Google bigquery BigQuery群集表:跨查询运行处理的字节不一致
对于同一查询的多次运行,处理的字节数是可变的(结果会发生显著变化,从20GB到30GB) 我在同一个表上运行同一个查询,得到相同的结果,多次查询运行,统计数据显示每次运行处理的不同字节数Google bigquery BigQuery群集表:跨查询运行处理的字节不一致,google-bigquery,clustered-index,Google Bigquery,Clustered Index,对于同一查询的多次运行,处理的字节数是可变的(结果会发生显著变化,从20GB到30GB) 我在同一个表上运行同一个查询,得到相同的结果,多次查询运行,统计数据显示每次运行处理的不同字节数 这是预期的吗?这是群集表的预期行为-一旦查询运行程序打开足够多的群集以生成所需的结果,它将停止扫描并仅对迄今为止扫描的字节收费 例如: SELECT * WHERE x=1 LIMIT 1 如果x没有集群化,它将在找到第一个后停止,如果没有,它将执行完整的表扫描 对同一表的实际查询: SELECT *, RA
这是预期的吗?这是群集表的预期行为-一旦查询运行程序打开足够多的群集以生成所需的结果,它将停止扫描并仅对迄今为止扫描的字节收费 例如:
SELECT * WHERE x=1 LIMIT 1
如果x没有集群化,它将在找到第一个后停止,如果没有,它将执行完整的表扫描
对同一表的实际查询:
SELECT *, RAND()
FROM `fh-bigquery.wikipedia_v3.pageviews_2017`
WHERE datehour >= "2017-12-01"
AND title LIKE '%hoffa%'
LIMIT 1
Query complete (2.1s elapsed, 111 MB processed)
Query complete (1.8s elapsed, 126 MB processed)
Query complete (1.9s elapsed, 114 MB processed)
SELECT *, RAND()
FROM `fh-bigquery.wikipedia_v3.pageviews_2017`
WHERE datehour >= "2017-12-01"
AND title LIKE '%khoffa%'
LIMIT 1
Query complete (2.9s elapsed, 2.52 GB processed)
Query complete (3.0s elapsed, 1.19 GB processed)
Query complete (1.9s elapsed, 114 MB processed)
SELECT *, RAND()
FROM `fh-bigquery.wikipedia_v3.pageviews_2017`
WHERE datehour >= "2017-12-01"
AND title LIKE '%fhoffa%'
LIMIT 1
Query complete (5.1s elapsed, 188 GB processed)
Query complete (5.1s elapsed, 188 GB processed)
Query complete (5.1s elapsed, 188 GB processed)
扫描的数据较少,因为在打开的第一个群集上很有可能找到它“%hoffa%”
很难找到,因此有时需要打开许多集群-但您可能会幸运地在第一个集群上找到它“%khoffa%”
不存在,因此BQ必须打开每个集群,以防它存在“%fhoff%”
- 我添加了
,以确保没有缓存RAND()
- Big win:以前BigQuery对这样的查询收取188 GB的费用,但现在在这种情况下可以收取0.05%的费用
%hoffa%
(而不仅仅是第一个):
阅读有关群集表优点的更多信息:
SELECT *, RAND()
FROM `fh-bigquery.wikipedia_v3.pageviews_2017`
WHERE datehour >= "2017-12-01"
AND title LIKE '%hoffa%'
ORDER BY views DESC
LIMIT 1
Query complete (5.5s elapsed, 188 GB processed)