Nano Hash - криптовалюты, майнинг, программирование

Streaming Insert API дросселирование

Мы оцениваем BigQuery и в рамках этого пробуем потоковую вставку API. Мы читаем из очереди kafka и отправляем полученные данные с помощью API потоковой вставки.

Документы Google говорят, что предел регулирования API составляет 10 запросов в секунду.

Мои вопросы:

  1. Применяется ли ограничение к таблице? Если мы вставим до 15 разных таблиц в секунду, будет ли это дросселировано?

  2. Применяется ли ограничение к каждому проекту? Если да, то если мы читаем и вставляем одновременно, то, как я понимаю, скорость чтения API будет 1/сек и такая же для API вставки. Это правильно?

  3. Есть ли ограничения по количеству столов?
  4. Есть ли ограничения на количество наборов данных?
  5. Также после дросселирования, через сколько времени будет снято ограничение на дросселирование?

Спасибо,
Сурав

google-bigquery
03.07.2014

Ответы:


1
  1. Максимальное количество строк в секунду: 10 000 строк в секунду на таблицу.
  2. Дополнительные ограничения можно найти здесь: https://developers.google.com/bigquery/quota-policy
  3. и 4. Я не знаю таких ограничений
03.07.2014
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..