Modellare una tabella BigQuery di transazioni di negozio (ora della transazione, articoli, ID negozio, città, stato) interrogata frequentemente per il conteggio degli articoli negli ultimi 30 giorni e per le tendenze per stato/città/negozio. Come si dovrebbe partizionare e raggruppare per ottenere le migliori prestazioni?

La partizione per ora della transazione è cruciale perché le query si concentrano sugli "ultimi 30 giorni", permettendo a BigQuery di scansionare solo le partizioni pertinenti, riducendo i dati elaborati e i costi. Il clustering per stato, città e ID negozio in quest'ordine è ottimale perché le query analizzano le tendenze per stato/città/negozio. BigQuery raggruppa i dati con valori simili insieme, migliorando le prestazioni delle query che filtrano o aggregano per queste colonne, specialmente quando l'ordine di clustering riflette la granularità delle query (da più ampia a più specifica). Le opzioni che raggruppano prima per ID negozio sono meno efficienti perché le query spesso aggregano a livelli geografici più ampi (stato, città) prima di scendere al singolo negozio. Le opzioni che non includono la partizione per ora della transazione sono inefficaci per le query basate sul tempo, poiché costringerebbero BigQuery a scansionare l'intera tabella.