Cette page a été traduite par l'API Cloud Translation.

Estimer et contrôler les coûts

Cette page décrit les bonnes pratiques à suivre pour estimer et contrôler les coûts dans BigQuery.

Les principaux coûts de BigQuery sont le calcul, utilisé pour le traitement des requêtes, et le stockage, pour les données stockées dans BigQuery. BigQuery propose deux types de modèles de tarification pour le traitement des requêtes : à la demande et basée sur la capacité. Chaque modèle propose des bonnes pratiques différentes pour le contrôle des coûts. Pour les données stockées dans BigQuery, les coûts dépendent du modèle de facturation du stockage configuré pour chaque ensemble de données.

Comprendre la tarification de BigQuery pour le calcul

Il existe de légères différences dans la tarification du calcul pour BigQuery, qui affectent la planification de la capacité et le contrôle des coûts.

Modèles de tarification

Pour le calcul à la demande dans BigQuery, des frais sont facturés par Tio pour les requêtes BigQuery.

Pour le calcul de capacité dans BigQuery, vous êtes facturé pour les ressources de calcul (emplacements) utilisées pour traiter la requête. Pour utiliser ce modèle, vous devez configurer des réservations pour les emplacements.

Les réservations présentent les fonctionnalités suivantes:

Ils sont alloués dans des pools d'emplacements et vous permettent de gérer la capacité et d'isoler les charges de travail de manière adaptée à votre organisation.
Elles doivent résider dans un projet d'administration et sont soumises à des quotas et limites.

Le modèle de tarification basée sur la capacité propose plusieurs éditions, qui offrent toutes une option de paiement à l'usage facturée en heures d'emplacement. Les éditions Enterprise et Enterprise Plus proposent également des engagements d'emplacements facultatifs sur un ou trois ans qui peuvent vous faire économiser de l'argent par rapport au tarif à l'usage.

Vous pouvez également définir des réservations d'autoscaling à l'aide de l'option de paiement à l'utilisation. Pour en savoir plus, consultez les ressources suivantes :

Pour comparer les modèles de tarification, consultez la section Choisir un modèle.
Pour en savoir plus sur les tarifs, consultez les sections Tarifs de calcul à la demande et Tarifs de calcul de capacité.

Limiter les coûts pour chaque modèle

Lorsque vous utilisez le modèle de tarification à la demande, le seul moyen de limiter les coûts est de configurer des quotas quotidiens au niveau du projet ou de l'utilisateur. Toutefois, ces quotas appliquent une limite stricte qui empêche les utilisateurs d'exécuter des requêtes au-delà de la limite de quota. Pour définir des quotas, consultez Créer des quotas de requêtes personnalisés.

Lorsque vous utilisez le modèle de tarification basée sur la capacité avec des réservations d'emplacements, vous spécifiez le nombre maximal d'emplacements disponibles pour une réservation. Vous pouvez également souscrire des engagements d'emplacements qui vous font bénéficier de remises sur une période donnée.

Vous pouvez utiliser les éditions entièrement à la demande en définissant la valeur de référence de la réservation sur 0 et la valeur maximale sur un paramètre qui répond aux besoins de votre charge de travail. BigQuery effectue automatiquement l'ajustement du nombre d'emplacements nécessaires à votre charge de travail, sans jamais dépasser le nombre maximal que vous avez défini. Pour en savoir plus, consultez la section Gérer les charges de travail à l'aide de Reservations.

Contrôler les coûts des requêtes

Pour contrôler les coûts des requêtes individuelles, nous vous recommandons de suivre d'abord les bonnes pratiques d'optimisation du calcul des requêtes et d'optimisation du stockage.

Les sections suivantes décrivent d'autres bonnes pratiques que vous pouvez suivre pour mieux contrôler vos coûts de requêtes.

Créer des quotas de requêtes personnalisés

Bonne pratique:Utilisez des quotas de requêtes quotidiens personnalisés pour limiter la quantité de données traitées par jour.

Vous pouvez gérer les coûts en définissant un quota personnalisé qui spécifie une limite concernant la quantité de données traitées par jour et par projet ou par utilisateur. Les utilisateurs ne peuvent plus exécuter de requêtes une fois le quota atteint.

Pour définir un quota personnalisé, vous devez disposer de rôles ou d'autorisations spécifiques. Pour connaître les quotas à définir, consultez la section Quotas et limites.

Pour en savoir plus, consultez Limiter les coûts pour chaque modèle de tarification.

Vérifier le coût estimé avant d'exécuter une requête

Bonne pratique : Avant d'exécuter des requêtes, prévisualisez-les pour estimer les coûts.

