Questa pagina è stata tradotta dall'API Cloud Translation.

Gestisci indici di ricerca

Un indice di ricerca è una struttura di dati progettata per consentire una ricerca efficiente con la funzione SEARCH. Una ricerca dell'indice può anche ottimizzare alcune query che utilizzano funzioni e operatori supportati.

Proprio come l'indice che si trova sul dorso di un libro, una ricerca l'indice di una colonna di dati stringa è come una tabella ausiliaria che ha una per le parole univoche e un'altra per la posizione nei dati in cui si trovano queste parole.

Crea un indice di ricerca

Per creare un indice di ricerca, utilizza il metodo CREATE SEARCH INDEX l'istruzione DDL. Se non è specificato un tipo di dati per una colonna, puoi creare un indice di ricerca su questi tipi di colonne:

STRING
ARRAY<STRING>
STRUCT contenente almeno un campo nidificato di tipo STRING o ARRAY<STRING>
JSON

Quando crei un indice di ricerca, puoi specificare il tipo analizzatore di testo per l'utilizzo. Lo strumento di analisi del testo controlla il modo in cui i dati vengono tokenizzati per l'indicizzazione e ricerca. Il valore predefinito è LOG_ANALYZER. Questo analizzatore funziona bene per generati automaticamente e ha regole speciali per i token che si trovano comunemente dati di osservabilità come indirizzi IP o email. Usa NO_OP_ANALYZER quando disponi di dati pre-elaborati che vuoi far corrispondere esattamente. PATTERN_ANALYZER estrae i token dal testo utilizzando un'espressione regolare.

Crea un indice di ricerca con lo strumento di analisi di testo predefinito

Nell'esempio seguente, viene creato un indice di ricerca nelle colonne a e c di simple_table e utilizza lo strumento di analisi LOG_ANALYZER per impostazione predefinita:

CREATE TABLE dataset.simple_table(a STRING, b INT64, c JSON);

CREATE SEARCH INDEX my_index
ON dataset.simple_table(a, c);

Crea un indice di ricerca su tutte le colonne con lo strumento di analisi `NO_OP_ANALYZER`

Quando crei un indice di ricerca su ALL COLUMNS, tutti i dati di STRING o JSON in la tabella viene indicizzata. Se la tabella non contiene questi dati, ad esempio se tutte le colonne contengono numeri interi, la creazione dell'indice non riesce. Se specifichi STRUCT colonna da indicizzare, tutti i campi secondari nidificati sono indicizzati.

Nell'esempio seguente, viene creato un indice di ricerca in a, c.e e c.f.g. e utilizza lo strumento di analisi NO_OP_ANALYZER di testo:

CREATE TABLE dataset.my_table(
  a STRING,
  b INT64,
  c STRUCT <d INT64,
            e ARRAY<STRING>,
            f STRUCT<g STRING, h INT64>>) AS
SELECT 'hello' AS a, 10 AS b, (20, ['x', 'y'], ('z', 30)) AS c;

CREATE SEARCH INDEX my_index
ON dataset.my_table(ALL COLUMNS)
OPTIONS (analyzer = 'NO_OP_ANALYZER');

Poiché l'indice di ricerca è stato creato il giorno ALL COLUMNS, qualsiasi colonna aggiunta al vengono indicizzate automaticamente se contengono dati STRING.

Crea un indice di ricerca e specifica le colonne e i tipi di dati

Quando crei un indice di ricerca, puoi specificare i tipi di dati da utilizzare. Tipi di dati controlla i tipi di colonne e sottocampi di JSON e STRUCT colonne per dell'indicizzazione. Il tipo di dati predefinito per l'indicizzazione è STRING. Per creare un indice di ricerca con più tipi di dati (ad esempio, tipi numerici), utilizza Dichiarazione CREATE SEARCH INDEX con data_types inclusa l'opzione.

Nell'esempio seguente, viene creato un indice di ricerca nelle colonne a, b, c e d di una tabella denominata simple_table. I tipi di dati delle colonne supportati sono STRING, INT64 e TIMESTAMP.

CREATE TABLE dataset.simple_table(a STRING, b INT64, c JSON, d TIMESTAMP);

CREATE SEARCH INDEX my_index
ON dataset.simple_table(a, b, c, d)
OPTIONS ( data_types = ['STRING', 'INT64', 'TIMESTAMP']);

Crea un indice di ricerca su tutte le colonne e specifica i tipi di dati

Quando crei un indice di ricerca su ALL COLUMNS con l'opzione data_types specificato, viene indicizzata ogni colonna che corrisponde a uno dei tipi di dati specificati. Per le colonne JSON e STRUCT, qualsiasi campo secondario nidificato che corrisponde a uno dei vengono indicizzati i tipi di dati specificati.

