Cloud Function, обрабатывающая HTTP POST-запросы, получает плоские JSON-данные, которые должны быть немедленно доступны для сложной параллельной аналитики. Как следует сохранять эти данные?

Правильный ответ — преобразовать JSON-данные POST-запроса и передать их в BigQuery. BigQuery — это полностью управляемое, бессерверное хранилище данных, оптимизированное для аналитики больших объемов данных и сложных параллельных запросов. Это идеальное решение для немедленного доступа к данным для аналитики. Непосредственное сохранение JSON-данных в Datastore неоптимально, так как Datastore (теперь часть Firestore в режиме Datastore) — это документоориентированная база данных, лучше подходящая для транзакционных рабочих нагрузок, а не для сложной аналитики больших объемов. Преобразование данных и сохранение их в региональном кластере Cloud SQL не подходит, поскольку Cloud SQL — это реляционная база данных, которая не масштабируется так эффективно для параллельной аналитики больших объемов данных, как BigQuery. Сохранение JSON-данных как отдельных файлов в Cloud Storage может быть частью ETL-процесса, но само по себе не обеспечивает "немедленный доступ для сложной параллельной аналитики". Для анализа этих данных потребуется дополнительный шаг загрузки в аналитическую систему.