Две большие таблицы, sales_transaction_header и sales_transaction_line, тесно связаны, неизменяемы после загрузки и часто объединяются. Как следует смоделировать их в BigQuery для оптимизации аналитической производительности?

Правильный ответ — вложенные и повторяющиеся поля. BigQuery оптимизирован для работы с денормализованными данными, и вложенные, повторяющиеся поля (RECORD и REPEATED) идеально подходят для представления связей «один-ко-многим», таких как заголовок заказа и его строки. Это позволяет избежать дорогостоящих операций JOIN, которые снижают производительность при аналитических запросах. Дублирование данных заголовка для каждой строки (второй вариант) также является денормализацией, но приводит к избыточности данных и увеличивает объем хранимых данных без преимуществ вложенных структур, которые BigQuery эффективно обрабатывает. Хранение данных в формате JSON (третий вариант) не является оптимальным, так как BigQuery не может эффективно индексировать и запрашивать поля внутри JSON без предварительного парсинга, что замедляет выполнение запросов. Создание отдельных таблиц и использование JOIN (четвертый вариант) — это традиционный подход реляционных баз данных, но он менее эффективен в BigQuery для аналитических рабочих нагрузок по сравнению с денормализацией с использованием вложенных полей. Указание salestransactionline первой в предложении WHERE не меняет фундаментальную неэффективность JOIN для больших таблиц.