파티션 관리 및 클러스터 권장사항

이 문서에서는 파티션 및 클러스터 추천자의 작동 방식, 권장사항 및 통계를 보는 방법, 파티션 및 클러스터 권장사항을 적용하는 방법을 설명합니다.

기존 테이블 유형	권장사항 하위유형	권장사항 예시
파티셔닝되지 않음, 클러스터링되지 않음	파티션	'column_C에서 일별로 파티션을 나누어 월별 약 64 슬롯 시간 절약'
파티셔닝되지 않음, 클러스터링되지 않음	클러스터	'column_C에서 클러스터링하여 월 약 64 슬롯 시간 절약'
파티셔닝, 클러스터링되지 않음	클러스터	'column_C에서 클러스터링하여 월 약 64 슬롯 시간 절약'

제한사항

파티셔닝 및 클러스터링 추천자는 legacy SQL을 사용하는 BigQuery 테이블을 지원하지 않습니다. 권장사항을 생성할 때 추천자는 모든 legacy SQL 쿼리를 분석에서 제외합니다. 또한 legacy SQL을 사용하여 BigQuery 테이블에 파티션 권장사항을 적용하면 해당 테이블의 legacy SQL 워크플로가 중단됩니다.

파티션 권장사항을 적용하기 전에 legacy SQL 워크플로를 GoogleSQL로 마이그레이션합니다.
BigQuery는 테이블의 파티셔닝 스키마 변경을 지원하지 않습니다. 테이블 파티셔닝을 변경하는 것은 테이블 사본에서만 가능합니다. 자세한 내용은 파티션 권장사항 적용을 참조하세요.

위치

파티셔닝 및 클러스터링 추천자는 다음 처리 위치에서 사용할 수 있습니다.

	리전 설명	리전 이름	세부정보
아시아 태평양
	델리	`asia-south2`
	홍콩	`asia-east2`
	자카르타	`asia-southeast2`
	뭄바이	`asia-south1`
	오사카	`asia-northeast2`
	서울	`asia-northeast3`
	싱가포르	`asia-southeast1`
	시드니	`australia-southeast1`
	타이완	`asia-east1`
	도쿄	`asia-northeast1`
유럽
	벨기에	`europe-west1`	낮은 CO₂
	베를린	`europe-west10`	낮은 CO₂
	EU 멀티 리전	`eu`
	프랑크푸르트	`europe-west3`	낮은 CO₂
	런던	`europe-west2`	낮은 CO₂
	네덜란드	`europe-west4`	낮은 CO₂
	취리히	`europe-west6`	낮은 CO₂
미주
	아이오와	`us-central1`	낮은 CO₂
	라스베이거스	`us-west4`
	로스앤젤레스	`us-west2`
	몬트리올	`northamerica-northeast1`	낮은 CO₂
	북버지니아	`us-east4`
	오리건	`us-west1`	낮은 CO₂
	솔트레이크시티	`us-west3`
	상파울루	`southamerica-east1`	낮은 CO₂
	토론토	`northamerica-northeast2`	낮은 CO₂
	미국 멀티 리전	`us`

시작하기 전에

필수 권한

파티션 및 클러스터 권장사항에 액세스하는 데 필요한 권한을 얻으려면 관리자에게 BigQuery 파티셔닝 클러스터링 추천자 뷰어(roles/recommender.bigqueryPartitionClusterViewer) IAM 역할을 부여해 달라고 요청하세요. 역할 부여에 대한 자세한 내용은 프로젝트, 폴더, 조직에 대한 액세스 관리를 참조하세요.

이 사전 정의된 역할에는 파티션 및 클러스터 권장사항에 액세스하는 데 필요한 권한이 포함되어 있습니다. 필요한 정확한 권한을 보려면 필수 권한 섹션을 펼치세요.

필수 권한

파티션 및 클러스터 권장사항에 액세스하려면 다음 권한이 필요합니다.

recommender.bigqueryPartitionClusterRecommendations.get
recommender.bigqueryPartitionClusterRecommendations.list

커스텀 역할이나 다른 사전 정의된 역할을 사용하여 이 권한을 부여받을 수도 있습니다.

BigQuery에서 IAM 역할 및 권한에 대한 자세한 내용은 IAM 소개를 참조하세요.

추천 보기

이 섹션에서는 Google Cloud 콘솔, Google Cloud CLI, Recommender API를 사용하여 파티션 및 클러스터 권장사항과 통계를 보는 방법을 설명합니다.

다음 옵션 중 하나를 선택합니다.

