BigQuery ML ile bir model oluşturacak ve bu modeli Vertex AI üzerinde barındıracaksınız. Satıcı akışları sürekli olarak gelir ve geçersiz değerler içerebilir. BigQuery'ye aktarmadan önce neredeyse gerçek zamanlı işleme ve temizleme için ne yapmalısınız?

Doğru cevap, Pub/Sub ve Dataflow'u birleştirmektir. Pub/Sub, sürekli gelen satıcı akışlarını neredeyse gerçek zamanlı olarak alabilen ve dağıtabilen mesajlaşma hizmetidir. Dataflow, akış verilerini ölçeklenebilir bir şekilde işlemek, temizlemek ve dönüştürmek için idealdir. Bu sayede geçersiz değerler BigQuery'ye ulaşmadan önce ayıklanabilir ve veri kalitesi sağlanır. Son olarak, işlenmiş ve temizlenmiş veriler BigQuery'ye aktarılır ve BigQuery ML modeli için kullanılabilir hale gelir. Diğer seçenekler neden yanlış: BigQuery'ye doğrudan streaming inserts kullanmak, verilerin temizlenmesi ve işlenmesi adımını atlar, bu da geçersiz verilerin modele girmesine neden olabilir. BigQuery ML modelinin dağıtıldığı veri kümesine doğrudan streaming inserts, yine temizleme adımını atlar. Cloud Functions, daha küçük, olay tabanlı iş yükleri için uygundur ancak sürekli, yüksek hacimli akış verilerini işlemek için Dataflow kadar ölçeklenebilir veya güçlü değildir.