有一個 BigQuery 商店交易資料表 (交易時間、商品、商店 ID、城市、州)，需要經常查詢過去 30 天的商品數量，以及依州/城市/商店劃分的趨勢。您應該如何進行資料分割和叢集以獲得最佳效能？

正確答案是依交易時間分割，並依州、城市、然後商店 ID 叢集。由於查詢經常涉及過去 30 天的資料，依交易時間分割能有效減少掃描的資料量，大幅提升查詢效率。接著，依州、城市、商店 ID 叢集，是因為趨勢分析通常會從地理區域（州、城市）開始，再細分到個別商店。這種叢集順序能讓 BigQuery 在處理這些分組聚合查詢時，更有效地利用資料的物理儲存順序，減少隨機讀取。 其他選項不正確的原因： 依交易時間分割，但叢集順序為商店 ID、城市、然後州：雖然分割正確，但叢集順序不符合常見的趨勢分析模式，可能導致查詢效率略低於最佳選項。 依州、城市、然後商店 ID 進行頂層叢集：未進行時間分割，導致每次查詢過去 30 天資料時，仍需掃描所有歷史資料，效率極低。 依商店 ID、城市、然後州進行頂層叢集：同上，未進行時間分割，且叢集順序不符常見分析模式。