Zadanie Dataflow agreguje i zapisuje metryki szeregów czasowych do Bigtable, ale zapisy są wolne, a wielu użytkowników pulpitów nawigacyjnych potrzebuje świeższych danych. Które dwie akcje poprawią opóźnienie zapisu i współbieżność?

Zwiększenie maxNumWorkers w Dataflow pozwala na uruchomienie większej liczby instancji roboczych, co zwiększa równoległość przetwarzania danych i przyspiesza zapisy do Bigtable. Dodanie węzłów do klastra Bigtable zwiększa jego przepustowość i pojemność, co pozwala na obsługę większej liczby operacji zapisu na sekundę, poprawiając opóźnienie i współbieżność. Uruchomienie potoku w trybie lokalnym jest przeznaczone do testowania i debugowania, a nie do produkcji, więc nie poprawi wydajności. Transformacje Flatten i CoGroupByKey służą do łączenia lub grupowania danych w potoku, a nie bezpośrednio do poprawy wydajności zapisu do Bigtable.