Respuesta correcta
- DAplicar clustering a la tabla en device_id
Explicación
Aplicar clustering en device_id organiza los datos dentro de cada partición diaria por device_id, lo que permite a BigQuery omitir bloques durante las consultas que filtran por esa columna. Esto reduce la cantidad de datos escaneados y mejora el rendimiento de las consultas sin cambiar el esquema de particionamiento. El particionamiento por sí solo solo limita los escaneos por rango de tiempo; el clustering añade ordenamiento intrapartición para filtros que no se basan en el tiempo.
Para profundizar
El particionamiento en BigQuery reduce el escaneo a las particiones coincidentes, pero dentro de cada partición diaria el motor sigue leyendo todas las filas a menos que los datos estén físicamente ordenados. El clustering ubica conjuntamente las filas según las columnas especificadas en bloques de almacenamiento, por lo que un filtro en device_id permite a BigQuery omitir bloques cuyos metadatos mínimos/máximos excluyen el valor, reduciendo los bytes escaneados y el tiempo de ranura (slot time). El clustering funciona mejor cuando la columna de filtro tiene alta cardinalidad y se usa con la columna de partición; se puede aplicar clustering en hasta cuatro columnas, y el orden importa porque la primera columna proporciona el filtrado más fuerte. Un caso realista es una tabla IoT particionada por día de ingesta pero consultada por dispositivo durante una semana, donde el clustering en device_id convierte un escaneo de varios gigabytes en unos pocos megabytes.
Sobre estas preguntas de práctica
Esta es una de las preguntas de práctica originales de PDE 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.