Lorsque vous utilisez le modèle de tarification à la demande, les requêtes sont facturées en fonction du nombre d'octets lus. Pour estimer les coûts avant d'exécuter une requête:

Utilisez le programme de validation des requêtes dans la console Google Cloud.
Effectuez un dry run sur les requêtes.

Utiliser l'outil de validation des requêtes

Lorsque vous saisissez une requête dans la console Google Cloud, l'outil de validation des requêtes valide sa syntaxe et fournit une estimation du nombre d'octets lus. Vous pouvez vous servir de cette estimation pour calculer le coût de la requête dans le simulateur de coût.

Si votre requête n'est pas valide, l'outil de validation des requêtes affiche un message d'erreur. Exemple :

Not found: Table myProject:myDataset.myTable was not found in location US
Si votre requête est valide, l'outil de validation des requêtes fournit une estimation du nombre d'octets nécessaires pour traiter la requête. Exemple :

This query will process 623.1 KiB when run.

Effectuer une simulation

Pour effectuer une simulation, procédez comme suit :

Console

Accédez à la page BigQuery.

Accéder à BigQuery
Saisissez votre requête dans l'Éditeur de requête.

Si la requête est valide, une coche apparaît automatiquement avec la quantité de données que la requête va traiter. Si la requête n'est pas valide, un point d'exclamation apparaît avec un message d'erreur.

bq

Saisissez une requête semblable à celle-ci à l'aide de l'option --dry_run.

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

Pour une requête valide, la commande génère la réponse suivante :

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

API

Pour effectuer une simulation avec l'API, envoyez une tâche de requête avec la valeur dryRun définie sur true dans le type JobConfiguration.

Go

Avant d'essayer cet exemple, suivez les instructions de configuration pour Go du guide de démarrage rapide de BigQuery : Utiliser les bibliothèques clientes. Pour en savoir plus, consultez la documentation de référence de l'API BigQuery pour Go.

Pour vous authentifier auprès de BigQuery, configurez le service Identifiants par défaut de l'application. Pour en savoir plus, consultez la page Configurer l'authentification pour les bibliothèques clientes.

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

Avant d'essayer cet exemple, suivez les instructions de configuration pour Java du guide de démarrage rapide de BigQuery : Utiliser les bibliothèques clientes. Pour en savoir plus, consultez la documentation de référence de l'API BigQuery pour Java.

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

Avant d'essayer cet exemple, suivez les instructions de configuration pour Node.js du guide de démarrage rapide de BigQuery : Utiliser les bibliothèques clientes. Pour en savoir plus, consultez la documentation de référence de l'API BigQuery pour Node.js.

// 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

Avant d'essayer cet exemple, suivez les instructions de configuration pour PHP du guide de démarrage rapide de BigQuery : Utiliser les bibliothèques clientes. Pour en savoir plus, consultez la documentation de référence de l'API BigQuery pour PHP.

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

Définissez la propriété QueryJobConfig.dry_run sur True. La méthode Client.query() renvoie toujours une tâche QueryJob terminée lorsque vous lui transmettez une configuration de requête simulée.

Avant d'essayer cet exemple, suivez les instructions de configuration pour Python du guide de démarrage rapide de BigQuery : Utiliser les bibliothèques clientes. Pour en savoir plus, consultez la documentation de référence de l'API BigQuery pour Python.

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))

Estimer le coût d'une requête

Lorsque vous utilisez le modèle de tarification à la demande, vous pouvez estimer le coût d'exécution d'une requête en calculant le nombre d'octets traités.

Calcul de la taille des requêtes à la demande

Pour calculer le nombre d'octets traités par les différents types de requêtes, consultez les sections suivantes:

Éviter d'exécuter des requêtes pour explorer les données d'une table

Bonne pratique : N'exécutez pas de requêtes pour explorer ou prévisualiser les données d'une table.

Si vous testez ou explorez vos données, vous pouvez afficher les données gratuitement sans affecter les quotas à l'aide des options d'aperçu de la table.

Vous trouverez ci-dessous les options d'aperçu de données disponibles dans BigQuery :

Dans la console Google Cloud, sur la page "Détails de la table", cliquez sur l'onglet Aperçu pour échantillonner les données.
Dans l'outil de ligne de commande bq, exécutez la commande bq head et spécifiez le nombre de lignes à prévisualiser.
Dans l'API, récupérez les données de la table à partir d'un ensemble de lignes donné à l'aide de tabledata.list.
Évitez d'utiliser LIMIT dans des tables hors cluster, car cette clause LIMIT ne permet pas de réduire les coûts de calcul.