콘솔

Google Cloud 콘솔에서 BigQuery 페이지로 이동합니다.

BigQuery로 이동
권장사항 탭을 열려면 권장사항 > 모든 권장사항 보기를 클릭합니다.

권장사항 탭에는 프로젝트에 사용할 수 있는 모든 권장사항이 나열됩니다.
BigQuery 워크로드 비용 최적화 패널에서 모두 보기를 클릭합니다.

비용 권장사항 테이블에는 현재 프로젝트에 생성된 모든 권장사항이 나와 있습니다. 예를 들어 다음 스크린샷은 추천자가 example_table 테이블을 분석한 다음 대략적인 양의 바이트와 슬롯을 저장하기 위해 example_column 열의 클러스터링을 추천하는 방법을 보여줍니다.
테이블 통계 및 권장사항에 대한 자세한 내용을 보려면 권장사항을 클릭합니다.

gcloud

특정 프로젝트에 대한 파티션 또는 클러스터 권장사항을 보려면 gcloud recommender recommendations list 명령어를 사용합니다.

gcloud recommender recommendations list \
    --project=PROJECT_NAME \
    --location=REGION_NAME \
    --recommender=google.bigquery.table.PartitionClusterRecommender \
    --format=FORMAT_TYPE \

다음을 바꿉니다.

PROJECT_NAME: BigQuery 테이블이 포함된 프로젝트의 이름
REGION_NAME: 프로젝트가 있는 리전
FORMAT_TYPE: 지원되는 gcloud CLI 출력 형식(예: JSON)

다음 표에서는 Recommender API 응답의 중요한 필드를 설명합니다.

속성	하위유형 관련성	설명
`recommenderSubtype`	파티션 또는 클러스터	권장사항 유형을 나타냅니다.
`content.overview.partitionColumn`	파티션	권장되는 파티셔닝 열 이름입니다.
`content.overview.partitionTimeUnit`	파티션	권장되는 파티셔닝 시간 단위입니다. 예를 들어 `DAY`는 권장 열에 일별 파티션을 포함하는 것이 좋다는 것을 의미합니다.
`content.overview.clusterColumns`	클러스터	권장되는 클러스터링 열 이름입니다.

추천자 응답의 다른 필드에 대한 자세한 내용은 REST 리소스: projects.locations.recommendersrecommendation을 참조하세요.
Recommender API 사용 방법에 대한 자세한 내용은 API 사용 - 권장사항을 참조하세요.

gcloud CLI를 사용하여 테이블 통계를 보려면 gcloud recommender insights list 명령어를 사용합니다.

gcloud recommender insights list \
    --project=PROJECT_NAME \
    --location=REGION_NAME \
    --insight-type=google.bigquery.table.StatsInsight \
    --format=FORMAT_TYPE \

다음을 바꿉니다.

PROJECT_NAME: BigQuery 테이블이 포함된 프로젝트의 이름
REGION_NAME: 프로젝트가 있는 리전
FORMAT_TYPE: 지원되는 gcloud CLI 출력 형식(예: JSON)

다음 표에서는 통계 API 응답의 중요한 필드를 설명합니다.

속성	하위유형 관련성	설명
`content.existingPartitionColumn`	클러스터	기존 파티셔닝 열(있는 경우)
`content.tableSizeTb`	전체	테이블 크기(테라바이트 단위)
`content.bytesReadMonthly`	전체	테이블에서 읽은 월별 바이트 수
`content.slotMsConsumedMonthly`	전체	테이블에서 실행되는 워크로드에서 소비한 월별 슬롯 밀리초
`content.queryJobsCountMonthly`	전체	테이블에서 실행되는 월별 작업 수

통계 응답의 다른 필드에 대한 자세한 내용은 REST 리소스: projects.locations.insightTypes.insights을 참조하세요.
통계 사용에 대한 자세한 내용은 API 사용 - 통계를 참조하세요.

REST API

특정 프로젝트에 대한 파티션 또는 클러스터 권장사항을 보려면 REST API를 사용합니다. 각 명령어에 gcloud CLI를 사용하여 가져올 수 있는 인증 토큰을 제공해야 합니다. 인증 토큰을 가져오는 방법에 대한 자세한 내용은 ID 토큰을 가져오는 방법을 참조하세요.

curl list 요청을 사용하여 특정 프로젝트에 대한 모든 권장사항을 볼 수 있습니다.

curl
    -H "Authorization: Bearer $GCLOUD_AUTH_TOKEN"
    -H "x-goog-user-project: PROJECT_NAME" https://recommender.googleapis.com/v1/projects/my-project/locations/us/recommenders/google.bigquery.table.PartitionClusterRecommender/recommendations

다음을 바꿉니다.

