Los datos de seguimiento de paquetes se transmiten a BigQuery; la tabla está particionada por fecha de ingesta y los tiempos de consulta han aumentado. Para copiar datos a una nueva tabla agrupada para el análisis del ciclo de vida geoespacial, ¿en qué debería agrupar los datos?

La agrupación (clustering) en BigQuery mejora el rendimiento de las consultas al organizar físicamente los datos en función de los valores de una o más columnas. Para el análisis del ciclo de vida geoespacial, agrupar por el ID de seguimiento del paquete es óptimo porque las consultas probablemente filtrarán o unirán datos basándose en este identificador único para rastrear el recorrido de un paquete. Esto reduce la cantidad de datos que BigQuery necesita escanear. Agrupar por fecha de ingesta no es tan eficiente para este caso de uso, ya que el análisis se centra en el ciclo de vida de un paquete individual, no en la fecha en que se ingirió. Volver a particionar por fecha de entrega podría ser útil, pero el clustering ofrece una granularidad más fina dentro de las particiones. Mover datos a Cloud Storage y usar una tabla externa no mejoraría el rendimiento de las consultas, sino que podría empeorarlo.