GCP 数据流与云功能
GCP Dataflow vs Cloud Functions
我有一个现有系统，其中数据发布到 Pub/Sub 主题，由云功能订阅者读取并推送到 Big Query 以存储它（没有在订阅者 CF 中完成额外转换）。
使用 pub/sub-BQ 模板将我的订户 CF 更改为数据流流作业是个好主意吗？
使用它们有什么pros/cons？
一切都取决于您的用例和数据速率。
- 在发布到 PubSub 主题的稀疏数据的情况下，Cloud Function 运行良好并且几乎没有成本
- 在可持续流量的情况下，您必须注意处理时间。一个简单的数据流只会花费 1vm up（基本 vm，n1-standard-1）。 Cloud Functions 小时价格比 1vm up (n1-standard-1) 贵。在并发消息的情况下，会产生多个实例，这会增加处理成本。
您还必须考虑功能部署的难易程度（与数据流相反，您必须耗尽管道，停止并重新启动它）以及执行更多操作的能力（以及超过更长的时间）与数据流（你的处理能力有限，每条消息的处理时间不能超过 9 分钟）。
根据您的项目观点，一种解决方案可能更好。
作为奖励，我还有第三种选择：Cloud 运行。云 运行 几乎和函数更新和部署一样容易，处理时间稍长（每条消息 15 分钟）并且您可以在同一个实例上处理多条消息，因此定价可能会高得多由于这种分解，比函数更有趣。有兴趣的可以去this article that I wrote
看看
我有一个现有系统，其中数据发布到 Pub/Sub 主题，由云功能订阅者读取并推送到 Big Query 以存储它（没有在订阅者 CF 中完成额外转换）。
使用 pub/sub-BQ 模板将我的订户 CF 更改为数据流流作业是个好主意吗？ 使用它们有什么pros/cons？
一切都取决于您的用例和数据速率。
- 在发布到 PubSub 主题的稀疏数据的情况下，Cloud Function 运行良好并且几乎没有成本
- 在可持续流量的情况下，您必须注意处理时间。一个简单的数据流只会花费 1vm up（基本 vm，n1-standard-1）。 Cloud Functions 小时价格比 1vm up (n1-standard-1) 贵。在并发消息的情况下，会产生多个实例，这会增加处理成本。
您还必须考虑功能部署的难易程度（与数据流相反，您必须耗尽管道，停止并重新启动它）以及执行更多操作的能力（以及超过更长的时间）与数据流（你的处理能力有限，每条消息的处理时间不能超过 9 分钟）。
根据您的项目观点，一种解决方案可能更好。
作为奖励，我还有第三种选择：Cloud 运行。云 运行 几乎和函数更新和部署一样容易，处理时间稍长（每条消息 15 分钟）并且您可以在同一个实例上处理多条消息，因此定价可能会高得多由于这种分解，比函数更有趣。有兴趣的可以去this article that I wrote
看看