Esta página se ha traducido con Cloud Translation API.

Gestionar recomendaciones de particiones y clústeres

En este documento se describe cómo funciona el recomendador de particiones y clústeres, cómo ver las recomendaciones y las estadísticas, y cómo aplicar las recomendaciones de particiones y clústeres.

Cómo funciona el sistema de recomendaciones

El recomendador de particiones y clústeres de BigQuery genera recomendaciones de particiones o clústeres para optimizar tus tablas de BigQuery. El recomendador analiza los flujos de trabajo de tus tablas de BigQuery y ofrece recomendaciones para optimizar los flujos de trabajo y los costes de las consultas mediante la creación de particiones o clústeres de tablas.

Para obtener más información sobre el servicio Recommender, consulta la descripción general de Recommender.

El recomendador de particiones y clústeres usa los datos de ejecución de la carga de trabajo del proyecto de los últimos 30 días para analizar cada tabla de BigQuery en busca de configuraciones de particiones y clústeres que no sean óptimas. El recomendador también usa el aprendizaje automático para predecir cuánto se podría optimizar la ejecución de la carga de trabajo con diferentes configuraciones de partición o de clúster. Si el recomendador detecta que la partición o la agrupación en clústeres de una tabla supone un ahorro significativo, genera una recomendación. El recomendador de particiones y clústeres genera los siguientes tipos de recomendaciones:

Tipo de tabla ya creada	Subtipo de recomendación	Ejemplo de recomendación
Sin particiones ni clústeres	Partición	"Ahorra unas 64 horas de ranura al mes creando particiones en column_C por DÍA"
Sin particiones ni clústeres	Clúster	"Ahorra unas 64 horas de ranura al mes agrupando por columna_C"
Particionada y no agrupada en clústeres	Clúster	"Ahorra unas 64 horas de ranura al mes agrupando por columna_C"

Cada recomendación consta de tres partes:

Orientación para particionar o agrupar una tabla específica
La columna específica de una tabla que se va a particionar o agrupar en clústeres
Ahorro mensual estimado al aplicar la recomendación

Para calcular el posible ahorro de carga de trabajo, la herramienta de recomendaciones asume que los datos históricos de carga de trabajo de ejecución de los últimos 30 días representan la carga de trabajo futura.

La API Recommender también devuelve información sobre la carga de trabajo de las tablas en forma de estadísticas. Las estadísticas son conclusiones que te ayudan a entender la carga de trabajo de tu proyecto y te proporcionan más contexto sobre cómo una partición o una recomendación de clúster puede mejorar los costes de la carga de trabajo.

Limitaciones

El recomendador de particiones y clústeres no admite tablas de BigQuery con SQL antiguo. Al generar una recomendación, el recomendador excluye las consultas de SQL antiguo de su análisis. Además, si se aplican recomendaciones de partición en tablas de BigQuery con SQL antiguo, se interrumpirán los flujos de trabajo de SQL antiguo de esa tabla.

Antes de aplicar las recomendaciones de partición, migra tus flujos de trabajo de SQL antiguo a GoogleSQL.
BigQuery no permite cambiar el esquema de partición de una tabla. Solo puedes cambiar el particionado de una tabla en una copia de la tabla. Para obtener más información, consulta Aplicar recomendaciones de partición.

Ubicaciones

La recomendación de partición y de creación de clústeres está disponible en las siguientes ubicaciones de procesamiento:

	Descripción de la región	Nombre de la región	Detalles
Asia‑Pacífico
	Deli	`asia-south2`
	Hong Kong	`asia-east2`
	Yakarta	`asia-southeast2`
	Bombay	`asia-south1`
	Osaka	`asia-northeast2`
	Seúl	`asia-northeast3`
	Singapur	`asia-southeast1`
	Sídney	`australia-southeast1`
	Taiwán	`asia-east1`
	Tokio	`asia-northeast1`
Europa
	Bélgica	`europe-west1`	CO₂ bajo
	Berlín	`europe-west10`	CO₂ bajo
	Multirregional de la UE	`eu`
	Fráncfort	`europe-west3`
	Londres	`europe-west2`	CO₂ bajo
	Países Bajos	`europe-west4`	CO₂ bajo
	Zúrich	`europe-west6`	CO₂ bajo
América
	Iowa	`us-central1`	CO₂ bajo
	Las Vegas	`us-west4`
	Los Ángeles	`us-west2`
	Montreal	`northamerica-northeast1`	CO₂ bajo
	Norte de Virginia	`us-east4`
	Oregón	`us-west1`	CO₂ bajo
	Salt Lake City	`us-west3`
	São Paulo	`southamerica-east1`	CO₂ bajo
	Toronto	`northamerica-northeast2`	CO₂ bajo
	Multirregional de EE. UU.	`us`

