Esegui query su tabelle partizionate

Questo documento descrive alcune considerazioni specifiche per l'esecuzione di query sulle tabelle partizionate in BigQuery.

Per informazioni generali sull'esecuzione di query in BigQuery, consulta Esecuzione di query interattive e batch.

Panoramica

Se una query utilizza un filtro idoneo sul valore della colonna di partizionamento, BigQuery può analizzare le partizioni che corrispondono al filtro e saltare le partizioni rimanenti. Questo processo è chiamato eliminazione della partizione.

L'eliminazione delle partizioni è il meccanismo utilizzato da BigQuery per eliminare partizioni non necessarie dalla scansione di input. Le partizioni eliminate non sono incluse nel calcolo dei byte analizzati dalla query. In generale, l'eliminazione delle partizioni aiuta a ridurre i costi delle query.

I comportamenti di eliminazione variano a seconda dei diversi tipi di partizionamento, quindi potresti notare una differenza nei byte elaborati quando esegui query su tabelle partizionate in modo diverso, ma che per il resto sono identiche. Per stimare la quantità di byte elaborati da una query, esegui una prova.

Eseguire query su una tabella partizionata per colonne di unità di tempo

Per eliminare le partizioni quando esegui una query su una tabella partizionata in colonne di unità di tempo, includi un filtro nella colonna di partizionamento.

Nell'esempio seguente, supponiamo che dataset.table sia partizionato nella colonna transaction_date. La query di esempio elimina le date precedenti al giorno 2016-01-01.

SELECT * FROM dataset.table
WHERE transaction_date >= '2016-01-01'

Query su una tabella partizionata per data di importazione

Le tabelle partizionate in fase di importazione contengono una pseudo-colonna denominata _PARTITIONTIME, che è la colonna di partizionamento. Il valore della colonna corrisponde all'ora di importazione UTC per ogni riga, troncata in base al limite di partizione (ad esempio, oraria o giornaliera), come valore TIMESTAMP.

Ad esempio, se aggiungi dati il 15 aprile 2021 alle 08:15:00 UTC, la colonna _PARTITIONTIME per queste righe conterrà i seguenti valori:

  • Tabella partizionata oraria: TIMESTAMP("2021-04-15 08:00:00")
  • Tabella partizionata giornaliera: TIMESTAMP("2021-04-15")
  • Tabella partizionata mensile: TIMESTAMP("2021-04-01")
  • Tabella partizionata annuale: TIMESTAMP("2021-01-01")

Se la granularità della partizione è giornaliera, la tabella contiene anche una pseudo-colonna denominata _PARTITIONDATE. Il valore è uguale a _PARTITIONTIME troncato a un valore DATE.

Entrambi i nomi di pseudo-colonne sono riservati. Non puoi creare una colonna con nessun nome in nessuna delle tabelle.

Per eliminare le partizioni, filtra in base a una di queste colonne. Ad esempio, la seguente query analizza solo le partizioni tra il 1° gennaio 2016 e il 2 gennaio 2016:

SELECT
  column
FROM
  dataset.table
WHERE
  _PARTITIONTIME BETWEEN TIMESTAMP('2016-01-01') AND TIMESTAMP('2016-01-02')

Per selezionare la pseudo-colonna _PARTITIONTIME, devi utilizzare un alias. Ad esempio, la seguente query seleziona _PARTITIONTIME assegnando l'alias pt alla pseudo-colonna:

SELECT
  _PARTITIONTIME AS pt, column
FROM
  dataset.table

Per le tabelle partizionate giornaliere, puoi selezionare la pseudo-colonna _PARTITIONDATE allo stesso modo:

SELECT
  _PARTITIONDATE AS pd, column
FROM
  dataset.table

Le pseudo-colonne _PARTITIONTIME e _PARTITIONDATE non vengono restituite da un'istruzione SELECT *. Devi selezionarli esplicitamente:

SELECT
  _PARTITIONTIME AS pt, *
FROM
  dataset.table

Gestire i fusi orari nelle tabelle partizionate per data di importazione

Il valore di _PARTITIONTIME si basa sulla data UTC in cui il campo viene compilato. Se vuoi eseguire query sui dati in base a un fuso orario diverso da UTC, scegli una delle seguenti opzioni:

  • Regola per tenere conto delle differenze di fuso orario nelle query SQL.
  • Utilizza i decoratori della partizione per caricare i dati in partizioni specifiche correlate all'ora di importazione, in base a un fuso orario diverso dal fuso orario UTC.

