W przyszłym roku będziesz trenować modele ML i musisz przechowywać dane telemetryczne pojazdów w chmurze, minimalizując jednocześnie koszty. Jakie podejście do przechowywania danych należy zastosować?

Prawidłową odpowiedzią jest kompresowanie godzinowych migawek i przechowywanie ich w zasobniku Cloud Storage Coldline. Dane telemetryczne pojazdów, które będą używane do trenowania modeli ML w przyszłym roku, są danymi rzadko dostępnymi (cold data). Cloud Storage Coldline jest przeznaczony do przechowywania danych, do których dostęp jest potrzebny rzadziej niż raz w miesiącu, co minimalizuje koszty przechowywania przy zachowaniu rozsądnych kosztów dostępu. Kompresja danych dodatkowo zmniejsza wymagane miejsce i koszty. Przesyłanie danych w czasie rzeczywistym do Dataflow i przechowywanie w BigQuery lub Cloud Bigtable jest droższe i niepotrzebne, ponieważ dane nie są wymagane natychmiastowo. Cloud Storage Nearline jest droższy niż Coldline i przeznaczony do danych, do których dostęp jest potrzebny średnio raz w miesiącu, co nie jest optymalne dla danych używanych raz w roku.