Limiter le nombre d'octets facturés par requête

Bonne pratique:Limitez les coûts des requêtes à l'aide du paramètre "Nombre maximal d'octets facturés" lorsque vous utilisez le modèle de tarification à la demande.

Vous pouvez limiter le nombre d'octets facturés pour une requête en utilisant le paramètre "Nombre maximal d'octets facturés". Lorsque vous définissez le nombre maximal d'octets facturés, le nombre d'octets lus par la requête est estimé avant l'exécution de la requête. Si le nombre d'octets estimés dépasse la limite, la requête échoue sans engendrer de frais.

Pour les tables en cluster, l'estimation du nombre d'octets facturés pour une requête correspond à la limite supérieure et peut être supérieure au nombre réel d'octets facturés après l'exécution de la requête. Dans certains cas, si vous définissez le nombre maximal d'octets facturés, une requête sur une table en cluster peut échouer, même si le nombre d'octets réellement facturé ne dépasse pas le paramètre d'octets facturés maximal.

Si une requête échoue en raison du paramètre "Nombre maximal d'octets facturés", une erreur est renvoyée sous la forme suivante :

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

Pour définir le nombre maximal d'octets facturés, procédez comme suit :

Console

Dans l'éditeur de requête, cliquez sur Plus > Paramètres de requête > Options avancées.
Dans le champ Nombre maximal d'octets facturés, saisissez un nombre entier.
Cliquez sur Enregistrer.

bq

Exécutez la commande bq query avec l'option --maximum_bytes_billed.

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

API

Définissez la propriété maximumBytesBilled dans JobConfigurationQuery ou QueryRequest.

Éviter d'utiliser `LIMIT` dans des tables hors cluster

Bonne pratique : Pour les tables hors cluster, n'utilisez pas de clause LIMIT comme méthode de contrôle des coûts.

Pour les tables hors cluster, l'application d'une clause LIMIT à une requête n'a aucune incidence sur la quantité de données lues. Vous êtes facturé pour la lecture de tous les octets de la table, comme indiqué par la requête, même si celle-ci ne renvoie qu'un sous-ensemble. Dans un tableau en cluster, une clause LIMIT peut réduire le nombre d'octets analysés, car l'analyse s'arrête lorsque suffisamment de blocs sont analysés pour obtenir le résultat. Seuls les octets analysés vous sont facturés.

Matérialiser les résultats d'une requête par étapes

Bonne pratique : Matérialisez les résultats de votre requête par étapes, si possible.

Si vous créez une requête volumineuse à plusieurs étapes, BigQuery lit toutes les données requises par la requête chaque fois que vous l'exécutez. Toutes les données lues à chaque exécution de la requête vous sont facturées.

Divisez plutôt votre requête en étapes, où chacune d'elles matérialise les résultats de la requête en les écrivant dans une table de destination. Interroger la plus petite table de destination vous permet de diminuer la quantité de données lues et de réduire les frais. Le coût de stockage des résultats matérialisés est bien inférieur au coût de traitement de grandes quantités de données.

Contrôler les coûts de la charge de travail

Cette section décrit les bonnes pratiques à suivre pour contrôler les coûts d'une charge de travail. Une charge de travail est un ensemble de requêtes associées. Par exemple, une charge de travail peut être un pipeline de transformation de données exécuté quotidiennement, un ensemble de tableaux de bord exécutés par un groupe d'analystes métier ou plusieurs requêtes ad hoc exécutées par un ensemble de data scientists.

Utiliser le Google Cloud simulateur de coût

Bonne pratique:Utilisez le simulateur de coûtGoogle Cloud pour créer une estimation globale des coûts mensuels pour BigQuery en fonction de l'utilisation prévue. Vous pouvez ensuite comparer cette estimation à vos coûts réels pour identifier les domaines à optimiser.

À la demande

Pour estimer les coûts dans le simulateur de coûtGoogle Cloud lors de l'utilisation du modèle de tarification à la demande, procédez comme suit:

Ouvrez le simulateur de coûtGoogle Cloud .
Cliquez sur Ajouter à l'estimation.
Sélectionnez BigQuery.
Sélectionnez "À la demande" pour Type de service.
Choisissez l'emplacement où vos requêtes seront exécutées.
Dans le champ Quantité de données interrogées, saisissez l'estimation des octets lus provenant de votre simulation ou de l'outil de validation des requêtes.
Saisissez les estimations de l'utilisation de l'espace de stockage pour le stockage actif, le stockage à long terme, les insertions en flux continu et les lectures en flux continu. Vous devez seulement estimer le stockage physique ou logique, selon le modèle de facturation du stockage des ensembles de données.
L'estimation s'affiche dans le panneau Détails des coûts. Pour en savoir plus sur le coût estimé, cliquez sur Ouvrir la vue détaillée. Vous pouvez également télécharger et partager l'estimation des coûts.