Antes de empezar

Permisos obligatorios

Para obtener los permisos que necesitas para acceder a las recomendaciones de particiones y clústeres, pide a tu administrador que te asigne el rol de gestión de identidades y accesos Lector de recomendaciones de particiones y clústeres de BigQuery (roles/recommender.bigqueryPartitionClusterViewer). Para obtener más información sobre cómo conceder roles, consulta el artículo Gestionar el acceso a proyectos, carpetas y organizaciones.

Este rol predefinido contiene los permisos necesarios para acceder a las recomendaciones de particiones y clústeres. Para ver los permisos exactos que se necesitan, despliega la sección Permisos necesarios:

Permisos obligatorios

Para acceder a las recomendaciones de particiones y clústeres, se necesitan los siguientes permisos:

recommender.bigqueryPartitionClusterRecommendations.get
recommender.bigqueryPartitionClusterRecommendations.list

También puedes obtener estos permisos con roles personalizados u otros roles predefinidos.

Para obtener más información sobre los roles y permisos de gestión de identidades y accesos en BigQuery, consulta la introducción a la gestión de identidades y accesos.

Ver recomendaciones

En esta sección se describe cómo ver recomendaciones e estadísticas de particiones y clústeres mediante la Google Cloud consola, la CLI de Google Cloud o la API Recommender.

Selecciona una de las opciones siguientes:

Consola

En la Google Cloud consola, ve a la página BigQuery.

Ir a BigQuery
En el menú de navegación, haga clic en Recomendaciones.

En la pestaña Recomendaciones se muestran todas las recomendaciones disponibles para tu proyecto.
En el panel Optimizar el coste de la carga de trabajo de BigQuery, haga clic en Ver todo.

En la tabla de recomendaciones de costes se muestran todas las recomendaciones generadas para el proyecto actual. Por ejemplo, en la siguiente captura de pantalla se muestra que el recomendador ha analizado la tabla example_table y, a continuación, ha recomendado agrupar la columna example_column para ahorrar una cantidad aproximada de bytes y ranuras.
Para ver más información sobre la estadística y la recomendación de la tabla, haz clic en una recomendación.

gcloud

Para ver las recomendaciones de particiones o clústeres de un proyecto concreto, usa el comando gcloud recommender recommendations list:

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

Haz los cambios siguientes:

PROJECT_NAME: el nombre del proyecto que contiene tu tabla de BigQuery
REGION_NAME: la región en la que se encuentra tu proyecto
FORMAT_TYPE: un formato de salida de la CLI de gcloud compatible, como JSON

En la siguiente tabla se describen los campos importantes de la respuesta de la API Recommender:

Propiedad	Relevante para el subtipo	Descripción
`recommenderSubtype`	Partición o clúster	Indica el tipo de recomendación.
`content.overview.partitionColumn`	Partición	Nombre de la columna de partición recomendada.
`content.overview.partitionTimeUnit`	Partición	Unidad de tiempo de partición recomendada. Por ejemplo, `DAY` significa que la recomendación es tener particiones diarias en la columna recomendada.
`content.overview.clusterColumns`	Clúster	Nombres de columnas de clustering recomendados.

Para obtener más información sobre otros campos de la respuesta de la herramienta de recomendaciones, consulta Recurso REST: projects.locations.recommendersrecommendation.
Para obtener más información sobre el uso de la API Recommender, consulta Usar la API: recomendaciones.

