Optimierte SQL-Funktionen und -Operatoren
BigQuery BI Engine optimiert folgende GoogleSQL-Funktionen und -Operatoren, wenn BI-Tools (Business Intelligence) über benutzerdefinierte Abfragen oder Ansichten mit BigQuery verbunden werden. Abfragen, die Funktionen und Operatoren verwenden, die nicht in dieser Liste enthalten sind, werden möglicherweise langsamer ausgeführt.
Eine Liste der nicht unterstützten SQL-Funktionen finden Sie im Abschnitt Nicht unterstützte Funktionen.
Weitere Informationen zur Verwendung benutzerdefinierter Abfragen und Ansichten in Looker Studio finden Sie unter Mit BigQuery verbinden. Weitere Informationen zum Verbinden anderer BI-Tools mit BigQuery finden Sie unter Übersicht über die BigQuery BI Engine SQL-Schnittstelle.
Eine Liste aller GoogleSQL-Operatoren und -Funktionen finden Sie unter GoogleSQL-Funktionen und -Operatoren.
Optimierte Operatoren
ORDER BY
LIMIT
count [OFFSET
skip_rows]UNION ALL
HAVING
GROUP BY
WHERE
INNER
,LEFT
undRIGHT JOIN
(mit kleineren Größenbeschränkungen)
Optimierte Funktionen
Vergleich
=
<>
<
<=
>
>=
BETWEEN
IN
LEAST
GREATEST
CASE
COALESCE
IF
ISNULL
IS [NOT] NULL
IS [NOT] TRUE
IS [NOT] FALSE
IFNULL
NULLIF
Logisch
NOT
AND
OR
Mathematik
-
(Unäres Minus)+
-
(binäres Minus)*
/
IEEE_DIVIDE
DIV
MOD
ROUND
TRUNC
FLOOR
CEIL
ABS
SIGN
SQRT
EXP
POW
IS_INF
IS_NAN
SIN
SINH
ASIN
ASINH
COS
COSH
ACOS
ACOSH
TAN
TANH
ATAN
ATAN2
ATANH
LOG
LN
LOG10
Bitweise
BIT_COUNT
~
(bitweiseNOT
)&
(bitweiseAND
)|
(bitweiseOR
)^
(bitweiseXOR
)<<
(Bitweise Linksverschiebung)>>
(Bitweise Rechtsverschiebung)
Zeichenfolgen und Bytes
ASCII
BYTE_LENGTH
CHAR_LENGTH
CHR
CODE_POINTS_TO_BYTES
CODE_POINTS_TO_STRING
CONCAT
ENDS_WITH
FORMAT
FROM_BASE32
FROM_BASE64
FROM_HEX
INITCAP
INSTR
JSON_EXTRACT_SCALAR
JSON_EXTRACT
LEFT
LENGTH
LOWER
LPAD
LTRIM
NORMALIZE
NORMALIZE_AND_CASEFOLD
REGEXP_CONTAINS
REGEXP_EXTRACT
REGEXP_INSTR
REGEXP_REPLACE
REPEAT
REPLACE
REVERSE
RIGHT
RPAD
RTRIM
SAFE_CONVERT_BYTES_TO_STRING
SOUNDEX
STARTS_WITH
STRING_LIKE
STRPOS
SUBSTR
TO_BASE32
TO_BASE64
TO_HEX
TRANSLATE
TRIM
UNICODE
UPPER
Zeitstempel, Daten und Zeiten
- Zeitstempelfunktionen
TIMESTAMP_MICROS
TIMESTAMP_MILLIS
TIMESTAMP_SECONDS
TIMESTAMP
STRING
(timestamp_expression,[timestamp_expression])UNIX_SECONDS
UNIX_MILLIS
UNIX_MICROS
FORMAT_TIMESTAMP
PARSE_TIMESTAMP
TIMESTAMP_ADD
TIMESTAMP_SUB
TIMESTAMP_DIFF
EXTRACT
DATE
TIME
DATETIME
TIMESTAMP_TRUNC
- Datumsfunktionen
DATE
(Jahr, Monat, Tag)DATE_FROM_UNIX_DATE
UNIX_DATE
FORMAT_DATE
PARSE_DATE
DATE_ADD
DATE_SUB
DATE_DIFF
EXTRACT
(vonDATE
)DATE_TRUNC
CURRENT_TIMESTAMP
- Zeitfunktionen
EXTRACT
FORMAT_TIME
PARSE_TIME
TIME_ADD
TIME_SUB
TIME_DIFF
TIME_TRUNC
CURRENT_TIME
