Modele uma tabela do BigQuery de transações de loja (hora da transação, itens, ID da loja, cidade, estado) consultada frequentemente para contagens de itens nos últimos 30 dias e tendências por estado/cidade/loja. Como você deve particionar e agrupar para obter o melhor desempenho?

A partição por transaction time é crucial para consultas que filtram por intervalos de tempo, como "últimos 30 dias", pois o BigQuery pode pular grandes quantidades de dados não relevantes. O agrupamento (clustering) por state, city e store ID na ordem especificada é ideal porque as consultas de tendências frequentemente agregam dados hierarquicamente, do nível mais alto (estado) para o mais baixo (loja). Isso permite que o BigQuery organize os dados fisicamente de forma que registros relacionados a um mesmo estado, cidade e loja fiquem próximos, otimizando o desempenho das consultas que filtram ou agregam por essas dimensões. Agrupar em outra ordem, como por store ID primeiro, seria menos eficiente para consultas que começam filtrando por state ou city. As opções que sugerem apenas agrupamento sem partição por tempo não otimizariam as consultas baseadas em intervalo de tempo.