Google bigquery totalSlotMs对于BigQuery作业的意义是什么？

为完成的BigQuery作业返回的statistics.query.totalSlotMs值的含义是什么？除了给出一项工作相对于另一项工作的相对成本的指示外，还不清楚该如何解释这个数字。例如，插槽毫秒数与堆栈驱动程序报告的给定项目的总插槽使用量（按需BigQuery使用量需要保持在2000以下）有何关系

---

文档有点简洁（“[仅输出]作业的插槽毫秒数”）

我们的想法是在向客户出售预订插槽的相同单位中设置一个“插槽”度量

例如，假设您有一个持续占用4个插槽的20秒查询。在这种情况下，您的查询使用80000 TotalSlotm（4*20000）

---

通过这种方式，即使插槽的峰值数量不同，您也可以确定插槽的平均数量，因为在实践中，工作线程的数量会在查询的运行时间内波动。

该查询中使用的所有插槽的时间总和，以毫秒为单位。虽然这个指标一开始听起来可能有悖常理，但考虑到所述查询的开始和结束时间，以及2000个插槽代表每毫秒2000毫秒的可用时间，我认为它会很有用。@softdevlife我运行了一个查询，结果得到了以下统计信息。运行时间：12.1秒消耗的时隙时间：14小时12分钟总时隙时间：51147110（14小时12分钟）我们正在按需定价计划中。因此，最大插槽数为2000个。也就是说，如果我在整个12.1秒的时间跨度内使用了2000个插槽，那么最终的总插槽数应该是24200000（即2000*12.1*1000）。但是，总的插槽数为51147110。使用的平均插槽数为51147110/121000=4225（远高于200）。你能解释一下我是如何使用了2000多个插槽的吗？BigQueryOn-demand确实支持有限的爆裂。这似乎是一种合理的解释方法，还允许我们计算查询的平均插槽使用率。