Stima e controllo dei costi

Questa pagina descrive come stimare il costo e elenca le best practice per il controllo costi in BigQuery. BigQuery offre due tipi di modelli di determinazione dei prezzi: on demand e prezzi in base alla capacità. Per informazioni sui prezzi, vedi Prezzi di BigQuery.

Con BigQuery puoi stimare il costo di esecuzione di una query, calcolare i byte elaborati da varie query e ottenere un costo mensile stimata in base all'utilizzo previsto. Per controllare i costi, è inoltre necessario seguire le best practice per ottimizzare il calcolo delle query e BigQuery Storage. Per le best practice specifiche per i costi, consulta Controllare i costi delle query.

Per monitorare i costi delle query e l'utilizzo di BigQuery, analizza Audit log di BigQuery.

Nota: inoltre, per controllare i costi, puoi chiedere al proprietario del progetto o alla quota per creare controlli dei costi personalizzati.

Stima i costi delle query

BigQuery offre vari metodi per stimare i costi:

• Utilizza l'opzione Prova di prova della query per stimare prima di eseguire una query utilizzando il modello di prezzi on demand.
• Calcolo del numero di byte elaborati da vari tipi di query.
• Ottieni il costo mensile in base all'utilizzo previsto utilizzando il Calcolatore prezzi di Google Cloud.

Calcolo delle dimensioni delle query on demand

Per calcolare il numero di byte elaborati dalle varie tipi di query utilizzando modello di fatturazione on demand, consulta quanto segue sezioni:

• Istruzioni DML
• Istruzioni DDL
• Tabelle in cluster

Nota: il modello di fatturazione dello spazio di archiviazione dei set di dati selezionato non influisce sul calcolo del costo delle query on demand. BigQuery utilizza sempre i byte logici (non compressi) per calcolare i costi delle query on demand.

Eseguire query su formati a colonne su Cloud Storage

Se i tuoi dati esterni sono archiviati in formato ORC o Parquet, il numero di byte addebitati è limitato alle colonne lette da BigQuery. Poiché i tipi di dati di un'origine dati esterna sono convertiti dalla query in tipi di dati BigQuery, il numero di byte letti è calcolato in base alle dimensioni dei tipi di dati BigQuery. Per informazioni sulle conversioni dei tipi di dati, consulta le seguenti pagine:

• Conversioni ORC
• Conversioni Parquet

Utilizzare il Calcolatore prezzi di Google Cloud

Il Calcolatore prezzi di Google Cloud può aiutarti a creare una stima dei costi mensili complessivi per BigQuery. in base all'utilizzo previsto.

On demand

Per stimare i costi con il Calcolatore prezzi di Google Cloud Quando utilizzi il modello di determinazione dei prezzi on demand, segui questi passaggi:

1. Apri il Calcolatore prezzi di Google Cloud.
2. Fai clic su BigQuery.
3. Fai clic sulla scheda On demand.
4. In Prezzi dell'archiviazione, inserisci la dimensione stimata della tabella in campi di archiviazione. Devi solo stimare lo spazio di archiviazione fisico o lo spazio di archiviazione logico, a seconda del modello di fatturazione dello spazio di archiviazione del set di dati.
5. In Prezzi delle query, inserisci i byte stimati letti dalla tua prova o lo strumento di convalida delle query.
6. Fai clic su Aggiungi alla stima.
7. La stima è visualizzata a destra. Tieni presente che puoi salvare o inviare via email stima.

Per ulteriori informazioni, vedi i prezzi on demand.