Para ver estadísticas de tablas con gcloud CLI, usa el comando gcloud recommender insights list:

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

Haz los cambios siguientes:

PROJECT_NAME: el nombre del proyecto que contiene tu tabla de BigQuery
REGION_NAME: la región en la que se encuentra tu proyecto
FORMAT_TYPE: un formato de salida de la CLI de gcloud compatible, como JSON

En la siguiente tabla se describen los campos importantes de la respuesta de la API de estadísticas:

Propiedad	Relevante para el subtipo	Descripción
`content.existingPartitionColumn`	Clúster	Columna de partición actual (si la hay)
`content.tableSizeTb`	Todo	Tamaño de la tabla en terabytes
`content.bytesReadMonthly`	Todo	Bytes leídos de la tabla al mes
`content.slotMsConsumedMonthly`	Todo	Milisegundos de ranura mensuales consumidos por la carga de trabajo que se ejecuta en la tabla.
`content.queryJobsCountMonthly`	Todo	Número mensual de tareas que se ejecutan en la tabla.

Para obtener más información sobre otros campos de la respuesta de estadísticas, consulta Recurso REST: projects.locations.insightTypes.insights.
Para obtener más información sobre cómo usar las estadísticas, consulta el artículo Usar la API: Estadísticas.

API REST

Para ver las recomendaciones de particiones o clústeres de un proyecto específico, usa la API REST. Con cada comando, debes proporcionar un token de autenticación, que puedes obtener mediante la CLI de gcloud. Para obtener más información sobre cómo obtener un token de autenticación, consulta Métodos para obtener un token de ID.

Puedes usar la solicitud curl list para ver todas las recomendaciones de un proyecto específico:

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

Haz los cambios siguientes:

GCLOUD_AUTH_TOKEN: el nombre de un token de acceso de la CLI de gcloud válido
PROJECT_NAME: el nombre del proyecto que contiene tu tabla de BigQuery

En la siguiente tabla se describen los campos importantes de la respuesta de la API Recommender:

Propiedad	Relevante para el subtipo	Descripción
`recommenderSubtype`	Partición o clúster	Indica el tipo de recomendación.
`content.overview.partitionColumn`	Partición	Nombre de la columna de partición recomendada.
`content.overview.partitionTimeUnit`	Partición	Unidad de tiempo de partición recomendada. Por ejemplo, `DAY` significa que la recomendación es tener particiones diarias en la columna recomendada.
`content.overview.clusterColumns`	Clúster	Nombres de columnas de clustering recomendados.

Para obtener más información sobre otros campos de la respuesta de la herramienta de recomendaciones, consulta Recurso REST: projects.locations.recommendersrecommendation.
Para obtener más información sobre el uso de la API Recommender, consulta Usar la API: recomendaciones.

Para ver estadísticas de tablas mediante la API REST, ejecuta el siguiente comando:

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

Haz los cambios siguientes:

GCLOUD_AUTH_TOKEN: el nombre de un token de acceso de la CLI de gcloud válido
PROJECT_NAME: el nombre del proyecto que contiene tu tabla de BigQuery

En la siguiente tabla se describen los campos importantes de la respuesta de la API de estadísticas:

Propiedad	Relevante para el subtipo	Descripción
`content.existingPartitionColumn`	Clúster	Columna de partición actual (si la hay)
`content.tableSizeTb`	Todo	Tamaño de la tabla en terabytes
`content.bytesReadMonthly`	Todo	Bytes leídos de la tabla al mes
`content.slotMsConsumedMonthly`	Todo	Milisegundos de ranura mensuales consumidos por la carga de trabajo que se ejecuta en la tabla.
`content.queryJobsCountMonthly`	Todo	Número mensual de tareas que se ejecutan en la tabla.

Para obtener más información sobre otros campos de la respuesta de estadísticas, consulta Recurso REST: projects.locations.insightTypes.insights.
Para obtener más información sobre cómo usar las estadísticas, consulta el artículo Usar la API: Estadísticas.

Aplicar recomendaciones de clústeres

Para aplicar las recomendaciones de clústeres, haz una de las siguientes acciones:

Aplicar clústeres directamente a la tabla original
Aplicar clústeres a una tabla copiada
Aplicar clústeres en una vista materializada

Aplicar clústeres directamente a la tabla original

Puedes aplicar recomendaciones de clústeres directamente a una tabla de BigQuery. Este método es más rápido que aplicar recomendaciones a una tabla copiada, pero no conserva una tabla de copia de seguridad.

Sigue estos pasos para aplicar una nueva especificación de clustering a tablas sin particiones o con particiones.

