MediaOpción múltiple

Pregunta de práctica de ACE

Una empresa utiliza BigQuery para análisis. Observan que las consultas son lentas y costosas. Los datos se cargan diariamente en una sola tabla. ¿Qué acción mejoraría más el rendimiento y reduciría el costo?

Elige la mejor respuesta.

Respuesta correcta

  • DParticionar la tabla por fecha y agrupar (cluster) por columnas filtradas frecuentemente.

Explicación

Particionar la tabla por fecha permite a BigQuery podar particiones durante la ejecución de la consulta, escaneando solo los datos diarios relevantes en lugar de toda la tabla. La agrupación en clústeres (clustering) en columnas filtradas frecuentemente reduce aún más los datos escaneados al ordenar los datos dentro de las particiones. Esto reduce directamente tanto el costo de la consulta (pago por byte) como la latencia, abordando el problema central de las consultas lentas y costosas en una tabla grande cargada diariamente.

Por qué cada opción es correcta o incorrecta

A

Incorrecta

Usar una reserva de tarifa fija (flat-rate reservation) para mejorar la concurrencia de consultas.

Una reserva de tarifa fija garantiza un número constante de slots para su proyecto, lo que mejora la concurrencia al evitar que otras cargas de trabajo roben capacidad. Sin embargo, no reduce la cantidad de datos escaneados ni acelera ninguna consulta individual; una consulta que escanea una tabla masiva seguirá tardando exactamente lo mismo, ya que los slots no son el cuello de botella cuando el problema es E/S y volumen de datos.

B

Incorrecta

Desnormalizar la tabla para reducir las uniones (joins).

Desnormalizar la tabla elimina operaciones JOIN costosas, lo que puede reducir el tiempo de ejecución de las consultas. Pero no aborda la causa raíz del análisis lento en BigQuery: los escaneos de tablas completas. De hecho, la desnormalización a menudo aumenta el tamaño del almacenamiento y los costos, y aunque puede reducir el tiempo de consulta en algunos casos, el particionamiento y el clustering proporcionan una forma más fundamentada y rentable de minimizar los bytes procesados por consulta.

C

Incorrecta

Aumentar el número de slots disponibles para el proyecto.

Aumentar el número de slots para su proyecto añade más capacidad de CPU y memoria, lo que ayuda cuando muchas consultas compiten por los recursos o cuando las consultas alcanzan el límite de slots por proyecto. Sin embargo, la latencia de una sola consulta está determinada principalmente por cuánta datos debe leer y procesar; agregar slots no hará que una consulta escanee menos datos, por lo que una consulta que filtre en una tabla no particionada seguirá leyendo toda la tabla y seguirá siendo lenta.

D

Correcta

Particionar la tabla por fecha y agrupar (cluster) por columnas filtradas frecuentemente.

Particionar la tabla por fecha permite a BigQuery utilizar la poda de particiones (partition pruning), de modo que las consultas con filtros de rango de fechas solo lean las particiones diarias relevantes en lugar de toda la tabla. La agrupación en clústeres en columnas filtradas con frecuencia organiza aún más los datos dentro de cada partición, lo que permite la poda a nivel de bloque según los valores de las columnas del clúster. Juntas, estas características reducen drásticamente los bytes escaneados y la E/S subyacente, mejorando directamente la velocidad de las consultas y reduciendo los costos.

Para profundizar

El rendimiento y el costo de BigQuery están fundamentalmente vinculados a la cantidad de datos escaneados. El particionamiento divide una tabla en segmentos de almacenamiento separados según una columna, típicamente una fecha, y una consulta con un filtro en esa columna solo lee las particiones coincidentes, lo que puede reducir drásticamente los bytes procesados. La agrupación en clústeres (clustering) reordena las filas dentro de las particiones por los valores de una o más columnas, y BigQuery almacena metadatos sobre los valores mínimos y máximos de cada bloque de clúster, lo que le permite omitir bloques enteros que no coinciden con los predicados del filtro. Un punto sutil pero importante: el clustering no garantiza la poda a menos que el filtro de la consulta esté en una columna de clúster, y el orden de las columnas de partición y clúster importa: el particionamiento es de grano grueso, el clustering es de grano fino. Una idea errónea común es que agregar más slots siempre acelera las consultas; en realidad, BigQuery ya escala automáticamente los slots para una sola consulta, y las consultas se atascan debido a cuellos de botella en E/S y volumen de datos, no por el recuento bruto de slots. Además, tenga en cuenta que BigQuery tiene un límite de 4000 particiones por tabla particionada, por lo que es posible que deba elegir un grano más grueso (por ejemplo, mes en lugar de día) para conjuntos de datos muy grandes. La optimización en el mundo real requiere analizar los filtros de consultas y los patrones de agrupación, y luego diseñar el diseño de partición y clúster para que coincida con esos patrones, lo que puede producir mejoras de órdenes de magnitud tanto en la latencia como en el costo.

Sobre estas preguntas de práctica

Esta es una de las preguntas de práctica originales de ACE de Courseiva, escrita para aprender y nunca copiada de exámenes reales ni de dumps.

Traducida del original en inglés con IA y revisada para comprobar el sentido. Los códigos de examen, los comandos y los nombres de productos se mantienen tal como aparecen en el examen.