您有 10 PB 的歷史產品資料用於分析，以及每個產品 10 GB 的最新已知狀態資料，這些資料必須以高達 1000 QPS 的速度為 API 提供服務，且延遲時間小於 1 秒。哪種儲存設計具有成本效益，並能滿足分析和 API 的需求？

此解決方案利用 BigQuery 處理 10 PB 的歷史資料進行分析，BigQuery 專為大規模分析而設計，具有成本效益。同時，它使用 Cloud SQL 儲存 10 GB 的最新產品狀態，並以高達 1000 QPS 的速度為 API 提供服務，且延遲時間小於 1 秒。Cloud SQL 是一個託管式關聯式資料庫服務，非常適合需要低延遲和高 QPS 的交易性工作負載。 選項 1 錯誤，因為直接從 BigQuery 為 API 提供最新狀態不符合低延遲和高 QPS 的要求，BigQuery 專為分析而設計，而非即時交易。選項 2 錯誤，因為 Firestore 不適合儲存 10 PB 的歷史資料進行分析，其查詢能力和成本效益不如 BigQuery。選項 3 錯誤，因為 Cloud SQL 不適合儲存 10 PB 的歷史資料，其成本和效能會成為瓶頸。