GCLOUD_AUTH_TOKEN: 유효한 gcloud CLI 액세스 토큰 이름
PROJECT_NAME: BigQuery 테이블이 포함된 프로젝트의 이름

다음 표에서는 Recommender API 응답의 중요한 필드를 설명합니다.

속성	하위유형 관련성	설명
`recommenderSubtype`	파티션 또는 클러스터	권장사항 유형을 나타냅니다.
`content.overview.partitionColumn`	파티션	권장되는 파티셔닝 열 이름입니다.
`content.overview.partitionTimeUnit`	파티션	권장되는 파티셔닝 시간 단위입니다. 예를 들어 `DAY`는 권장 열에 일별 파티션을 포함하는 것이 좋다는 것을 의미합니다.
`content.overview.clusterColumns`	클러스터	권장되는 클러스터링 열 이름입니다.

추천자 응답의 다른 필드에 대한 자세한 내용은 REST 리소스: projects.locations.recommendersrecommendation을 참조하세요.
Recommender API 사용 방법에 대한 자세한 내용은 API 사용 - 권장사항을 참조하세요.

REST API를 사용하여 테이블 통계를 보려면 다음 명령어를 실행합니다.

curl
-H "Authorization: Bearer $GCLOUD_AUTH_TOKEN"
-H "x-goog-user-project: PROJECT_NAME" https://recommender.googleapis.com/v1/projects/my-project/locations/us/insightTypes/google.bigquery.table.StatsInsight/insights

다음을 바꿉니다.

GCLOUD_AUTH_TOKEN: 유효한 gcloud CLI 액세스 토큰 이름
PROJECT_NAME: BigQuery 테이블이 포함된 프로젝트의 이름

다음 표에서는 통계 API 응답의 중요한 필드를 설명합니다.

속성	하위유형 관련성	설명
`content.existingPartitionColumn`	클러스터	기존 파티셔닝 열(있는 경우)
`content.tableSizeTb`	전체	테이블 크기(테라바이트 단위)
`content.bytesReadMonthly`	전체	테이블에서 읽은 월별 바이트 수
`content.slotMsConsumedMonthly`	전체	테이블에서 실행되는 워크로드에서 소비한 월별 슬롯 밀리초
`content.queryJobsCountMonthly`	전체	테이블에서 실행되는 월별 작업 수

통계 응답의 다른 필드에 대한 자세한 내용은 REST 리소스: projects.locations.insightTypes.insights을 참조하세요.
통계 사용에 대한 자세한 내용은 API 사용 - 통계를 참조하세요.

클러스터 권장사항 적용

클러스터 권장사항을 적용하려면 다음 중 하나를 수행합니다.

원본 테이블에 클러스터를 직접 적용
복사된 테이블에 클러스터 적용
구체화된 뷰에 클러스터 적용

원본 테이블에 클러스터를 직접 적용

기존 BigQuery 테이블에 클러스터 권장사항을 직접 적용할 수 있습니다. 이 방법은 복사된 테이블에 권장사항을 적용하는 것보다 빠르지만 백업 테이블을 보존하지 않습니다.

파티션을 나누지 않았거나 파티션을 나눈 테이블에 새 클러스터링 사양을 적용하려면 다음 단계를 수행합니다.

bq 도구에서 새 클러스터링과 일치하도록 테이블의 클러스터링 사양을 업데이트합니다.
```
 bq update --clustering_fields=CLUSTER_COLUMN DATASET.ORIGINAL_TABLE 
```
다음을 바꿉니다.
- CLUSTER_COLUMN: 클러스터링된 열(예: mycolumn)
- DATASET: 테이블이 포함된 데이터 세트의 이름(예: mydataset)
- ORIGINAL_TABLE: 원본 테이블의 이름(예: mytable).
tables.update 또는 tables.patch API 메서드를 호출하여 클러스터링 사양을 수정할 수도 있습니다.
새 클러스터링 사양에 따라 모든 행을 클러스터링하려면 다음 UPDATE 문을 실행합니다.
```
UPDATE DATASET.ORIGINAL_TABLE SET CLUSTER_COLUMN=CLUSTER_COLUMN WHERE true
```
참고: 새 클러스터링 사양이 장기 스토리지에 있는 테이블에 적용되면 테이블이 활성 스토리지 가격 책정으로 돌아갑니다. 자세한 내용은 스토리지 가격 책정을 참조하세요.