Pour en savoir plus, consultez la section Tarifs à la demande.

Éditions

Pour estimer les coûts dans le simulateur de coûtGoogle Cloud lors de l'utilisation du modèle de tarification basée sur la capacité avec des éditions BigQuery, procédez comme suit:

Ouvrez le simulateur de coûtGoogle Cloud .
Cliquez sur Ajouter à l'estimation.
Sélectionnez BigQuery.
Sélectionnez "Éditions" pour Type de service.
Choisissez la localisation d'utilisation des emplacements.
Choisissez votre édition.
Définissez le nombre maximal d'emplacements, le nombre d'emplacements de base, l'engagement (facultatif) et l'utilisation estimée de l'autoscaling.
Choisissez l'emplacement de stockage des données.
Saisissez les estimations de l'utilisation de l'espace de stockage pour le stockage actif, le stockage à long terme, les insertions en flux continu et les lectures en flux continu. Vous devez seulement estimer le stockage physique ou logique, selon le modèle de facturation du stockage des ensembles de données.
L'estimation s'affiche dans le panneau Détails des coûts. Pour en savoir plus sur le coût estimé, cliquez sur Ouvrir la vue détaillée. Vous pouvez également télécharger et partager l'estimation des coûts.

Pour en savoir plus, consultez la section Tarification basée sur la capacité.

Utiliser des réservations et des engagements

Bonne pratique:Utilisez les réservations et les engagements BigQuery pour contrôler les coûts.

Pour en savoir plus, consultez Limiter les coûts pour chaque modèle de tarification.

Utiliser l'outil d'estimation des emplacements

Bonne pratique:Utilisez l'estimateur d'emplacements pour estimer le nombre d'emplacements requis pour vos charges de travail.

L'estimateur d'emplacements BigQuery vous aide à gérer la capacité des emplacements en fonction des métriques de performances historiques.

De plus, les clients qui utilisent le modèle de tarification à la demande peuvent consulter des recommandations de dimensionnement pour les engagements et les réservations d'autoscaling avec des performances similaires lorsqu'ils passent à la tarification basée sur la capacité.

Annuler les tâches de longue durée inutiles

Pour libérer de la capacité, vérifiez les tâches de longue durée pour vous assurer qu'elles doivent continuer à s'exécuter. Si ce n'est pas le cas, annulez-les.

Afficher les coûts à l'aide d'un tableau de bord

Bonne pratique:Créez un tableau de bord pour analyser vos données Cloud Billing afin de pouvoir surveiller et ajuster votre utilisation de BigQuery.

Vous pouvez exporter vos données de facturation dans BigQuery et les visualiser dans un outil comme Looker Studio. Pour consulter un tutoriel sur la création d'un tableau de bord de facturation, consultez la page Visualiser la facturation Google Cloud à l'aide de BigQuery et Looker Studio.

Utiliser des budgets et des alertes de facturation

Bonne pratique:Utilisez des budgets Cloud Billing pour surveiller vos frais BigQuery depuis un seul et même endroit.

Les budgets de facturation Cloud vous permettent de suivre vos coûts réels par rapport à vos coûts planifiés. Une fois que vous avez défini un montant pour votre budget, définissez les règles fixant des seuils d'alertes budgétaires qui permettront de déclencher des notifications par e-mail. Vous pourrez ainsi suivre de près vos dépenses BigQuery par rapport à votre budget.

Contrôler les coûts de stockage

Suivez ces bonnes pratiques pour optimiser le coût du stockage BigQuery. Vous pouvez également optimiser l'espace de stockage pour améliorer les performances des requêtes.

Utiliser le stockage à long terme

Bonne pratique:Utilisez les tarifs de stockage à long terme pour réduire les coûts des données plus anciennes.

Lorsque vous chargez des données dans l'espace de stockage BigQuery, elles sont soumises aux tarifs de stockage de BigQuery. Pour les données plus anciennes, vous pouvez automatiquement profiter de la tarification de stockage à long terme de BigQuery.

Si une table n'est pas modifiée pendant 90 jours consécutifs, le prix de stockage de cette table diminue automatiquement de 50 %. Si vous disposez d'une table partitionnée, chaque partition est prise en considération individuellement pour l'éligibilité à une tarification à long terme soumise aux mêmes règles que les tables non partitionnées.

Configurer le modèle de facturation du stockage

Bonne pratique:Optimisez le modèle de facturation du stockage en fonction de vos habitudes d'utilisation.

