Paketverfolgungsdaten werden in BigQuery gestreamt; die Tabelle ist nach Aufnahmedatum partitioniert, und die Abfragezeiten haben sich erhöht. Um Daten für die Analyse des geografischen Lebenszyklus in eine neue geclusterte Tabelle zu kopieren, worauf sollten Sie das Clustering basieren?

Die Implementierung von Clustering in BigQuery für die Spalte mit der Paketverfolgungs-ID ist die beste Lösung, da die Analyse des geografischen Lebenszyklus wahrscheinlich Abfragen beinhaltet, die bestimmte Paket-IDs filtern oder gruppieren. Clustering nach dieser Spalte verbessert die Abfrageleistung und reduziert die gescannten Datenmengen, da BigQuery verwandte Daten physisch zusammen speichert. Das Neuerstellen der Tabelle mit Partitionierung nach Lieferdatum würde die Abfragezeiten für Abfragen nach Paket-ID nicht verbessern, da die Partitionierung nach Aufnahmezeitpunkt bereits vorhanden ist. Clustering nach Aufnahmedatum ist redundant, da die Tabelle bereits nach diesem Datum partitioniert ist; dies würde keinen zusätzlichen Vorteil für Abfragen nach Paket-ID bieten. Das Auslagern älterer Daten in Cloud Storage würde die Abfrageleistung für die Analyse in BigQuery nicht verbessern, sondern eher verlangsamen, da externe Tabellen in der Regel langsamer sind.