복사된 테이블에 클러스터 적용

BigQuery 테이블에 클러스터 권장사항을 적용할 때 먼저 원본 테이블을 복사한 다음 복사된 테이블에 권장사항을 적용할 수 있습니다. 이 방법을 사용하면 클러스터링 구성 변경사항을 롤백해야 하는 경우 원래 데이터가 보존됩니다.

이 방법을 사용하여 파티션을 나누지 않은 테이블과 파티션을 나눈 테이블 모두에 클러스터 권장사항을 적용할 수 있습니다.

Google Cloud 콘솔에서 BigQuery 페이지로 이동합니다.

BigQuery로 이동
쿼리 편집기에서 LIKE 연산자를 사용하여 원본 테이블의 동일한 메타데이터(클러스터링 사양 포함)로 빈 테이블을 만듭니다.
```
CREATE TABLE DATASET.COPIED_TABLE
LIKE DATASET.ORIGINAL_TABLE
```
다음을 바꿉니다.
- DATASET: 테이블이 포함된 데이터 세트의 이름(예: mydataset)
- COPIED_TABLE: 복사된 테이블의 이름(예: copy_mytable)
- ORIGINAL_TABLE: 원본 테이블의 이름(예: mytable)
Google Cloud 콘솔에서 Cloud Shell 편집기를 엽니다.

Cloud Shell 활성화
Cloud Shell 편집기에서 bq update 명령어를 사용하여 복사된 테이블의 클러스터링 사양을 권장 클러스터링과 일치하도록 업데이트합니다.
```
 bq update --clustering_fields=CLUSTER_COLUMN DATASET.COPIED_TABLE 
```
CLUSTER_COLUMN을 클러스터링할 열로 바꿉니다(예: mycolumn)

tables.update 또는 tables.patch API 메서드를 호출하여 클러스터링 사양을 수정할 수도 있습니다.

쿼리 편집기에서 파티셔닝 또는 클러스터링이 있는 경우 원본 테이블의 파티셔닝 및 클러스터링 구성을 사용하여 테이블 스키마를 검색합니다. 원본 테이블의 INFORMATION_SCHEMA.TABLES 뷰를 확인하여 스키마를 검색할 수 있습니다.

SELECT
  ddl
FROM
  DATASET.INFORMATION_SCHEMA.TABLES
WHERE
  table_name = 'DATASET.ORIGINAL_TABLE;'

출력은 PARTITION BY 절을 포함한 ORIGINAL_TABLE의 전체 데이터 정의 언어(DDL) 문입니다. DDL 출력의 인수에 대한 자세한 내용은 CREATE TABLE 문을 참조하세요.

DDL 출력은 원본 테이블의 파티셔닝 유형을 나타냅니다.

파티션 나누기 유형	결과 예시
파티션을 나누지 않음	`PARTITION BY` 절이 없습니다.
테이블 열로 파티셔닝	`PARTITION BY c0`
	`PARTITION BY DATE(c0)`
	`PARTITION BY DATETIME_TRUNC(c0, MONTH)`
수집 시간으로 파티셔닝	`PARTITION BY _PARTITIONDATE`
수집 시간으로 파티셔닝	`PARTITION BY DATETIME_TRUNC(_PARTITIONTIME, MONTH)`

복사된 테이블에 데이터를 수집합니다. 사용하는 프로세스는 파티션 유형을 기반으로 합니다.
- 원본 테이블에서 테이블 열로 파티션을 나누지 않거나 파티션을 나눈 경우 원본 테이블의 데이터를 복사된 테이블로 수집합니다.
```
INSERT INTO DATASET.COPIED_TABLE
SELECT * FROM DATASET.ORIGINAL_TABLE
```
- 원본 테이블이 수집 시간으로 파티션을 나눈 경우 다음 단계를 따르세요.
  1. INFORMATION_SCHEMA.COLUMNS 뷰를 사용하여 데이터 수집 표현식을 형성하는 열 목록을 검색합니다.
```
SELECT
ARRAY_TO_STRING((
SELECT
  ARRAY(
  SELECT
    column_name
  FROM
    DATASET.INFORMATION_SCHEMA.COLUMNS
  WHERE
    table_name = 'ORIGINAL_TABLE')), ", ")
```
    출력은 쉼표로 구분된 열 이름 목록입니다.
  2. 원본 테이블에서 복사 테이블로 데이터를 수집합니다.
```
INSERT DATASET.COPIED_TABLE (COLUMN_NAMES, _PARTITIONTIME)
SELECT *, _PARTITIONTIME FROM DATASET.ORIGINAL_TABLE
```
    COLUMN_NAMES를 쉼표로 구분된 이전 단계에서 출력된 열 목록(예: col1, col2, col3)으로 바꿉니다.
이제 원본 테이블과 동일한 데이터가 포함된 클러스터링된 복사 테이블이 있습니다. 다음 단계에서는 원본 테이블을 새로 클러스터링된 테이블로 바꿉니다.
원본 테이블의 이름을 백업 테이블로 바꿉니다.
```
ALTER TABLE DATASET.ORIGINAL_TABLE
RENAME TO DATASET.BACKUP_TABLE
```
BACKUP_TABLE을 백업 테이블 이름(예: backup_mytable)으로 바꿉니다.
복사 테이블의 이름을 원본 테이블로 바꿉니다.
```
ALTER TABLE DATASET.COPIED_TABLE
RENAME TO DATASET.ORIGINAL_TABLE
```
이제 원본 테이블이 클러스터 권장사항에 따라 클러스터링되었습니다.

