将星型模式销售数据仓库迁移到BigQuery后，对过去30天数据的查询速度变慢。根据Google的最佳实践，如何在不增加存储成本的情况下加快查询速度？

对交易日期进行分区是最佳实践，因为BigQuery在处理分区表时，会根据查询的过滤条件（例如过去30天的数据）自动裁剪（prune）不相关的数据分区，只扫描所需的数据，从而显著减少扫描的数据量，加快查询速度。这种方法不会增加存储成本，因为分区只是数据的组织方式。 非规范化处理虽然可以减少连接操作，但可能会增加存储冗余，并不能直接解决扫描大量历史数据的问题。按客户ID分片对于按客户查询可能有效，但对于按日期范围查询则不适用。在视图中实现维度数据的物化会增加存储成本，并且需要额外的维护来保持数据新鲜度，不符合“不增加存储成本”的要求。