您需要標記已觀看影片中的實體，並對數 TB 的使用者偏好資料提供非常快速的篩選。哪種設計能同時滿足這兩種需求？

正確答案結合了Google Cloud的託管服務，能有效率地處理影片實體標記和大規模資料篩選。Cloud Video Intelligence API專為分析影片內容並標記實體而設計，省去了訓練和部署自訂模型的複雜性。Cloud Bigtable是一個高吞吐量、低延遲的NoSQL資料庫，非常適合儲存數TB的使用者偏好資料並進行快速篩選，以提供即時推薦。 選項1和2涉及訓練Spark MLlib模型，這對於影片實體標記來說過於複雜且效率低下，因為Cloud Video Intelligence API提供了現成的解決方案。此外，在Dataproc上部署模型可能無法提供Cloud Bigtable那樣的即時篩選效能。選項4使用Cloud SQL，它是一個關係型資料庫，雖然適合結構化資料，但對於數TB的使用者偏好資料進行快速篩選，其擴展性和效能通常不如Cloud Bigtable。