Google云计算推出BigQuery推荐器，通过分析工作负载和表格，协助用户对表格进行分区（Partitioning）或是分群（Clustering），以优化成本支出。
所谓的资料表分区，是将大表格分为多个区段，每个区段可包含特定时窗的资料，因此像是针对特定时间范围的资料查询，BigQuery就仅需要查询该时间范围的分区，而不需要扫描整个表格。而分群则是根据用户定义的字段，对表格进行排序，因此当用户在查询特定值的资料时，BigQuery就可以快速定位包含该数值的资料区块。
这两种方法都可以提高特定类型的查询性能，像是使用过滤条件的查询，和对资料进行聚合的查询。
不过，决定资料分区或是分群的最佳策略并不容易，尤其在大型数据库中，优化查询工作变得非常复杂，每个表格可能包含数百万和数十亿笔资料，要人工决定分区还是分类，不只需要专业知识，还会耗费大量时间。而且数据库用户具有不同的查询需求，查询触及表格的不同部分和字段，要预测查询模式进行优化，是一件困难的事。
BigQuery推荐器会分析过去30天每个项目的工作负载执行情况，并寻找表格资料缺乏效率的扫描，通过减少不必要的资料扫描，减少成本并增加查询速度。推荐器会运用机器学习技术，提供可以优化资料访问的建议。
推荐器主要会对大于100 Gb的表格分区，10 Gb以上的表格则是提供分类建议，官方提到，过小的表格的优化效益不高，且成效难以预测。用户要使用推荐器有几种方式，除了直接在UI上操作，也可以在推荐器集成中心Recommendation Hub中以控制台操作，或是使用推荐器API。
闽公网安备 35010202001226号
