQuery-dataset met een vervaldatum van 60 dagen. Dit is de aanbevolen methode van Google voor het centraal verzamelen, analyseren en beheren van logs over meerdere projecten heen, en biedt krachtige querymogelijkheden en efficiënte opslag. BigQuery is geoptimaliseerd voor grote datasets en snelle analyses. De optie om in Cloud Logging resource.labels.projectid="" te selecteren is onjuist omdat Cloud Logging standaard logs per project toont en niet eenvoudig gecombineerde logs van verschillende projecten over een lange periode (60 dagen) efficiënt kan doorzoeken en analyseren op de schaal die hier wordt gevraagd. Een Logging sink naar Cloud Storage is onjuist omdat Cloud Storage primair een objectopslag is en niet geoptimaliseerd voor snelle, interactieve query's en analyses van loggegevens zoals BigQuery. Hoewel je levenscyclusregels kunt instellen, is de analyse veel minder efficiënt. Het gebruik van Cloud Scheduler om logs uit Logging te lezen en naar BigQuery te schrijven is onnodig complex en inefficiënt. Logging sinks zijn de ingebouwde, geautomatiseerde manier om logs te routeren en te exporteren, zonder dat er een aparte scheduler nodig is.