BigQuery：我可以通过将数据存储在多个表中来降低查询成本吗？

Posted 2023-03-24

【中文标题】BigQuery：我可以通过将数据存储在多个表中来降低查询成本吗？

【英文标题】：BigQuery: can I lower querying costs by storing data in multiple tables?

【发布时间】：2017-06-04 16:55:28

【问题描述】：

我有一个表，目前 BigQuery 中有超过 4300 万行用于存储数据样本。其中一个字段是“owner_id”。我的所有查询都是针对单个所有者完成的。

例子：

SELECT COUNT(*)
FROM `mydataset.mytable` 
WHERE owner_id = "owner23" AND color = "red"

为每个所有者创建一个表会降低我的 BigQuery 查询成本吗？我怀疑使用 WHERE owner_id = "owner23" AND color = "red" 查询整个表比使用仅使用 owner23 的数据和使用 WHERE color = "red" 查询表需要处理更多 GB。虽然我怀疑这是真的，但我想确认一下。

另外，将我的数据拆分到多个表会导致存储成本增加吗？

谢谢！

【参考方案1】：

为每个所有者创建一个表会降低我的 BigQuery 查询成本吗？

理论上 - 是的。您只需为查询的列中的数据付费——无论每个 WHERE 子句有多少行是合格的。例如，如果您有 10 个具有相对均匀数据的客户端 - 您的查询成本可以降低多达 10 倍 - 或者在只有 COUNT(1) 而没有其他 WHERE 子句的情况下 - 它将是 0 美元（零！） 有一个小问题，如果查询成本不为零——最低费用为 10MB——因此，如果您的拆分表小且所涉及的列的大小小于 10MB——您仍将按 10MB 收费

实际上 - 管理多个表的潜在“成本”可能很高，因此您需要自行比较和决定

将我的数据拆分到多个表会导致存储成本增加吗？

存储定价按每 MB、每秒按比例分配 - 所以不 - 存储成本不会增加

【参考方案2】：

BigQuery 将过滤器下推到表存储中，尤其是对于诸如此类的简单查询。您可以阅读有关过滤器下推here 的信息。请注意，从这个角度来看，标准 SQL 具有更强大的优化器。

所以，我不认为你会得到很多好处。但是，您可能想测试一下它是否有效。我真诚地怀疑，管理单独表的额外复杂性是否值得这样做。

【参考方案3】：

您的存储成本不会受到影响，因为存储的整体数据是相同的。会有额外的表元数据，但这不会影响您的存储成本。由于扫描查询的数据减少了 10 倍，因此查询成本将降低。

话虽如此，但这不是实现大查询用例的推荐方法。 BQ 明确建议避免创建共享表，请考虑这个日期分片示例 - https://cloud.google.com/bigquery/docs/best-practices-performance-communication#avoid_tables_sharded_by_date

您应该考虑的是clustering 您的桌子Owner_id。它具有以下优点

与 owner_id 分片表完全相同的计算节省 (analysis pricing) 没有额外的表元数据或访问控制开销，您不需要为所有分片表维护 ACL！！ 降低提取时间复杂度，即即使创建了新所有者，集群也会处理它，而如果您选择为每个所有者创建单独的表，则需要处理新表的创建

集群也是免费的，只有一个缺点是加载时间开销并不重要。请参阅这篇旧帖子，它会引导您了解集群基础知识 - https://hoffa.medium.com/bigquery-optimized-cluster-your-tables-65e2f684594b