Zamodeluj tabelę BigQuery transakcji sklepowych (czas transakcji, produkty, ID sklepu, miasto, stan), często odpytywaną o liczbę produktów z ostatnich 30 dni oraz trendy według stanu/miasta/sklepu. Jak należy partycjonować i klastrować dla najlepszej wydajności?

Partycjonowanie według czasu transakcji jest optymalne, ponieważ zapytania często dotyczą danych z ostatnich 30 dni, co pozwala BigQuery skanować tylko odpowiednie partycje, redukując ilość przetwarzanych danych i koszty. Klastrowanie według stanu, miasta, a następnie ID sklepu jest najlepsze, ponieważ zapytania o trendy często grupują dane według tych hierarchicznych wymiarów. BigQuery przechowuje dane posortowane według kluczy klastrowania, co przyspiesza filtrowanie i agregację w tych kolumnach. Odwrotna kolejność klastrowania (ID sklepu, miasto, stan) byłaby mniej efektywna dla zapytań na poziomie stanu/miasta, ponieważ dane nie byłyby uporządkowane w sposób optymalny dla tych szerszych kategorii. Samo klastrowanie bez partycjonowania nie zapewniłoby takiej redukcji skanowanych danych dla zapytań czasowych.