Prestazioni migliori con le pseudo-colonne

Per migliorare le prestazioni delle query, utilizza da sola la pseudo-colonna _PARTITIONTIME sul lato sinistro di un confronto.

Ad esempio, le seguenti due query sono equivalenti. A seconda delle dimensioni della tabella, la seconda query potrebbe avere un rendimento migliore, perché posiziona _PARTITIONTIME da sola sul lato sinistro dell'operatore >. Entrambe le query elaborano la stessa quantità di dati.

-- Might be slower.
SELECT
  field1
FROM
  dataset.table1
WHERE
  TIMESTAMP_ADD(_PARTITIONTIME, INTERVAL 5 DAY) > TIMESTAMP("2016-04-15");

-- Often performs better.
SELECT
  field1
FROM
  dataset.table1
WHERE
  _PARTITIONTIME > TIMESTAMP_SUB(TIMESTAMP('2016-04-15'), INTERVAL 5 DAY);

Per limitare le partizioni analizzate in una query, utilizza un'espressione costante nel filtro. La query seguente limita le partizioni eliminate in base alla prima condizione di filtro nella clausola WHERE. Tuttavia, la seconda condizione di filtro non limita le partizioni analizzate perché utilizza valori di tabella, che sono dinamici.

SELECT
  column
FROM
  dataset.table2
WHERE
  -- This filter condition limits the scanned partitions:
  _PARTITIONTIME BETWEEN TIMESTAMP('2017-01-01') AND TIMESTAMP('2017-03-01')
  -- This one doesn't, because it uses dynamic table values:
  AND _PARTITIONTIME = (SELECT MAX(timestamp) from dataset.table1)

Per limitare le partizioni analizzate, non includere altre colonne in un filtro _PARTITIONTIME. Ad esempio, la seguente query non limita le partizioni analizzate, perché field1 è una colonna della tabella.

-- Scans all partitions of table2. No pruning.
SELECT
  field1
FROM
  dataset.table2
WHERE
  _PARTITIONTIME + field1 = TIMESTAMP('2016-03-28');

Se esegui spesso query per un determinato intervallo di volte, valuta la possibilità di creare una vista che filtri nella pseudo-colonna _PARTITIONTIME. Ad esempio, la seguente istruzione crea una vista che include solo gli ultimi sette giorni di dati da una tabella denominata dataset.partitioned_table:

-- This view provides pruning.
CREATE VIEW dataset.past_week AS
  SELECT *
  FROM
    dataset.partitioned_table
  WHERE _PARTITIONTIME BETWEEN
    TIMESTAMP_TRUNC(TIMESTAMP_SUB(CURRENT_TIMESTAMP, INTERVAL 7 * 24 HOUR), DAY)
    AND TIMESTAMP_TRUNC(CURRENT_TIMESTAMP, DAY);

Per informazioni sulla creazione delle viste, consulta la sezione Creazione delle viste.

Query su una tabella partizionata con intervallo di numeri interi

Per eliminare le partizioni quando esegui una query su una tabella partizionata con intervalli interi, includi un filtro nella colonna di partizionamento dei numeri interi.

Nell'esempio seguente, supponiamo che dataset.table sia una tabella partizionata con intervalli interi con una specifica di partizionamento di customer_id:0:100:10. La query di esempio analizza le tre partizioni che iniziano con 30, 40 e 50.

SELECT * FROM dataset.table
WHERE customer_id BETWEEN 30 AND 50

+-------------+-------+
| customer_id | value |
+-------------+-------+
|          40 |    41 |
|          45 |    46 |
|          30 |    31 |
|          35 |    36 |
|          50 |    51 |
+-------------+-------+

L'eliminazione delle partizioni non è supportata per le funzioni su una colonna partizionata con intervallo di numeri interi. Ad esempio, la seguente query analizza l'intera tabella.

SELECT * FROM dataset.table
WHERE customer_id + 1 BETWEEN 30 AND 50

Utilizza il codice SQL precedente per eseguire query sulle tabelle partizionate con intervalli interi

Non puoi utilizzare SQL precedente per eseguire query su un'intera tabella partizionata con intervalli di numeri interi. La query restituisce invece un errore come il seguente:

Querying tables partitioned on a field is not supported in Legacy SQL

Tuttavia, il codice SQL precedente supporta l'utilizzo di decoratori di tabelle per gestire una partizione specifica in una tabella partizionata con intervalli di numeri interi. La chiave per gestire una partizione di intervallo è l'inizio dell'intervallo.