En la herramienta bq, actualiza la especificación de clustering de tu tabla para que coincida con el nuevo clustering:
```
 bq update --clustering_fields=CLUSTER_COLUMN DATASET.ORIGINAL_TABLE 
```
Haz los cambios siguientes:
- CLUSTER_COLUMN: la columna en la que se basa la agrupación. Por ejemplo, mycolumn.
- DATASET: el nombre del conjunto de datos que contiene la tabla (por ejemplo, mydataset
- ORIGINAL_TABLE: el nombre de la tabla original (por ejemplo, mytable)
También puedes llamar al método de API tables.update o tables.patch para modificar la especificación de la agrupación en clústeres.
Para agrupar todas las filas según la nueva especificación de clustering, ejecuta la siguiente instrucción UPDATE:
```
UPDATE DATASET.ORIGINAL_TABLE SET CLUSTER_COLUMN=CLUSTER_COLUMN WHERE true
```
Nota: Si se aplica una nueva especificación de clustering a una tabla que está en almacenamiento a largo plazo, la tabla vuelve a los precios de almacenamiento activo. Para obtener más información, consulta los precios de almacenamiento.

Aplicar clústeres a una tabla copiada

Cuando apliques recomendaciones de clústeres a una tabla de BigQuery, primero puedes copiar la tabla original y, después, aplicar la recomendación a la tabla copiada. De esta forma, tus datos originales se conservarán si necesitas deshacer el cambio en la configuración de la agrupación en clústeres.

Puedes usar este método para aplicar recomendaciones de clústeres a tablas con y sin particiones.

En la Google Cloud consola, ve a la página BigQuery.

Ir a BigQuery
En el editor de consultas, crea una tabla vacía con los mismos metadatos (incluidas las especificaciones de clúster) que la tabla original mediante el operador LIKE:
```
CREATE TABLE DATASET.COPIED_TABLE
LIKE DATASET.ORIGINAL_TABLE
```
Haz los cambios siguientes:
- DATASET: el nombre del conjunto de datos que contiene la tabla (por ejemplo, mydataset
- COPIED_TABLE: el nombre de la tabla copiada. Por ejemplo: copy_mytable
- ORIGINAL_TABLE: el nombre de la tabla original. Por ejemplo: mytable
En la Google Cloud consola, abre el editor de Cloud Shell.

Activar Cloud Shell
En el editor de Cloud Shell, actualiza la especificación de clustering de la tabla copiada para que coincida con el clustering recomendado mediante el comando bq update:
```
 bq update --clustering_fields=CLUSTER_COLUMN DATASET.COPIED_TABLE 
```
Sustituye CLUSTER_COLUMN por la columna por la que quieres agrupar los datos (por ejemplo, mycolumn).

También puedes llamar al método de API tables.update o tables.patch para modificar la especificación de la agrupación en clústeres.

En el editor de consultas, recupera el esquema de la tabla con la configuración de partición y clustering de la tabla original, si existe alguna partición o clustering. Para recuperar el esquema, consulta la vista INFORMATION_SCHEMA.TABLES de la tabla original:

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

El resultado es la instrucción completa del lenguaje de definición de datos (DDL) de ORIGINAL_TABLE, incluida la cláusula PARTITION BY. Para obtener más información sobre los argumentos de la salida de DDL, consulta la instrucción CREATE TABLE.

El resultado de DDL indica el tipo de partición de la tabla original:

Tipo de partición	Ejemplo de salida
Sin particiones	Falta la cláusula `PARTITION BY`.
Particiones por columna de tabla	`PARTITION BY c0`
	`PARTITION BY DATE(c0)`
	`PARTITION BY DATETIME_TRUNC(c0, MONTH)`
Particionadas por hora de ingestión	`PARTITION BY _PARTITIONDATE`
Particionadas por hora de ingestión	`PARTITION BY DATETIME_TRUNC(_PARTITIONTIME, MONTH)`

