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.
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.