Nell'esempio seguente, viene creato un indice di ricerca su ALL COLUMNS con i tipi di dati specificati. Colonne a, b, c, d.e, d.f, d.g.h, d.g.i di una tabella denominata my_table viene indicizzata:

CREATE TABLE dataset.my_table(
  a STRING,
  b INT64,
  c TIMESTAMP,
  d STRUCT <e INT64,
            f ARRAY<STRING>,
            g STRUCT<h STRING, i INT64>>)
AS (
  SELECT
    'hello' AS a,
    10 AS b,
    TIMESTAMP('2008-12-25 15:30:00 UTC') AS c,
    (20, ['x', 'y'], ('z', 30)) AS d;
)

CREATE SEARCH INDEX my_index
ON dataset.my_table(ALL COLUMNS)
OPTIONS ( data_types = ['STRING', 'INT64', 'TIMESTAMP']);

Poiché l'indice di ricerca è stato creato il giorno ALL COLUMNS, qualsiasi colonna aggiunta al vengono indicizzate automaticamente se corrispondono a uno qualsiasi dei dati specificati di testo.

Informazioni sull'aggiornamento dell'indice

Gli indici di ricerca sono completamente gestiti da BigQuery e automaticamente vengono aggiornate quando la tabella viene modificata. Lo schema riportato di seguito viene modificato può attivare un aggiornamento completo:

Una nuova colonna indicizzabile viene aggiunta a una tabella con un indice di ricerca attivato ALL COLUMNS.
Una colonna indicizzata viene aggiornata a causa di una modifica allo schema della tabella.

Se elimini l'unica colonna indicizzata in una tabella o rinomini la tabella stessa, significa che l'indice di ricerca viene eliminato automaticamente.

Gli indici di ricerca sono progettati per tabelle di grandi dimensioni. Se crei un indice di ricerca una tabella inferiore a 10 GB, l'indice non viene compilato. Analogamente, se elimini dati da una tabella indicizzata e le sue dimensioni scendono al di sotto di 10 GB, significa che l'indice è temporaneamente disattivato. In questo caso, le query di ricerca usano l'indice e Codice IndexUnusedReason è BASE_TABLE_TOO_SMALL. Questo accade indipendentemente dal fatto che utilizzi o meno i tuoi per i tuoi job di gestione degli indici. Quando le dimensioni di una tabella indicizzata superano 10 GB, il relativo indice verrà compilato automaticamente. Non ti viene addebitato alcun costo per lo spazio di archiviazione fino al che l'indice di ricerca sia compilato e attivo. Query che utilizzano lo strumento SEARCH funzione restituiscono sempre risultati corretti anche se alcuni dati non sono ancora stati indicizzati.

Ottieni informazioni sugli indici di ricerca

Puoi verificare l'esistenza e l'idoneità di un indice di ricerca eseguendo una query INFORMATION_SCHEMA. Esistono due visualizzazioni che contengono metadati sulla ricerca indici di appartenenza. La INFORMATION_SCHEMA.SEARCH_INDEXES visualizzazione contiene informazioni su ogni indice di ricerca creato su un set di dati. La INFORMATION_SCHEMA.SEARCH_INDEX_COLUMNS visualizzazione contiene informazioni su quali colonne di ogni tabella nel set di dati vengono indicizzate.

L'esempio seguente mostra tutti gli indici di ricerca attivi nelle tabelle nel set di dati my_dataset, situato nel progetto my_project. Sono inclusi i loro nomi, le istruzioni DDL utilizzate per crearle, la relativa percentuale di copertura e analizzatore di testo. Se una tabella di base indicizzata viene meno di 10 GB, il relativo indice non viene compilato, nel qual caso coverage_percentage è 0.

SELECT table_name, index_name, ddl, coverage_percentage, analyzer
FROM my_project.my_dataset.INFORMATION_SCHEMA.SEARCH_INDEXES
WHERE index_status = 'ACTIVE';

I risultati dovrebbero essere simili ai seguenti:

+-------------+-------------+--------------------------------------------------------------------------------------+---------------------+----------------+
| table_name  | index_name  | ddl                                                                                  | coverage_percentage | analyzer       |
+-------------+-------------+--------------------------------------------------------------------------------------+---------------------+----------------+
| small_table | names_index | CREATE SEARCH INDEX `names_index` ON `my_project.my_dataset.small_table`(names)      | 0                   | NO_OP_ANALYZER |
| large_table | logs_index  | CREATE SEARCH INDEX `logs_index` ON `my_project.my_dataset.large_table`(ALL COLUMNS) | 100                 | LOG_ANALYZER   |
+-------------+-------------+--------------------------------------------------------------------------------------+---------------------+----------------+

L'esempio seguente crea un indice di ricerca su tutte le colonne di my_table.

