Vous avez une table BigQuery inventory_vm et devez préparer un rapport rentable qui exclut les lignes de VM avec moins de 8 vCPU. Quelle est l'approche la plus rentable ?

La création d'une vue avec un filtre est l'approche la plus rentable car BigQuery facture en fonction des données analysées. Une vue ne stocke pas de données, mais définit une requête qui est exécutée chaque fois que la vue est interrogée. En filtrant les lignes avec moins de 8 vCPU dès la définition de la vue, vous réduisez la quantité de données que BigQuery doit scanner pour générer le rapport, ce qui minimise les coûts. L'opérateur UNNEST est souvent nécessaire pour travailler avec des champs structurés ou répétés, ce qui est courant dans BigQuery et ne change pas l'aspect de la rentabilité du filtre. Une vue matérialisée stocke les résultats de la requête et les met en cache, ce qui peut être plus rapide pour les requêtes fréquentes, mais elle entraîne des coûts de stockage et de maintenance. L'utilisation d'une expression de table commune (WITH) est une bonne pratique pour organiser des requêtes complexes, mais elle ne réduit pas intrinsèquement la quantité de données scannées par BigQuery si le filtre n'est pas appliqué efficacement. Utiliser Dataflow pour traiter les données et les écrire dans une nouvelle table BigQuery est une solution plus coûteuse et plus complexe, adaptée aux transformations de données à grande échelle, mais pas pour un simple filtrage.