一位資料科學家建立了一個 BigQuery ML 模型。您必須透過 REST API 提供每位使用者的預測，且延遲時間少於 100 毫秒。預測查詢為：SELECT predicted_label, user_id FROM ML.PREDICT(MODEL 'dataset.model', TABLE user_features)。您應該如何建構服務管道？

正確答案是建立一個 Dataflow 管道，將 BigQuery ML 預測結果寫入 Bigtable，因為 Bigtable 是一個低延遲、高吞吐量的 NoSQL 資料庫，非常適合儲存和提供單一使用者查詢的預測結果。API 可以快速從 Bigtable 讀取特定使用者的預測，滿足低於 100 毫秒的延遲要求。 其他選項不適合： 在 ML.PREDICT 查詢中新增 WHERE 子句會導致每次預測請求都執行 BigQuery ML 模型，這對於低延遲的單一使用者查詢來說效率低下且成本高昂。 為預測查詢建立授權視圖並分享資料集，仍然需要每次查詢都執行 BigQuery，不符合低延遲要求。 使用 Dataflow 工作來執行查詢並返回結果，雖然 Dataflow 可以處理大規模數據，但每次請求都啟動 Dataflow 工作來執行單一預測，會引入不必要的延遲。