Edizioni

Per stimare i costi nel Calcolatore prezzi di Google Cloud quando utilizzi il modello di prezzi basato sulla capacità con le versioni di BigQuery, segui questi passaggi:

1. Apri il Calcolatore prezzi di Google Cloud.
2. Fai clic su BigQuery.
3. Fai clic sulla scheda Versioni.
4. Scegli la posizione in cui vengono utilizzati gli slot.
5. Scegli la tua edizione.
6. Scegli Numero massimo di slot, Slot di riferimento, Impegno facoltativo e Utilizzo stimato della scalabilità automatica.
7. Scegli la località in cui archiviare i dati.
8. Inserisci le tue stime dell'utilizzo dello spazio di archiviazione per Archiviazione attiva, Archiviazione a lungo termine, Inserimenti di streaming e Letture streaming. Devi stimare solo lo spazio di archiviazione fisico o logico, a seconda del modello di fatturazione dello spazio di archiviazione del set di dati.
9. Fai clic su Aggiungi alla stima.

Per ulteriori informazioni, consulta i prezzi basati sulla capacità.

Controllare i costi delle query

Per ottimizzare i costi delle query, assicurati di disporre di spazio di archiviazione ottimizzato e il computing delle query. Per altri metodi per controllare il costo delle query, consulta le sezioni seguenti:

Controlla il costo delle query prima di eseguirle

Best practice: prima di eseguire le query, visualizzane l'anteprima per stimare i costi.

Le query vengono fatturate in base al numero di byte letti. Per stimare i costi prima di eseguire una query:

• Utilizza il validatore delle query nella console Google Cloud.
• Utilizza il Calcolatore prezzi di Google Cloud.
• Esegui una prova per le query.

Utilizzare lo strumento di convalida delle query

Quando inserisci una query nella console Google Cloud, il validatore della query verifica la sintassi della query e fornisce una stima del numero di byte letti. Puoi utilizzare questa stima per calcolare il costo delle query nel Calcolatore prezzi.

• Se la query non è valida, lo strumento di convalida delle query visualizza un messaggio di errore. Ad esempio:

  Not found: Table myProject:myDataset.myTable was not found in location US

• Se la query è valida, lo strumento di convalida delle query fornisce una stima del di byte necessari per elaborare la query. Ad esempio:

  This query will process 623.1 KiB when run.

Nota: l'unità più piccola misurata con il Calcolatore prezzi è l'unità più piccola.

Eseguire una prova

Per eseguire una prova, segui questi passaggi:

Console

1. Vai alla pagina BigQuery.

   Vai a BigQuery

2. Inserisci la query nell'editor delle query.

   Se la query è valida, viene visualizzato automaticamente un segno di spunta insieme alla quantità di dati che verrà elaborata dalla query. Se la query non è valida, viene visualizzato un punto esclamativo insieme a un messaggio di errore.

bq

Inserisci una query come la seguente utilizzando il flag --dry_run.

bq query \
--use_legacy_sql=false \
--dry_run \
'SELECT
   COUNTRY,
   AIRPORT,
   IATA
 FROM
   `project_id`.dataset.airports
 LIMIT
   1000'
 

Per una query valida, il comando produce la seguente risposta:

Query successfully validated. Assuming the tables are not modified,
running this query will process 10918 bytes of data.

Nota: se la query elabora una piccola quantità di dati, potrebbe essere necessario convertire i byte elaborati da kB a MB. MB è la misura più piccola utilizzata dal Calcolatore prezzi.

API

Per eseguire una prova utilizzando l'API, invia un job di query con dryRun impostato su true nel tipo JobConfiguration.

Vai

Prima di provare questo esempio, segui le istruzioni per la configurazione di Go nel Guida rapida di BigQuery con librerie client. Per ulteriori informazioni, consulta API Go BigQuery documentazione di riferimento.

