Duas tabelas grandes, sales_transaction_header e sales_transaction_line, são fortemente acopladas, imutáveis após o carregamento e frequentemente unidas. Para otimizar o desempenho da análise, como você deve modelá-las no BigQuery?

A opção correta é criar uma tabela salestransaction com campos aninhados e repetidos para as linhas de transação. No BigQuery, essa abordagem otimiza o desempenho de consultas em tabelas grandes e frequentemente unidas, pois reduz a necessidade de JOINs caros. Dados aninhados e repetidos (ARRAY de STRUCTs) são eficientes para modelar relações um-para-muitos, como um cabeçalho de transação com múltiplas linhas. A duplicação de dados do cabeçalho em cada linha seria ineficiente e aumentaria o armazenamento e o custo de consulta. Armazenar como JSON é menos performático para consultas analíticas do que o tipo de dado nativo aninhado do BigQuery. Manter tabelas separadas e usar JOINs é menos eficiente do que a desnormalização com campos aninhados para este caso de uso.