新BigQuery推薦器可提供用戶表格分區(qū)與分群優(yōu)化建議

Google云計算推出BigQuery推薦器，通過分析工作負載和表格，協(xié)助用戶對表格進行分區(qū)（Partitioning）或是分群（Clustering），以優(yōu)化成本支出。

所謂的資料表分區(qū)，是將大表格分為多個區(qū)段，每個區(qū)段可包含特定時窗的資料，因此像是針對特定時間范圍的資料查詢，BigQuery就僅需要查詢該時間范圍的分區(qū)，而不需要掃描整個表格。而分群則是根據(jù)用戶定義的字段，對表格進行排序，因此當用戶在查詢特定值的資料時，BigQuery就可以快速定位包含該數(shù)值的資料區(qū)塊。

這兩種方法都可以提高特定類型的查詢性能，像是使用過濾條件的查詢，和對資料進行聚合的查詢。

不過，決定資料分區(qū)或是分群的最佳策略并不容易，尤其在大型數(shù)據(jù)庫中，優(yōu)化查詢工作變得非常復雜，每個表格可能包含數(shù)百萬和數(shù)十億筆資料，要人工決定分區(qū)還是分類，不只需要專業(yè)知識，還會耗費大量時間。而且數(shù)據(jù)庫用戶具有不同的查詢需求，查詢觸及表格的不同部分和字段，要預(yù)測查詢模式進行優(yōu)化，是一件困難的事。

BigQuery推薦器會分析過去30天每個項目的工作負載執(zhí)行情況，并尋找表格資料缺乏效率的掃描，通過減少不必要的資料掃描，減少成本并增加查詢速度。推薦器會運用機器學習技術(shù)，提供可以優(yōu)化資料訪問的建議。

推薦器主要會對大于100 Gb的表格分區(qū)，10 Gb以上的表格則是提供分類建議，官方提到，過小的表格的優(yōu)化效益不高，且成效難以預(yù)測。用戶要使用推薦器有幾種方式，除了直接在UI上操作，也可以在推薦器集成中心Recommendation Hub中以控制臺操作，或是使用推薦器API。