Per autenticarti a BigQuery, configura le credenziali predefinite dell'applicazione. Per saperne di più, consulta Configurare l'autenticazione per le librerie client.

import (
	"context"
	"fmt"
	"io"

	"cloud.google.com/go/bigquery"
)

// queryDryRun demonstrates issuing a dry run query to validate query structure and
// provide an estimate of the bytes scanned.
func queryDryRun(w io.Writer, projectID string) error {
	// projectID := "my-project-id"
	ctx := context.Background()
	client, err := bigquery.NewClient(ctx, projectID)
	if err != nil {
		return fmt.Errorf("bigquery.NewClient: %v", err)
	}
	defer client.Close()

	q := client.Query(`
	SELECT
		name,
		COUNT(*) as name_count
	FROM ` + "`bigquery-public-data.usa_names.usa_1910_2013`" + `
	WHERE state = 'WA'
	GROUP BY name`)
	q.DryRun = true
	// Location must match that of the dataset(s) referenced in the query.
	q.Location = "US"

	job, err := q.Run(ctx)
	if err != nil {
		return err
	}
	// Dry run is not asynchronous, so get the latest status and statistics.
	status := job.LastStatus()
	if err := status.Err(); err != nil {
		return err
	}
	fmt.Fprintf(w, "This query will process %d bytes\n", status.Statistics.TotalBytesProcessed)
	return nil
}

Java

Prima di provare questo esempio, segui le istruzioni di configurazione Java riportate nella guida rapida all'utilizzo di BigQuery con le librerie client. Per ulteriori informazioni, consulta la documentazione di riferimento dell'API BigQuery Java.

Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per saperne di più, consulta Configurare l'autenticazione per le librerie client.

import com.google.cloud.bigquery.BigQuery;
import com.google.cloud.bigquery.BigQueryException;
import com.google.cloud.bigquery.BigQueryOptions;
import com.google.cloud.bigquery.Job;
import com.google.cloud.bigquery.JobInfo;
import com.google.cloud.bigquery.JobStatistics;
import com.google.cloud.bigquery.QueryJobConfiguration;

// Sample to run dry query on the table
public class QueryDryRun {

  public static void runQueryDryRun() {
    String query =
        "SELECT name, COUNT(*) as name_count "
            + "FROM `bigquery-public-data.usa_names.usa_1910_2013` "
            + "WHERE state = 'WA' "
            + "GROUP BY name";
    queryDryRun(query);
  }

  public static void queryDryRun(String query) {
    try {
      // Initialize client that will be used to send requests. This client only needs to be created
      // once, and can be reused for multiple requests.
      BigQuery bigquery = BigQueryOptions.getDefaultInstance().getService();

      QueryJobConfiguration queryConfig =
          QueryJobConfiguration.newBuilder(query).setDryRun(true).setUseQueryCache(false).build();

      Job job = bigquery.create(JobInfo.of(queryConfig));
      JobStatistics.QueryStatistics statistics = job.getStatistics();

      System.out.println(
          "Query dry run performed successfully." + statistics.getTotalBytesProcessed());
    } catch (BigQueryException e) {
      System.out.println("Query not performed \n" + e.toString());
    }
  }
}

Node.js

Prima di provare questo esempio, segui le istruzioni di configurazione Node.js riportate nella guida rapida all'utilizzo di BigQuery con le librerie client. Per ulteriori informazioni, consulta la documentazione di riferimento dell'API BigQuery Node.js.

Per autenticarti a BigQuery, configura le credenziali predefinite dell'applicazione. Per saperne di più, consulta Configurare l'autenticazione per le librerie client.

// Import the Google Cloud client library
const {BigQuery} = require('@google-cloud/bigquery');
const bigquery = new BigQuery();

async function queryDryRun() {
  // Runs a dry query of the U.S. given names dataset for the state of Texas.

  const query = `SELECT name
    FROM \`bigquery-public-data.usa_names.usa_1910_2013\`
    WHERE state = 'TX'
    LIMIT 100`;

  // For all options, see https://cloud.google.com/bigquery/docs/reference/rest/v2/jobs/query
  const options = {
    query: query,
    // Location must match that of the dataset(s) referenced in the query.
    location: 'US',
    dryRun: true,
  };

  // Run the query as a job
  const [job] = await bigquery.createQueryJob(options);

  // Print the status and statistics
  console.log('Status:');
  console.log(job.metadata.status);
  console.log('\nJob Statistics:');
  console.log(job.metadata.statistics);
}

PHP

Prima di provare questo esempio, segui le istruzioni di configurazione PHP riportate nella guida rapida all'utilizzo di BigQuery con le librerie client. Per ulteriori informazioni, consulta API PHP BigQuery documentazione di riferimento.

Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.

use Google\Cloud\BigQuery\BigQueryClient;

/** Uncomment and populate these variables in your code */
// $projectId = 'The Google project ID';
// $query = 'SELECT id, view_count FROM `bigquery-public-data.stackoverflow.posts_questions`';

// Construct a BigQuery client object.
$bigQuery = new BigQueryClient([
    'projectId' => $projectId,
]);

// Set job configs
$jobConfig = $bigQuery->query($query);
$jobConfig->useQueryCache(false);
$jobConfig->dryRun(true);

// Extract query results
$queryJob = $bigQuery->startJob($jobConfig);
$info = $queryJob->info();

printf('This query will process %s bytes' . PHP_EOL, $info['statistics']['totalBytesProcessed']);

Python

Imposta la proprietà QueryJobConfig.dry_run su True. Client.query() restituisce sempre un QueryJob completato se viene fornita una configurazione di query di prova.

Prima di provare questo esempio, segui le istruzioni di configurazione Python riportate nella guida rapida all'utilizzo di BigQuery con le librerie client. Per ulteriori informazioni, consulta la documentazione di riferimento dell'API BigQuery Python.

Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per saperne di più, consulta Configurare l'autenticazione per le librerie client.

from google.cloud import bigquery

# Construct a BigQuery client object.
client = bigquery.Client()

job_config = bigquery.QueryJobConfig(dry_run=True, use_query_cache=False)

# Start the query, passing in the extra configuration.
query_job = client.query(
    (
        "SELECT name, COUNT(*) as name_count "
        "FROM `bigquery-public-data.usa_names.usa_1910_2013` "
        "WHERE state = 'WA' "
        "GROUP BY name"
    ),
    job_config=job_config,
)  # Make an API request.

# A dry run query completes immediately.
print("This query will process {} bytes.".format(query_job.total_bytes_processed))

Evita di eseguire query per esplorare i dati della tabella

Best practice: non eseguire query per esplorare o visualizzare l'anteprima dei dati della tabella.

Se stai conducendo esperimenti o esplorando i tuoi dati, puoi utilizzare le opzioni di anteprima della tabella per visualizzare i dati gratuitamente e senza influire sulle quote.

BigQuery supporta le seguenti opzioni di anteprima dei dati:

• Nella console Google Cloud, nella pagina dei dettagli della tabella, fai clic sulla scheda Anteprima per campionare i dati.
• Nello strumento a riga di comando bq, usa bq head. e specificare il numero di righe da visualizzare in anteprima.
• Nell'API, utilizza tabledata.list per recuperare i dati della tabella da un insieme specificato di righe.
• Evita di utilizzare LIMIT nelle tabelle non cluster. Per le tabelle non clusterizzate, una clausola LIMIT non riduce i costi di calcolo.

Limita il numero di byte fatturati

Best practice: utilizza l'impostazione Numero massimo di byte fatturati per limitare i costi delle query.

Puoi limitare il numero di byte fatturati per una query utilizzando l'impostazione dei byte massimi fatturati. Quando imposti il numero massimo di byte fatturati, il numero di byte le letture della query vengono stimate prima dell'esecuzione della query. Se il numero di byte stimati supera il limite, la query non riesce senza comportare addebiti.

Per le tabelle cluster, la stima del numero di byte fatturati per una query è un limite superiore e può essere superiore al numero effettivo di byte fatturati dopo l'esecuzione della query. Pertanto, in alcuni casi, se imposti il numero massimo di byte fatturati, una query su una tabella clusterizzata può non riuscire, anche se i byte fatturati effettivi non superano l'impostazione del numero massimo di byte fatturati.

Se una query non va a buon fine a causa dell'impostazione del numero massimo di byte fatturati, viene restituito un errore simile al seguente:

Error: Query exceeded limit for bytes billed: 1000000. 10485760 or higher required.