- Datums-/Zeitfunktionen
DATETIME
EXTRACT
FORMAT_DATETIME
PARSE_DATETIME
DATETIME_ADD
DATETIME_SUB
DATETIME_DIFF
DATETIME_TRUNC
CURRENT_DATETIME
Hashing
FARM_FINGERPRINT
MD5
SHA1
SHA256
SHA512
Netzwerk
NET_IP_IN_NET
NET_MAKE_NET
NET.HOST
NET.REG_DOMAIN
NET.PUBLIC_SUFFIX
NET.IP_FROM_STRING
NET.IP_TO_STRING
NET.IP_NET_MASK
NET.IP_TRUNC
NET.IPV4_FROM_INT64
NET.IPV4_TO_INT64
Geografie
- Konstruktoren
ST_GEOGPOINT
ST_MAKELINE
ST_MAKEPOLYGON
ST_MAKEPOLYGONORIENTED
- Parser
ST_GEOGFROMGEOJSON
ST_GEOGFROMTEXT
ST_GEOGFROMWKB
ST_GEOGFROMWKB
ST_GEOGPOINTFROMGEOHASH
- Formatierer
ST_ASBINARY
ST_ASGEOJSON
ST_ASKML
ST_GEOHASH
- Transformationen
ST_BOUNDARY
ST_CENTROID
ST_CLOSESTPOINT
ST_CONVEXHULL
ST_DIFFERENCE
ST_EXTERIORRING
ST_INTERSECTION
ST_SIMPLIFY
ST_SNAPTOGRID
- Zugriffsfunktionen
ST_DIMENSION
ST_ENDPOINT
ST_GEOMETRYTYPE
ST_ISCOLLECTION
ST_ISEMPTY
ST_NPOINTS
ST_NUMGEOMETRIES
ST_NUMPOINTS
ST_POINTN
ST_STARTPOINT
ST_X
ST_Y
- Prädikate
ST_CONTAINS
ST_COVEREDBY
ST_COVERS
ST_DISJOINT
ST_DWITHIN
ST_EQUALS
ST_INTERSECTS
ST_INTERSECTSBOX
ST_TOUCHES
ST_WITHIN
- Messung
ST_ANGLE
ST_AREA
ST_AZIMUTH
ST_DISTANCE
ST_LENGTH
ST_MAXDISTANCE
ST_PERIMETER
SAFE-Funktionen
- Mathematik
MOD
ROUND
ABS
SQRT
POW
SINH
ASIN
COSH
ACOS
ACOSH
ATANH
LN
LOG
LOG10
FLOOR
CEIL
DIV
EXP
ROUND
SAFE_NEGATE
SAFE_ADD
SAFE_SUBTRACT
SAFE_MULTIPLY
SAFE_DIVIDE
- Strings
REGEXP_CONTAINS
REGEXP_EXTRACT
REGEXP_REPLACE
FORMAT
SUBSTR
ASCII
SAFE_CONVERT_BYTES_TO_STRING
INSTR
LEFT
RIGHT
TRANSLATE
INITCAP
- Zeitstempel, Daten und Zeiten
DATE_FROM_UNIX_DATE
PARSE_DATE
PARSE_DATETIME
PARSE_TIME
PARSE_TIMESTAMP
FORMAT_TIMESTAMP
TIMESTAMP_SECONDS
TIMESTAMP_MILLIS
TIMESTAMP_MICROS
- Netzwerk
NET.SAFE_IP_FROM_STRING
- Andere
SAFE_CAST
Aggregationsfunktionen
SUM
COUNT
COUNTIF
ANY_VALUE
AVG
MAX
MIN
HLL_COUNT.INIT
HLL_COUNT.MERGE
HLL_COUNT.MERGE_PARTIAL
- Die
GROUP BY
-Klausel BIT_AND
BIT_OR
BIT_XOR
LOGICAL_AND
LOGICAL_OR
DISJUNCTION_AGG
STRING_AGG
CORR
COVAR_POP
COVAR_SAMP
STDDEV_POP
STDDEV_SAMP
STDDEV
VAR_POP
VAR_SAMP
VARIANCE
APPROX_COUNT_DISTINCT
Fensterfunktionen
Für Fensterfunktionen, die auch als Analysefunktionen bezeichnet werden, gelten die folgenden Einschränkungen, wenn sie von BigQuery BI Engine beschleunigt werden:
- Die Eingabephasen werden von BigQuery BI Engine beschleunigt, wenn sie keine Fensterfunktionen haben. In diesem Fall
INFORMATION_SCHEMA.JOBS
rufen Sie die Berichtebi_engine_statistics
auf.acceleration_mode
alsFULL_INPUT
. - Die Eingabephasen von Abfragen mit Fensterfunktionen in ihren Eingabephasen werden von BI Engine beschleunigt, können jedoch nicht die im Abschnitt zu Einschränkungen für BI Engine-Fensterfunktionen beschriebenen Einschränkungen haben.
