BigQuery 中记录类型与展平表的查询性能

Question

我有一个带有“订单”的表格，以及以 JSON 形式提供的“订单行”，将其作为 JSON 存储在 BigQuery 中很简单。我可以运行一个进程将文件展平为行，但这是一种负担，并且会使 BigQUery 表变大。

BigQuery 的最佳性能结构是什么？假设我对总和或产品以及订单行中的销售有疑问。

记录列中“记录”（或“订单行”）数量的最佳做法是什么？它可以包含数千个还是针对少数几个？假设我会像在基于 MongoDB 文档的数据库中一样查询它。

这将帮助我规划正确的架构。

Answer 1

BigQuery 的列式架构旨在以高性能方式处理嵌套和重复的字段，并且通常可以尽可能快地返回查询结果，就像这些记录被展平时一样。事实上，在某些情况下，（取决于您的数据和您正在运行的查询类型）使用已经嵌套的记录实际上可以让您避免附加额外步骤的子查询。

简短回答：不要担心扁平化，将数据保持在嵌套结构中，无论哪种方式查询性能通常都是一样的。

但是，关于您的第二个问题：您的记录限制将取决于您可以在单个记录中存储多少数据。目前是 BigQuery 的per row maximum is 100MB。一条记录中可以有很多很多重复的字段，但它们需要符合这个限制。