Google bigquery 允许多个用户同时查看过时的BigQuery数据查询结果
如果我有一个BigQuery数据集，其中包含我想提供给1000人的数据（其中每个人只允许查看他们的数据子集，并且可以查看他们数据的24小时过期版本），我如何在不超过50个并发查询限制的情况下做到这一点 在BigQuery文档中提到允许50个并发查询，它们提供现场准确的数据，如果我需要它们都能够查看现场准确的数据，我会超过它们，而我没有 在文档中提到允许批处理作业并将结果保存到目标表中，我希望这能为我的场景提供可靠的解决方案，但我很难找到有关这些批处理作业运行的可靠性或频率的信息，而且，是否有人查询存在于这些目标表中的结果，其本身就是朝着50个并发用户的限制计数Google bigquery 允许多个用户同时查看过时的BigQuery数据查询结果,google-bigquery,Google Bigquery,如果我有一个BigQuery数据集，其中包含我想提供给1000人的数据（其中每个人只允许查看他们的数据子集，并且可以查看他们数据的24小时过期版本），我如何在不超过50个并发查询限制的情况下做到这一点 在BigQuery文档中提到允许50个并发查询，它们提供现场准确的数据，如果我需要它们都能够查看现场准确的数据，我会超过它们，而我没有 在文档中提到允许批处理作业并将结果保存到目标表中，我希望这能为我的场景提供可靠的解决方案，但我很难找到有关这些批处理作业运行的可靠性或频率的信息，而且，是否有人查
非常感谢您的建议。在不知道具体情况的情况下，根据输出中的数据量，我建议您将自己的缓存放在BigQuery前面 这听起来有点像一个仪表盘/报告解决方案，所以我假设有大量数据输入，而输出的数据相对较少（每个用户） 每天使用批处理脚本运行一次查询以生成输出（按用户分组），然后将其导出到GCS。然后，您可以将其分解为多个平面文件（或者只需在前端将其读入内存）。每个用户点击您的前端，您就可以决定向他们提供哪部分输出并做出响应 如果您可以处理缓存数据，并且它足够小，处理BigQuery输出不需要太多额外处理，那么这应该相对便宜
谷歌云功能可能是一个简单的方法来处理这个问题，如果你不想额外的工作来设置一个新的虚拟机来托管你的前端。在不知道你的具体情况和取决于输出中有多少数据的情况下，我建议把你自己的缓存放在BigQuery前面 这听起来有点像一个仪表盘/报告解决方案，所以我假设有大量数据输入，而输出的数据相对较少（每个用户） 每天使用批处理脚本运行一次查询以生成输出（按用户分组），然后将其导出到GCS。然后，您可以将其分解为多个平面文件（或者只需在前端将其读入内存）。每个用户点击您的前端，您就可以决定向他们提供哪部分输出并做出响应 如果您可以处理缓存数据，并且它足够小，处理BigQuery输出不需要太多额外处理，那么这应该相对便宜 如果你不想在安装新的虚拟机来承载你的前端时付出额外的工作，那么谷歌云功能可能是一个简单的方法来处理这个问题。你试过了吗？它们可以帮助您根据预期的用户数量适当地配置项目。默认情况下是50个并发查询，但是有很多大型项目支持的用户比这多得多。试试（开源仪表板），它可以将BigQuery作为后端。你试过了吗？它们可以帮助您根据预期的用户数量适当地配置项目。默认情况下，50个并发查询，但是有很多大型项目支持的用户比这多得多