我对 BQ 与 Cloud SQL 用例有点困惑。我在 BQ 中有几 Gbs 的行数据，需要在该数据上构建 Web 仪表板（SQL 与多个表的 JOIN）。
直接从 BQ 查询数据有很大的缺点（例如延迟或并发），我应该将数据移动到 Cloud SQL(pSQL) 并进行查询吗？
数据不是实时的。我预计最多有几百个并发请求。
我预计这方面的成本不会很高，因此查询速度和可靠性是主要目标。
谢谢！
【问题讨论】：
标签： google-bigquery google-cloud-sql
BigQuery 非常适合快速存储和查询大型数据集。
另一方面，Google Cloud SQL 主要基于关系数据库管理系统 (RDBMS) 概念。它提供对 MySQL 和 PostgreSQL 的支持。
不过，Big Query 最适合分析，但也可以处理交易数据。 BigQuery 相当快，肯定比在 CloudSQL 中查询要快，因为 BigQuery 是一个数据仓库，能够查询大得离谱的数据集以立即返回结果。当您必须处理非常大的数据集时，BigQuery 将是更便宜的数据库。 Cloud SQL 无论是 MySQL 还是 PostgreSQL 只能处理 up to 30,720 GB depending on the machine type for MySQL 或取决于是否 the instance has dedicated or shared vCPUs for PostgreSQL 而 BigQuery 没有这种存储限制。另请参考other quotas and limitation of BigQuery。
话虽如此，如果您没有正确构建查询，BigQuery 的费用可能会迅速增加，因为它会过于频繁地遍历太多数据。
Cloud SQL 和 BigQuery 定价不同，详情请参阅pricing page of Cloud SQL 和BigQuery。
我看到 this link 将 BigQuery 的一些功能与 CloudSQL 进行了比较。我认为文章中分享的细节可能会有所帮助。
通常，Cloud SQL is a relational database 更多用于交易目的，而另一方面 BigQuery 是分析数据仓库，用于分析、数据可视化、商业智能和/或机器学习等。所以，如果您的目的是存储用于交易目的的数据，那么 Cloud SQL 将是一个选择，但是，如果您存储数据用于分析目的，那么 BigQuery 是要走的路。
【讨论】：
数据不是实时的。我预计最多几百个并发请求。
值得注意的是BQ quota limits，在本例中为concurrent queries 的数量和API requests 的数量。 如果有几百个并发请求，您可能会达到极限。
【讨论】：