Potrzebujesz wysoce skalowalnego API o najniższym opóźnieniu, które zwraca dane giełdowe w czasie rzeczywistym z wewnętrznej bazy danych. Która architektura minimalizuje opóźnienia, jednocześnie zapewniając skalowanie?

Prawidłowa odpowiedź minimalizuje opóźnienia, wykorzystując Memorystore for Redis jako pamięć podręczną dla często używanych danych. Redis jest bazą danych w pamięci, co zapewnia bardzo niskie opóźnienia dostępu. W przypadku braku danych w pamięci podręcznej (cache miss), system odwołuje się do wewnętrznej bazy danych, co jest standardową i efektywną strategią buforowania. Ta architektura zapewnia skalowalność, ponieważ Redis może obsługiwać dużą liczbę jednoczesnych żądań z niskim opóźnieniem. Pozostałe opcje są mniej optymalne: Przechowywanie danych w BigQuery i odpytywanie ich przy każdym żądaniu jest nieefektywne dla danych w czasie rzeczywistym, ponieważ BigQuery jest zoptymalizowane pod kątem analityki dużych zbiorów danych, a nie niskich opóźnień dla pojedynczych zapytań. Przechowywanie wszystkich danych w Memorystore for Redis może być kosztowne i niepraktyczne dla bardzo dużych zbiorów danych giełdowych, które mogą przekraczać dostępną pamięć. Użycie Bigtable i kolejkowanie żądań przez Pub/Sub wprowadza dodatkowe opóźnienia związane z kolejką i przetwarzaniem asynchronicznym, co jest sprzeczne z wymogiem najniższego opóźnienia dla API w czasie rzeczywistym.