Pengantar pengelolaan beban kerja

Pengelolaan beban kerja BigQuery memungkinkan Anda mengalokasikan dan mengelola resource komputasi yang tersedia untuk analisis dan pemrosesan data, serta memungkinkan Anda menentukan cara Anda ditagih untuk resource tersebut.

Model pengelolaan beban kerja

BigQuery menawarkan dua model pengelolaan beban kerja. Dengan penagihan sesuai permintaan, Anda membayar jumlah byte yang diproses saat membuat kueri atau memproses data. Dengan penagihan berbasis kapasitas, Anda mengalokasikan kapasitas pemrosesan untuk beban kerja dengan opsi penskalaan kapasitas secara otomatis ke atas dan ke bawah saat diperlukan.

Kompromi pemesanan.

Anda dapat beralih antara model penagihan on-demand dan berbasis kapasitas kapan saja. Anda juga dapat menggunakan kombinasi dari kedua model.

Memilih model

Pertimbangkan hal berikut saat memilih model pengelolaan beban kerja:

Sesuai permintaan Berbasis kapasitas
Model penggunaan Data yang dipindai atau diproses oleh kueri Anda Slot khusus atau slot penskalaan otomatis
Satuan pengukuran TiB slot-jam
Kapasitas minimum Maksimal 2.000 slot per project 50 slot per reservasi
Kapasitas maksimum Maksimal 2.000 slot per project Dapat dikonfigurasi per reservasi hingga kuota regional
Kontrol biaya Secara opsional, konfigurasikan kuota tingkat project atau tingkat pengguna (batas keras) Mengonfigurasi anggaran yang dinyatakan dalam slot untuk setiap reservasi
Konfigurasi Tidak perlu konfigurasi Membuat reservasi slot dan menetapkannya ke project
Dukungan edisi Set fitur tetap Tersedia dalam 3 edisi
Diskon kapasitas Hanya bayar sesuai penggunaan Komitmen slot opsional untuk workload steady state
Dapat diperkirakan Penggunaan dan penagihan variabel Penagihan yang dapat diprediksi melalui dasar pengukuran dan komitmen
Pembelian terpusat Penagihan per project Mengalokasikan dan menagih slot secara terpusat, bukan untuk setiap project
Fleksibilitas Kapasitas on-demand (minimum 10 MiB per kueri) Slot dasar pengukuran atau penskalaan otomatis (minimum 1 menit)

Pekerjaan

Setiap kali Anda memuat, mengekspor, membuat kueri, atau menyalin data, BigQuery akan otomatis membuat, menjadwalkan, dan menjalankan tugas yang melacak progres tugas.

Karena tugas berpotensi memerlukan waktu lama untuk diselesaikan, tugas berjalan secara asinkron dan dapat di-polling untuk statusnya. Tindakan yang lebih singkat, seperti mencantumkan resource atau mendapatkan metadata, tidak dikelola sebagai tugas.

Untuk informasi selengkapnya tentang tugas, lihat memahami tugas.

Slot

Slot BigQuery adalah unit komputasi virtual yang digunakan oleh BigQuery untuk menjalankan kueri SQL atau jenis tugas lainnya. Selama eksekusi kueri, BigQuery akan otomatis menentukan jumlah slot yang digunakan oleh kueri. Jumlah slot yang digunakan bergantung pada jumlah data yang diproses, kompleksitas kueri, dan jumlah slot yang tersedia.

Untuk mempelajari slot dan cara penggunaannya lebih lanjut, lihat memahami slot.

Reservasi

Dalam model harga berbasis kapasitas, slot dialokasikan dalam kumpulan yang disebut reservasi. Dengan pemesanan, Anda dapat menetapkan slot dengan cara yang sesuai untuk organisasi Anda. Misalnya, Anda dapat membuat pemesanan bernama prod untuk workload produksi, dan pemesanan terpisah bernama test untuk pengujian, sehingga tugas pengujian tidak bersaing untuk kapasitas dengan workload produksi. Atau, Anda dapat membuat pemesanan untuk beragam departemen di organisasi Anda.

Untuk mengetahui informasi selengkapnya tentang reservasi, lihat pengelolaan workload menggunakan reservasi.

BI Engine

BI Engine adalah layanan analisis dalam memori yang cepat dan mempercepat banyak kueri SQL di BigQuery dengan meng-cache data yang paling sering Anda gunakan secara cerdas. BI Engine dapat mempercepat kueri SQL dari sumber apa pun, termasuk yang ditulis oleh alat visualisasi data, dan dapat mengelola tabel yang di-cache untuk pengoptimalan berkelanjutan.

Pemesanan BI Engine dialokasikan dalam memori GiB dan dikelola secara terpisah dari pemesanan slot.

Untuk mengetahui informasi selengkapnya tentang BI Engine, lihat Pengantar BI Engine.

Langkah berikutnya