Ingiere datos en la tabla copiada. El proceso que utilices dependerá del tipo de partición.
- Si la tabla original no tiene particiones o tiene particiones por una columna de la tabla, ingiere los datos de la tabla original en la tabla copiada:
```
INSERT INTO DATASET.COPIED_TABLE
SELECT * FROM DATASET.ORIGINAL_TABLE
```
- Si la tabla original está particionada por hora de ingestión, sigue estos pasos:
  1. Para obtener la lista de columnas que formarán la expresión de ingestión de datos, usa la vista INFORMATION_SCHEMA.COLUMNS:
```
SELECT
ARRAY_TO_STRING((
SELECT
  ARRAY(
  SELECT
    column_name
  FROM
    DATASET.INFORMATION_SCHEMA.COLUMNS
  WHERE
    table_name = 'ORIGINAL_TABLE')), ", ")
```
    El resultado es una lista de nombres de columnas separados por comas.
  2. Ingiere los datos de la tabla original en la tabla copiada:
```
INSERT DATASET.COPIED_TABLE (COLUMN_NAMES, _PARTITIONTIME)
SELECT *, _PARTITIONTIME FROM DATASET.ORIGINAL_TABLE
```
    Sustituye COLUMN_NAMES por la lista de columnas que se ha generado en el paso anterior, separadas por comas (por ejemplo, col1, col2, col3).
Ahora tienes una tabla copiada en clúster con los mismos datos que la tabla original. En los pasos siguientes, sustituirá la tabla original por una tabla recién agrupada en clústeres.
Cambia el nombre de la tabla original por el de una tabla de copia de seguridad:
```
ALTER TABLE DATASET.ORIGINAL_TABLE
RENAME TO DATASET.BACKUP_TABLE
```
Sustituye BACKUP_TABLE por el nombre que quieras darle a la tabla de copia de seguridad (por ejemplo, backup_mytable).
Cambia el nombre de la tabla copiada por el de la tabla original:
```
ALTER TABLE DATASET.COPIED_TABLE
RENAME TO DATASET.ORIGINAL_TABLE
```
La tabla original ahora se agrupa en clústeres según la recomendación.

Te recomendamos que revises la tabla agrupada para asegurarte de que todas las funciones de la tabla funcionan correctamente. Es probable que muchas funciones de tabla estén vinculadas al ID de la tabla y no al nombre de la tabla, por lo que es mejor revisar las siguientes funciones de tabla antes de continuar:

Acceso y permisos, como permisos de gestión de identidades y accesos, acceso a nivel de fila o acceso a nivel de columna.
Artefactos de tabla, como clones de tabla, instantáneas de tabla o índices de búsqueda.
El estado de los procesos de tabla en curso, como las vistas materializadas o los trabajos que se ejecutaron al copiar la tabla.
La posibilidad de acceder al historial de datos de las tablas mediante la función Viaje en el tiempo.
Los metadatos asociados a la tabla original, como table_option_list o column_option_list. Para obtener más información, consulta Instrucciones del lenguaje de definición de datos.

Si surge algún problema, debe migrar manualmente los artefactos afectados a la nueva tabla.

Después de revisar la tabla agrupada, puedes eliminar la tabla de copia de seguridad con el siguiente comando:

    DROP TABLE DATASET.BACKUP_TABLE

Aplicar clústeres en una vista materializada

Puedes crear una vista materializada de la tabla para almacenar los datos de la tabla original con la recomendación aplicada. Si usas vistas materializadas para aplicar recomendaciones, te aseguras de que los datos agrupados se mantengan actualizados mediante actualizaciones automáticas. Hay aspectos relacionados con los precios que debes tener en cuenta al consultar, mantener y almacenar vistas materializadas. Para saber cómo crear una vista materializada agrupada, consulta Vistas materializadas agrupadas.

Aplicar recomendaciones de partición

Para aplicar las recomendaciones de partición, debes hacerlo en una copia de la tabla original. BigQuery no admite el cambio in situ del esquema de partición de una tabla, como convertir una tabla sin particiones en una tabla con particiones, cambiar el esquema de partición de una tabla o crear una vista materializada con un esquema de partición diferente al de la tabla base. Solo puedes cambiar el particionado de una tabla en una copia de la tabla.

Aplicar recomendaciones de particiones a una tabla copiada

Cuando apliques recomendaciones de partición a una tabla de BigQuery, primero debes copiar la tabla original y, a continuación, aplicar la recomendación a la tabla copiada. De este modo, se conservarán los datos originales si necesitas restaurar una partición.

En el siguiente procedimiento se usa una recomendación de ejemplo para particionar una tabla por la unidad de tiempo de partición DAY.

