新BigQuery推薦器可提供用戶表格分區與分群最佳化建議

Google雲端推出BigQuery推薦器，透過分析工作負載和表格，協助用戶對表格進行分區（Partitioning）或是分群（Clustering），以最佳化成本支出。

所謂的資料表分區，是將大表格分為多個區段，每個區段可包含特定時窗的資料，因此像是針對特定時間範圍的資料查詢，BigQuery就僅需要查詢該時間範圍的分區，而不需要掃描整個表格。而分群則是根據用戶定義的欄位，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值的資料區塊。

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

不過，決定資料分區或是分群的最佳策略並不容易，尤其在大型資料庫中，最佳化查詢工作變得非常複雜，每個表格可能包含數百萬和數十億筆資料，要人工決定分區還是分類，不只需要專業知識，還會耗費大量時間。而且資料庫使用者具有不同的查詢需求，查詢觸及表格的不同部分和欄位，要預測查詢模式進行最佳化，是一件困難的事。

BigQuery推薦器會分析過去30天每個專案的工作負載執行情況，並尋找表格資料缺乏效率的掃描，透過減少不必要的資料掃描，減少成本並增加查詢速度。推薦器會運用機器學習技術，提供可以最佳化資料存取的建議。

推薦器主要會對大於100 Gb的表格分區，10 Gb以上的表格則是提供分類建議，官方提到，過小的表格的最佳化效益不彰，且成效難以預測。用戶要使用推薦器有幾種方式，除了直接在UI上操作，也可以在推薦器整合中心Recommendation Hub中以控制臺操作，或是使用推薦器API。