CREATE TABLE dataset.my_table(
  a STRING,
  b INT64,
  c STRUCT <d INT64,
            e ARRAY<STRING>,
            f STRUCT<g STRING, h INT64>>) AS
SELECT 'hello' AS a, 10 AS b, (20, ['x', 'y'], ('z', 30)) AS c;

CREATE SEARCH INDEX my_index
ON dataset.my_table(ALL COLUMNS);

La seguente query estrae informazioni sui campi indicizzati. index_field_path indica quale campo di una colonna è indicizzati. Questo differisce dal valore index_column_name solo nel caso di un STRUCT, dove viene fornito il percorso completo del campo indicizzato. In questo esempio, colonna c contiene un campo ARRAY<STRING> e e un altro STRUCT denominato f che contiene un campo STRING g, ognuno dei quali è indicizzato.

SELECT table_name, index_name, index_column_name, index_field_path
FROM my_project.dataset.INFORMATION_SCHEMA.SEARCH_INDEX_COLUMNS

Il risultato è simile al seguente:

+------------+------------+-------------------+------------------+
| table_name | index_name | index_column_name | index_field_path |
+------------+------------+-------------------+------------------+
| my_table   | my_index   | a                 | a                |
| my_table   | my_index   | c                 | c.e              |
| my_table   | my_index   | c                 | c.f.g            |
+------------+------------+-------------------+------------------+

La seguente query unisce la vista INFORMATION_SCHEMA.SEARCH_INDEX_COUMNS con le viste INFORMATION_SCHEMA.SEARCH_INDEXES e INFORMATION_SCHEMA.COLUMNS per includere lo stato dell'indice di ricerca e il tipo di dati di ogni colonna:

SELECT
  index_columns_view.index_catalog AS project_name,
  index_columns_view.index_SCHEMA AS dataset_name,
  indexes_view.TABLE_NAME AS table_name,
  indexes_view.INDEX_NAME AS index_name,
  indexes_view.INDEX_STATUS AS status,
  index_columns_view.INDEX_COLUMN_NAME AS column_name,
  index_columns_view.INDEX_FIELD_PATH AS field_path,
  columns_view.DATA_TYPE AS data_type
FROM
  mydataset.INFORMATION_SCHEMA.SEARCH_INDEXES indexes_view
INNER JOIN
  mydataset.INFORMATION_SCHEMA.SEARCH_INDEX_COLUMNS index_columns_view
  ON
    indexes_view.TABLE_NAME = index_columns_view.TABLE_NAME
    AND indexes_view.INDEX_NAME = index_columns_view.INDEX_NAME
LEFT OUTER JOIN
  mydataset.INFORMATION_SCHEMA.COLUMNS columns_view
  ON
    indexes_view.INDEX_CATALOG = columns_view.TABLE_CATALOG
    AND indexes_view.INDEX_SCHEMA = columns_view.TABLE_SCHEMA
    AND index_columns_view.TABLE_NAME = columns_view.TABLE_NAME
    AND index_columns_view.INDEX_COLUMN_NAME = columns_view.COLUMN_NAME
ORDER BY
  project_name,
  dataset_name,
  table_name,
  column_name;

Il risultato è simile al seguente:

+------------+------------+----------+------------+--------+-------------+------------+---------------------------------------------------------------+
| project    | dataset    | table    | index_name | status | column_name | field_path | data_type                                                     |
+------------+------------+----------+------------+--------+-------------+------------+---------------------------------------------------------------+
| my_project | my_dataset | my_table | my_index   | ACTIVE | a           | a          | STRING                                                        |
| my_project | my_dataset | my_table | my_index   | ACTIVE | c           | c.e        | STRUCT<d INT64, e ARRAY<STRING>, f STRUCT<g STRING, h INT64>> |
| my_project | my_dataset | my_table | my_index   | ACTIVE | c           | c.f.g      | STRUCT<d INT64, e ARRAY<STRING>, f STRUCT<g STRING, h INT64>> |
+------------+------------+----------+------------+--------+-------------+------------+---------------------------------------------------------------+

Opzioni di gestione degli indici

Per creare indici e fare in modo che BigQuery li mantenga, hai due opzioni:

Utilizza il pool di slot condiviso predefinito: quando i dati che pianifichi a indice è al di sotto del limite per organizzazione, può utilizzare il pool di slot condiviso gratuito per la gestione dell'indice.
Utilizza la tua prenotazione: Per ottenere un'indicizzazione più prevedibile e coerente progressi sui carichi di lavoro di produzione più grandi, puoi utilizzare per la gestione degli indici.

