상점 거래(거래 시간, 품목, 상점 ID, 도시, 주)에 대한 BigQuery 테이블을 모델링합니다. 이 테이블은 지난 30일 동안의 품목 수와 주/도시/상점별 추세에 대해 자주 쿼리됩니다. 최상의 성능을 위해 어떻게 파티셔닝하고 클러스터링해야 할까요?

이 시나리오에서는 지난 30일 동안의 데이터와 주/도시/상점별 추세 쿼리가 자주 발생합니다. 거래 시간으로 파티셔닝하면 시간 기반 쿼리 시 스캔되는 데이터 양을 크게 줄여 성능을 최적화할 수 있습니다. 클러스터링은 파티션 내에서 데이터를 정렬하여 특정 열(주, 도시, 상점 ID)에 대한 필터링 및 집계 쿼리의 효율성을 높입니다. 주, 도시, 상점 ID 순서로 클러스터링하면 지역별 분석 쿼리에 가장 적합합니다. 다른 클러스터링 순서는 특정 쿼리 패턴에 덜 효율적일 수 있으며, 파티셔닝 없이 클러스터링만 하는 것은 대규모 데이터셋에서 시간 기반 쿼리 성능을 최적화하는 데 한계가 있습니다.