클러스터링된 테이블을 검토하여 모든 테이블 함수가 의도한 대로 작동하는지 확인하는 것이 좋습니다. 많은 테이블 함수가 테이블 이름이 아니라 테이블 ID에 연결되어 있을 가능성이 높으므로 계속하기 전에 다음 테이블 함수를 검토하는 것이 가장 좋습니다.

액세스 및 권한(예: IAM 권한, 행 수준 액세스 또는 열 수준 액세스)
테이블 아티팩트(예:테이블 클론, 테이블 스냅샷, 검색 색인)
구체화된 뷰 또는 테이블을 복사할 때 실행된 모든 작업 등 진행 중인 테이블 프로세스 상태
시간 이동을 사용하여 이전 테이블 데이터에 액세스하는 기능
원본 테이블과 연결된 모든 메타데이터입니다(예: table_option_list 또는 column_option_list). 자세한 내용은 데이터 정의 언어 문을 참조하세요.

문제가 발생하면 영향을 받는 아티팩트를 새 테이블로 수동으로 이전해야 합니다.

클러스터링된 테이블을 검토한 후 선택적으로 명령어를 사용하여 백업 테이블을 삭제할 수 있습니다.

    DROP TABLE DATASET.BACKUP_TABLE

구체화된 뷰에 클러스터 적용

테이블의 구체화된 뷰를 만들어 권장사항이 적용된 원본 테이블의 데이터를 저장할 수 있습니다. 권장사항을 적용할 때 구체화된 뷰를 사용하면 자동 새로고침으로 클러스터링된 데이터를 최신 상태로 유지할 수 있습니다. 구체화된 뷰를 쿼리, 유지보수 및 저장할 때는 가격 책정 고려사항이 있습니다. 클러스터링된 구체화된 뷰를 만드는 방법은 클러스터링된 구체화된 뷰를 참조하세요.

파티션 권장사항 적용

파티션 권장사항을 적용하려면 원본 테이블의 복사본에 적용해야 합니다. BigQuery는 파티션을 나누지 않은 테이블을 파티션을 나눈 테이블로 변경하거나 테이블의 파티셔닝 스키마를 변경하거나, 기본 테이블과 다른 파티셔닝 스키마로 구체화된 뷰를 만드는 것 등, 적용 중인 테이블의 파티셔닝 스키마를 변경하는 것을 지원하지 않습니다. 테이블 파티셔닝을 변경하는 것은 테이블 사본에서만 가능합니다.

복사된 테이블에 파티션 권장사항 적용

BigQuery 테이블에 파티션 권장사항을 적용할 때 먼저 원본 테이블을 복사한 다음 복사된 테이블에 권장사항을 적용해야 합니다. 파티션을 롤백해야 하는 경우 이 방식을 사용하면 원본 데이터가 보존됩니다.

다음 절차에서는 예시 권장사항을 사용하여 파티션 시간 단위 DAY로 테이블 파티션을 나눕니다.

