Monitorare le query BigQuery quasi in tempo reale per identificare le query più costose e quali utenti generano costi. Quale approccio fornisce questo?

L'approccio corretto prevede la creazione di un sink di Cloud Logging per esportare i log di accesso ai dati di BigQuery (che includono dettagli sulle query eseguite) direttamente in una tabella BigQuery. Questo permette di interrogare quasi in tempo reale questi log per analizzare le query, identificare quelle più costose e risalire agli utenti che le hanno generate, grazie ai metadati presenti nei log. Etichettare i dataset non fornisce un dettaglio sufficiente a livello di singola query o utente per l'analisi dei costi delle query. Esportare i log in Cloud Storage e usare Dataflow è un processo più complesso e meno "quasi in tempo reale" rispetto all'esportazione diretta in BigQuery. L'esportazione della fatturazione in BigQuery mostra i costi aggregati, non i dettagli specifici delle singole query o degli utenti che le hanno eseguite, necessari per l'analisi richiesta.