I dati di tracciamento dei pacchi vengono trasmessi in streaming a BigQuery; la tabella è partizionata per data di acquisizione e i tempi di query sono aumentati. Per copiare i dati in una nuova tabella clusterizzata per l'analisi del ciclo di vita geospaziale, su cosa si dovrebbe eseguire il clustering?

Il clustering in BigQuery organizza fisicamente i dati all'interno di ogni partizione in base ai valori delle colonne specificate, migliorando le prestazioni delle query che filtrano o aggregano su quelle colonne. Per l'analisi del ciclo di vita geospaziale, l'ID di tracciamento del pacco è la chiave più logica per il clustering, poiché le query probabilmente si concentreranno su specifici pacchi o gruppi di pacchi, raggruppando efficientemente i dati correlati. Ripartizionare per data di consegna del pacco non risolverebbe il problema del miglioramento delle query basate sull'ID di tracciamento. Il clustering sulla data di acquisizione sarebbe ridondante con il partizionamento esistente per data di acquisizione e non migliorerebbe le query sull'ID di tracciamento. Spostare i dati su Cloud Storage come tabella esterna aumenterebbe la latenza e non è una soluzione per migliorare le prestazioni delle query in BigQuery.