Per impostare il numero massimo di byte fatturati:

Console

1. In Editor di query, fai clic su Altro > Impostazioni query >. Opzioni avanzate.
2. Nel campo Numero massimo di byte fatturati, inserisci un numero intero.
3. Fai clic su Salva.

bq

Utilizza il comando bq query con il flag --maximum_bytes_billed.

  bq query --maximum_bytes_billed=1000000 \
  --use_legacy_sql=false \
  'SELECT
     word
   FROM
     `bigquery-public-data`.samples.shakespeare'

API

Imposta la proprietà maximumBytesBilled in JobConfigurationQuery oppure QueryRequest.

Evita di utilizzare LIMIT nelle tabelle non in cluster

Best practice: per le tabelle non in cluster, non utilizzare una clausola LIMIT come di controllo dei costi.

Per le tabelle non cluster, l'applicazione di una clausola LIMIT a una query non influisce sulla quantità di dati letti. Ti viene addebitata la lettura di tutti i byte come indicato dalla query, anche se quest'ultima restituisce solo un di Google Cloud. Con una tabella in cluster, una clausola LIMIT può ridurre il numero di byte esaminati, perché la scansione si interrompe quando vengono analizzati blocchi sufficienti per ottenere il risultato. Ti vengono addebitati solo i byte sottoposti a scansione.

Visualizza i costi utilizzando una dashboard ed esegui query sugli audit log

Best practice: crea una dashboard per visualizzare i dati di fatturazione in modo da poter apportare aggiustamenti all'utilizzo di BigQuery. Valuta anche la possibilità di trasmettere in streaming e gestire gli audit log per BigQuery per analizzare i pattern di utilizzo.

Puoi esportare i dati di fatturazione a BigQuery e visualizzarli in uno strumento come e Looker Studio. Per un tutorial sulla creazione di una dashboard di fatturazione, consulta Visualizzare la fatturazione di Google Cloud utilizzando BigQuery e Looker Studio.

Puoi anche trasmettere in streaming i tuoi audit log in BigQuery e analizzarli per individuare modelli di utilizzo, ad esempio i costi delle query per utente.

Materializzare i risultati delle query in fasi

Best practice: se possibile, materializza i risultati della query in più fasi.

Se crei una query in più fasi di grandi dimensioni, ogni volta che la esegui, BigQuery legge tutti i dati richiesti dalla query. Ti viene addebitato il costo di tutti i dati letti ogni volta che viene eseguita la query.

Suddividi invece la query in fasi in cui ogni fase materializza i risultati della query scrivendoli in una tabella di destinazione. L'esecuzione di query sulla tabella di destinazione più piccola riduce la quantità di dati letti e riduce i costi. Il costo dell'archiviazione dei risultati materializzati è molto inferiore al il costo dell'elaborazione di grandi quantità di dati.

Utilizzare la scadenza della tabella per le tabelle di destinazione

Best practice: se scrivi risultati di query di grandi dimensioni in una destinazione utilizza la scadenza predefinita della tabella per rimuovere i dati quando non sono necessario più tempo.

Mantenere set di risultati di grandi dimensioni nello spazio di archiviazione BigQuery ha un costo. Se non necessitano di un accesso permanente ai risultati, utilizza scadenza predefinita della tabella per eliminare automaticamente i dati.

Per ulteriori informazioni, consulta la sezione Prezzi dello spazio di archiviazione.

Passaggi successivi

• Ulteriori informazioni sui prezzi di BigQuery.
• Scopri come ottimizzare le query.
• Scopri come ottimizzare lo spazio di archiviazione.

• Per informazioni su fatturazione, avvisi e visualizzazione dei dati, consulta i seguenti argomenti:

  • Creare, modificare o eliminare budget e avvisi relativi al budget
  • Esportare i dati di fatturazione Cloud in BigQuery
  • Visualizzazione dei costi con Looker Studio