BigQuery accepte la facturation du stockage à l'aide d'octets logiques (non compressés) ou physiques (compressés), ou d'une combinaison des deux. Le modèle de facturation du stockage configuré pour chaque ensemble de données détermine vos tarifs de stockage, mais n'a aucune incidence sur les performances des requêtes.

Vous pouvez utiliser les vues INFORMATION_SCHEMA pour déterminer le modèle de facturation du stockage le plus adapté en fonction de vos habitudes d'utilisation.

Éviter de remplacer des tables

Bonne pratique:Lorsque vous utilisez le modèle de facturation du stockage physique, évitez d'écraser plusieurs fois des tables.

Lorsque vous écrasez une table, par exemple à l'aide du paramètre --replace dans les tâches de chargement par lot ou à l'aide de l'instruction SQL TRUNCATE TABLE, les données remplacées sont conservées pendant la durée des périodes de voyage dans le temps et de sécurité. Si vous écrasez fréquemment une table, des frais de stockage supplémentaires vous seront facturés.

À la place, vous pouvez charger des données de manière incrémentielle dans une table à l'aide du paramètre WRITE_APPEND dans les tâches de chargement, de l'instruction SQL MERGE ou de l'API Storage Write.

Réduire la fenêtre de fonctionnalité temporelle

Bonne pratique:Selon vos besoins, vous pouvez réduire la fenêtre de fonctionnalité temporelle.

Réduire la valeur par défaut de la fenêtre de fonctionnalité temporelle (sept jours) réduit la période de conservation des données supprimées ou modifiées dans une table. Le stockage temporel vous est facturé uniquement lorsque vous utilisez le modèle de facturation du stockage physique (compressé).

La fenêtre de fonctionnalité temporelle est définie au niveau de l'ensemble de données. Vous pouvez également définir la fenêtre de fonctionnalité temporelle par défaut pour les nouveaux ensembles de données à l'aide des paramètres de configuration.

Utiliser l'expiration de la table pour les tables de destination

Bonne pratique : Si vous écrivez les résultats d'une requête volumineuse dans une table de destination, servez-vous du délai d'expiration de la table par défaut pour supprimer les données lorsque vous n'en avez plus besoin.

Conserver de grands ensembles de résultats dans l'espace de stockage BigQuery a un coût. Si vous n'avez pas besoin d'un accès permanent aux résultats, supprimez automatiquement les données selon le délai d'expiration de table défini par défaut.

Archiver des données dans Cloud Storage

Bonne pratique : Pensez à archiver les données dans Cloud Storage.

Vous pouvez déplacer des données de BigQuery vers Cloud Storage en fonction de vos besoins d'archivage. Nous vous recommandons de vous pencher sur la tarification du stockage à long terme et sur le modèle de facturation du stockage physique avant d'exporter des données depuis BigQuery.

Étape suivante

Découvrez les tarifs de BigQuery.
Découvrez comment optimiser les requêtes.
Découvrez comment optimiser le stockage.
Pour en savoir plus sur la facturation, les alertes et la visualisation des données, consultez les articles suivants :

Estimer et contrôler les coûts

Comprendre la tarification de BigQuery pour le calcul

Modèles de tarification

Limiter les coûts pour chaque modèle

Contrôler les coûts des requêtes

Créer des quotas de requêtes personnalisés

Vérifier le coût estimé avant d'exécuter une requête

Utiliser l'outil de validation des requêtes

Effectuer une simulation

Console

bq

API

Go

Java

Node.js

PHP

Python

Estimer le coût d'une requête

Calcul de la taille des requêtes à la demande

Éviter d'exécuter des requêtes pour explorer les données d'une table

Limiter le nombre d'octets facturés par requête

Console

bq

API

Éviter d'utiliser LIMIT dans des tables hors cluster

Matérialiser les résultats d'une requête par étapes

Contrôler les coûts de la charge de travail

Utiliser le Google Cloud simulateur de coût

À la demande

Éditions

Utiliser des réservations et des engagements

Utiliser l'outil d'estimation des emplacements

Annuler les tâches de longue durée inutiles

Afficher les coûts à l'aide d'un tableau de bord

Utiliser des budgets et des alertes de facturation

Contrôler les coûts de stockage

Utiliser le stockage à long terme

Configurer le modèle de facturation du stockage

Éviter de remplacer des tables

Réduire la fenêtre de fonctionnalité temporelle

Utiliser l'expiration de la table pour les tables de destination

Archiver des données dans Cloud Storage

Étape suivante

Éviter d'utiliser `LIMIT` dans des tables hors cluster