您在 BigQuery 中有三年的历史数据，并且每天都有数据摄取。过滤到过去 30-90 天的查询仍然会扫描整个表，从而增加了成本。在保持 SQL 访问的同时，最具成本效益的解决方案是什么？

正确答案是使用 DDL 重新创建表并按包含 TIMESTAMP 或 DATE 类型数据的列对表进行分区。BigQuery 分区表通过限制查询扫描的数据量来显著降低成本。当查询包含分区列的过滤器时，BigQuery 只会扫描相关分区，而不是整个表。这直接解决了查询扫描整个表导致成本增加的问题，同时保持了 SQL 访问。 将表导出到 Cloud Storage 上的 CSV 文件会增加存储和管理复杂性，并且可能无法提供与 BigQuery 相同的查询性能和功能。修改管道将数据分成两个表会增加数据管理和查询的复杂性，并且仍然可能导致对其中一个表进行全表扫描。每天创建一个 BigQuery 表会大大增加表的数量和管理的复杂性，并且通配符查询仍然可能扫描大量表，导致成本增加。