Para crear una tabla copiada con las recomendaciones de partición, sigue estos pasos:
```
CREATE TABLE DATASET.COPIED_TABLE
PARTITION BY DATE_TRUNC(PARTITION_COLUMN, DAY)
AS SELECT * FROM DATASET.ORIGINAL_TABLE
```
Haz los cambios siguientes:
- DATASET: el nombre del conjunto de datos que contiene la tabla (por ejemplo, mydataset
- COPIED_TABLE: el nombre de la tabla copiada (por ejemplo, copy_mytable)
- PARTITION_COLUMN: la columna por la que se va a particionar. Por ejemplo, mycolumn.
Para obtener más información sobre cómo crear tablas con particiones, consulta el artículo Crear tablas con particiones.
Cambia el nombre de la tabla original por el de una tabla de copia de seguridad:
```
ALTER TABLE DATASET.ORIGINAL_TABLE
RENAME TO DATASET.BACKUP_TABLE
```
Sustituye BACKUP_TABLE por el nombre que quieras darle a la tabla de copia de seguridad (por ejemplo, backup_mytable).
Cambia el nombre de la tabla copiada por el de la tabla original:
```
ALTER TABLE DATASET.COPIED_TABLE
RENAME TO DATASET.ORIGINAL_TABLE
```
La tabla original ahora está particionada según la recomendación de partición.

Te recomendamos que revises la tabla particionada para asegurarte de que todas las funciones de la tabla funcionan correctamente. Es probable que muchas funciones de tabla estén vinculadas al ID de la tabla y no al nombre de la tabla, por lo que es mejor revisar las siguientes funciones de tabla antes de continuar:

Acceso y permisos, como permisos de gestión de identidades y accesos, acceso a nivel de fila o acceso a nivel de columna.
Artefactos de tabla, como clones de tabla, instantáneas de tabla o índices de búsqueda.
El estado de los procesos de tabla en curso, como las vistas materializadas o los trabajos que se ejecutaron al copiar la tabla.
La posibilidad de acceder al historial de datos de las tablas mediante la función Viaje en el tiempo.
Los metadatos asociados a la tabla original, como table_option_list o column_option_list. Para obtener más información, consulta Instrucciones del lenguaje de definición de datos.
Posibilidad de usar SQL antiguo para escribir los resultados de las consultas en tablas con particiones. El uso de SQL antiguo no se admite completamente en las tablas con particiones. Una solución es migrar tus flujos de trabajo de SQL antiguo a GoogleSQL antes de aplicar una recomendación de partición.

Si surge algún problema, debe migrar manualmente los artefactos afectados a la nueva tabla.

Después de revisar la tabla particionada, puedes eliminar la tabla de copia de seguridad con el siguiente comando:

    DROP TABLE DATASET.BACKUP_TABLE

Precios

Cuando aplicas una recomendación a una tabla, puedes incurrir en los siguientes costes:

Costes de procesamiento. Cuando aplicas una recomendación, ejecutas una consulta del lenguaje de definición de datos (DDL) o del lenguaje de manipulación de datos (DML) en tu proyecto de BigQuery.
Costes de almacenamiento. Si usas el método de copiar una tabla, usarás almacenamiento adicional para la tabla copiada (o de copia de seguridad).

Se aplican cargos estándar por procesamiento y almacenamiento en función de la cuenta de facturación asociada al proyecto. Para obtener más información, consulta los precios de BigQuery.

Solución de problemas

Problema: No aparecen recomendaciones para una tabla específica.

Es posible que no aparezcan recomendaciones de partición para las tablas que cumplan estos criterios:

La tabla tiene un tamaño inferior a 100 GB.
La tabla ya tiene particiones o está agrupada en clústeres.

Es posible que no aparezcan recomendaciones de clústeres para las tablas que cumplan estos criterios:

La tabla tiene un tamaño inferior a 10 GB.
La tabla ya está agrupada en clústeres.

Es posible que se supriman las recomendaciones de particiones y clústeres en los siguientes casos:

La tabla tiene un coste de escritura elevado debido a las operaciones del lenguaje de manipulación de datos (DML).
No se ha leído la tabla en los últimos 30 días.
El ahorro mensual estimado es demasiado insignificante (menos de una hora de ahorro).