In diesem Fall werden die Eingabephasen oder die vollständige Abfrage in BI Engine ausgeführt. In diesem Fall
INFORMATION_SCHEMA.JOBS
rufen Sie die Berichtebi_engine_statistics
auf.acceleration_mode
alsFULL_INPUT
oderFULL_QUERY
.
Weitere Informationen zum Feld BiEngineStatistics
finden Sie in der Jobreferenz.
Einschränkungen für BI Engine-Fensterfunktionen
Abfragen mit Fensterfunktionen werden in BI Engine nur dann ausgeführt, wenn alle folgenden Bedingungen erfüllt sind:
- Bei der Abfrage wird genau eine Tabelle gescannt.
- Die Tabelle ist nicht partitioniert.
- Die Tabelle enthält weniger als fünf Millionen Zeilen.
- Die Abfrage enthält keine
JOIN
-Operatoren. - Die Größe der gescannten Tabelle mal der Anzahl der Operatoren der Fensterfunktion überschreitet 300 MB nicht. Zwei Fensterfunktionen mit identischen
OVER
-Klauseln und denselben direkten Eingaben können denselben Fensterfunktionsoperator nutzen. Beispiel:- Die Abfrage
SELECT ROW_NUMBER() OVER (ORDER BY x), SUM(x) OVER (ORDER BY x) FROM my_table
hat nur einen Operator der Fensterfunktion. - Die Abfrage
SELECT ROW_NUMBER() OVER (ORDER BY x), SUM(x) OVER (PARTITION BY y ORDER BY x) FROM my_table
hat zwei Operatoren für Fensterfunktionen, da die beiden Funktionen nicht dieselbeOVER
-Klausel haben. - Die Abfrage
SELECT ROW_NUMBER() OVER (ORDER BY x) FROM (SELECT SUM(x) OVER (ORDER BY x) AS x FROM my_table)
hat zwei Operatoren für Fensterfunktionen, da die beiden Funktionen unterschiedliche direkte Eingaben haben, obwohl dieOVER
-Klauseln identisch sind.
- Die Abfrage
- Die referenzierten Fensterfunktionen befinden sich in der folgenden Liste der unterstützten Funktionen.
Liste der unterstützten Fensterfunktionen:
ANY_VALUE
AVG
BIT_AND
BIT_OR
BIT_XOR
CORR
COUNT
COUNTIF
COVAR_POP
COVAR_SAMP
CUME_DIST
DENSE_RANK
FIRST_VALUE
LAG
LAST_VALUE
LEAD
LOGICAL_AND
LOGICAL_OR
MAX
MIN
NTH_VALUE
NTILE
PERCENT_RANK
PERCENTILE_CONT
PERCENTILE_DISC
RANK
ROW_NUMBER
ST_CLUSTERDBSCAN
STDDEV_POP
STDDEV_SAMP
STDDEV
STRING_AGG
SUM
VAR_POP
VAR_SAMP
VARIANCE
Weitere Funktionen
CAST
HLL_COUNT.EXTRACT
Der Punktoperator für
STRUCT
-FelderARRAY_LENGTH
Nicht unterstützte Funktionen
Die BI Engine-Beschleunigung ist für die folgenden Features nicht verfügbar:
- JavaScript-UDFs
- Externe Tabellen
- Native JSON-Daten abfragen
- Ergebnisse in eine permanente BigQuery-Tabelle schreiben
- Tabellen, die Upserts über BigQuery Change Data Capture enthalten
- Transaktionen
- Abfragen, die mehr als 1 GB an Daten zurückgeben. Für latenzempfindliche Anwendungen wird eine Antwortgröße von weniger als 1 MB empfohlen.
Die folgenden Features werden in Looker Studio nur eingeschränkt unterstützt:
- SQL-UDFs
ARRAY
-Spalten abfragen
Während einige SQL-Funktionen in benutzerdefinierten Abfragen von BigQuery BI Engine nicht unterstützt werden, gibt es eine verfügbare Problemumgehung:
- Erstellen Sie eine benutzerdefinierte Abfrage in BigQuery.
- Speichern Sie die Ergebnisse der Abfrage in einer Tabelle.
- Planen Sie Ihre benutzerdefinierte Abfrage, um die Tabelle regelmäßig zu aktualisieren. Eine stündliche oder tägliche Aktualisierungsrate funktioniert am besten, da eine Aktualisierung jede Minute den BI Engine-Cache häufiger ungültig macht.
- Verweisen Sie in leistungskritischen Abfragen auf diese Tabelle.