파티션 권장사항을 사용하여 복사된 테이블을 만듭니다.
```
CREATE TABLE DATASET.COPIED_TABLE
PARTITION BY DATE_TRUNC(PARTITION_COLUMN, DAY)
AS SELECT * FROM DATASET.ORIGINAL_TABLE
```
다음을 바꿉니다.
- DATASET: 테이블이 포함된 데이터 세트의 이름(예: mydataset)
- COPIED_TABLE: 복사된 테이블의 이름(예: copy_mytable)
- PARTITION_COLUMN: 파티션을 나눌 열(예: mycolumn)
파티션을 나눈 테이블 만들기에 대한 자세한 내용은 파티션을 나눈 테이블 만들기를 참조하세요.
원본 테이블의 이름을 백업 테이블로 바꿉니다.
```
ALTER TABLE DATASET.ORIGINAL_TABLE
RENAME TO DATASET.BACKUP_TABLE
```
BACKUP_TABLE을 백업 테이블 이름(예: backup_mytable)으로 바꿉니다.
복사 테이블의 이름을 원본 테이블로 바꿉니다.
```
ALTER TABLE DATASET.COPIED_TABLE
RENAME TO DATASET.ORIGINAL_TABLE
```
이제 파티션 권장사항에 따라 원본 테이블의 파티션이 나뉩니다.

파티션을 나눈 테이블을 검토하여 모든 테이블 함수가 의도한 대로 작동하는지 확인하는 것이 좋습니다. 많은 테이블 함수가 테이블 이름이 아니라 테이블 ID에 연결되어 있을 가능성이 높으므로 계속하기 전에 다음 테이블 함수를 검토하는 것이 가장 좋습니다.

액세스 및 권한(예: IAM 권한, 행 수준 액세스 또는 열 수준 액세스)
테이블 아티팩트(예:테이블 클론, 테이블 스냅샷, 검색 색인)
구체화된 뷰 또는 테이블을 복사할 때 실행된 모든 작업 등 진행 중인 테이블 프로세스 상태
시간 이동을 사용하여 이전 테이블 데이터에 액세스하는 기능
원본 테이블과 연결된 모든 메타데이터입니다(예: table_option_list 또는 column_option_list). 자세한 내용은 데이터 정의 언어 문을 참조하세요.
legacy SQL을 사용하여 쿼리 결과를 파티션을 나눈 테이블에 쓰는 기능. 파티션을 나눈 테이블에서는 legacy SQL 사용이 완전히 지원되지 않습니다. 한 가지 해결 방법은 파티션 권장사항을 적용하기 전에 legacy SQL 워크플로를 GoogleSQL로 마이그레이션하는 것입니다.

문제가 발생하면 영향을 받는 아티팩트를 새 테이블로 수동으로 이전해야 합니다.

파티션을 나눈 테이블을 검토한 후 선택적으로 명령어를 사용하여 백업 테이블을 삭제할 수 있습니다.

    DROP TABLE DATASET.BACKUP_TABLE

가격 책정

이 기능의 가격 책정에 대한 자세한 내용은 BigQuery의 Gemini 가격 책정 개요를 참조하세요.

권장사항을 테이블에 적용할 때 다음과 같은 비용이 발생할 수 있습니다.

처리 비용. 권장사항을 적용할 때 BigQuery 프로젝트에 데이터 정의 언어(DDL) 또는 데이터 조작 언어(DML) 쿼리를 실행합니다.
스토리지 비용. 테이블 복사 방법을 사용하면 복사된(또는 백업) 테이블에 추가 스토리지를 사용합니다.

프로젝트와 연결된 결제 계정에 따라 표준 처리 및 스토리지 요금이 적용됩니다. 자세한 내용은 BigQuery 가격 책정을 참조하세요.

할당량 및 한도

이 기능의 할당량 및 한도에 대한 자세한 내용은 BigQuery의 Gemini 할당량을 참조하세요.

문제 해결

문제: 특정 테이블에 대한 권장사항이 표시되지 않음.

다음과 같은 경우 파티션 및 클러스터 권장사항이 표시되지 않을 수 있습니다.

테이블이 10GB 미만인 경우
테이블의 DML 작업에 대한 쓰기 비용이 높은 경우
지난 30일 동안 테이블을 읽지 않은 경우
월별 예상 절감액이 너무 미미한 경우(슬롯 시간 1시간 미만 절감)
테이블이 이미 클러스터링된 경우

파티션 관리 및 클러스터 권장사항

추천자 작동 방식

제한사항

위치

시작하기 전에

필수 권한

필수 권한

추천 보기

콘솔

gcloud

REST API

클러스터 권장사항 적용

원본 테이블에 클러스터를 직접 적용

복사된 테이블에 클러스터 적용

구체화된 뷰에 클러스터 적용

파티션 권장사항 적용

복사된 테이블에 파티션 권장사항 적용

가격 책정

할당량 및 한도

문제 해결