L'esempio seguente esegue query sulla partizione di intervallo che inizia con 30:

SELECT * FROM dataset.table$30

Query sui dati nello spazio di archiviazione ottimizzato per la scrittura

La partizione __UNPARTITIONED__ contiene temporaneamente i dati trasmessi in flusso in una tabella partizionata mentre si trovano nello spazio di archiviazione ottimizzato per la scrittura. I dati trasmessi in flusso direttamente su una partizione specifica di una tabella partizionata non utilizzano la partizione __UNPARTITIONED__. ma vengono trasmessi in flusso direttamente alla partizione.

I dati nello spazio di archiviazione ottimizzato per la scrittura hanno valori NULL nelle colonne _PARTITIONTIME e _PARTITIONDATE.

Per eseguire query sui dati nella partizione __UNPARTITIONED__, utilizza la pseudo-colonna _PARTITIONTIME con il valore NULL. Ad esempio:

SELECT
  column
FROM dataset.table
WHERE
  _PARTITIONTIME IS NULL

Per ulteriori informazioni, consulta Flusso di dati in tabelle partizionate.

Best practice per l'eliminazione delle partizioni

Utilizza un'espressione di filtro costante

Per limitare le partizioni analizzate in una query, utilizza un'espressione costante nel filtro. Se utilizzi espressioni dinamiche nel filtro della query, BigQuery deve analizzare tutte le partizioni.

Ad esempio, la seguente query elimina le partizioni perché il filtro contiene un'espressione costante:

SELECT
  t1.name,
  t2.category
FROM
  table1 AS t1
INNER JOIN
  table2 AS t2
ON t1.id_field = t2.field2
WHERE
  t1.ts = CURRENT_TIMESTAMP()

Tuttavia, la seguente query non elimina le partizioni, perché il filtro WHERE t1.ts = (SELECT timestamp from table where key = 2) non è un'espressione costante, ma dipende dai valori dinamici dei campi timestamp e key:

SELECT
  t1.name,
  t2.category
FROM
  table1 AS t1
INNER JOIN
  table2 AS t2
ON
  t1.id_field = t2.field2
WHERE
  t1.ts = (SELECT timestamp from table3 where key = 2)

Isola la colonna di partizione nel filtro

Isola la colonna di partizione quando si esprime un filtro. I filtri che richiedono dati di più campi per il calcolo non elimineranno le partizioni. Ad esempio, una query con un confronto di date utilizzando la colonna di partizionamento e un secondo campo oppure le query contenenti alcune concatenazioni di campi non eliminerà le partizioni.

Ad esempio, il seguente filtro non elimina le partizioni perché richiede un calcolo basato sul campo ts di partizionamento e un secondo campo ts2:

WHERE TIMESTAMP_ADD(ts, INTERVAL 6 HOUR) > ts2

Richiedono un filtro di partizione nelle query

Quando crei una tabella partizionata, puoi richiedere l'utilizzo di filtri dei predicati abilitando l'opzione Richiedi filtro di partizione. Quando viene applicata questa opzione, i tentativi di eseguire query sulla tabella partizionata senza specificare una clausola WHERE generano il seguente errore:

Cannot query over table 'project_id.dataset.table' without a filter that can be used for partition elimination.

Affinché il filtro sia considerato idoneo per l'eliminazione della partizione, deve esserci almeno un predicato che fa riferimento solo a una colonna di partizione. Ad esempio, per una tabella partizionata nella colonna partition_id con una colonna aggiuntiva f nel suo schema, entrambe le seguenti clausole WHERE soddisfano il requisito:

WHERE partition_id = "20221231"
WHERE partition_id = "20221231" AND f = "20221130"

Tuttavia, WHERE (partition_id = "20221231" OR f = "20221130") non è sufficiente.

Per le tabelle partizionate in fase di importazione, utilizza la pseudo-colonna _PARTITIONTIME o _PARTITIONDATE.

Per saperne di più sull'aggiunta dell'opzione Richiedi filtro di partizione quando crei una tabella partizionata, consulta Creazione di tabelle partizionate. Puoi anche aggiornare questa impostazione in una tabella esistente.

Passaggi successivi