Utilizza slot condivisi

Se non hai configurato il tuo progetto per l'utilizzo di una prenotazione dedicata per l'indicizzazione, la gestione degli indici viene gestita nel pool di slot condiviso gratuito, in base alle rispetto ai vincoli.

Se aggiungi dati a una tabella che determina la dimensione totale per superare il limite della tua organizzazione, BigQuery mette in pausa la gestione degli indici per tutte le tabelle indicizzate. In questo caso, il campo index_status nella INFORMATION_SCHEMA.SEARCH_INDEXES visualizzazione visualizza PENDING DISABLEMENT e l'indice è in coda per l'eliminazione. Mentre l'indice è in attesa di disabilitazione, ancora utilizzato nelle query e ti viene addebitato l'importo per l'archiviazione dell'indice. Dopo l'eliminazione di un indice, il campo index_status mostra l'indice come TEMPORARILY DISABLED. In questo stato le query non usano l'indice, e non ti viene addebitato alcun costo per l'archiviazione dell'indice. In questo caso, Codice IndexUnusedReason è BASE_TABLE_TOO_LARGE.

Se elimini dati dalla tabella e la dimensione totale delle tabelle indicizzate è inferiore al limite per organizzazione, la gestione dell'indice verrà ripresa per tutte le tabelle indicizzate. Il campo index_status nella INFORMATION_SCHEMA.SEARCH_INDEXES visualizzazione è ACTIVE, le query possono utilizzare l'indice e ti vengono addebitati i costi l'archiviazione degli indici.

BigQuery non garantisce la disponibilità del pool condiviso o la velocità effettiva di indicizzazione visualizzata. Per le applicazioni di produzione, potresti voler usare slot dedicati per l'elaborazione dell'indice.

Utilizza la tua prenotazione

Anziché utilizzare il pool di slot condiviso predefinito, puoi specificare facoltativamente i tuoi per indicizzare le tue tabelle. L'utilizzo della tua prenotazione garantisce le prestazioni prevedibili e coerenti dei job di gestione degli indici, come creazione, aggiornamento e ottimizzazioni dello sfondo.

Non ci sono limiti di dimensioni delle tabelle quando viene eseguito un job di indicizzazione in prenotazione.
L'utilizzo della tua prenotazione ti offre flessibilità nella gestione dell'indice. Se devi creare un indice molto grande aggiornare una tabella indicizzata, puoi aggiungerne temporaneamente slot all'assegnazione.

Per indicizzare le tabelle in un progetto con una prenotazione designata, crea una prenotazione nella regione in cui si trovano le tabelle. Quindi, assegna il progetto prenotazione con job_type impostato su BACKGROUND:

SQL

Utilizza la CREATE ASSIGNMENT Istruzione DDL.

Nella console Google Cloud, vai alla pagina BigQuery.

Vai a BigQuery
Nell'editor query, inserisci la seguente istruzione:
```
CREATE ASSIGNMENT
  `ADMIN_PROJECT_ID.region-LOCATION.RESERVATION_NAME.ASSIGNMENT_ID`
OPTIONS (
  assignee = 'projects/PROJECT_ID',
  job_type = 'BACKGROUND');
```
Sostituisci quanto segue:
- ADMIN_PROJECT_ID: l'ID progetto del progetto di amministrazione proprietario della risorsa di prenotazione
- LOCATION: il valore località della prenotazione
- RESERVATION_NAME: il nome del prenotazione
- ASSIGNMENT_ID: l'ID del compito
  
  L'ID deve essere univoco per il progetto e la località, iniziano e terminano con una lettera minuscola o un numero e contenere solo lettere minuscole, numeri e trattini.
- PROJECT_ID: l'ID del progetto che contiene le tabelle da indicizzare. Questo progetto è assegnato alla prenotazione.
Fai clic su Esegui.

Per ulteriori informazioni su come eseguire le query, consulta Eseguire una query interattiva.

bq

Usa il comando bq mk:

bq mk \
    --project_id=ADMIN_PROJECT_ID \
    --location=LOCATION \
    --reservation_assignment \
    --reservation_id=RESERVATION_NAME \
    --assignee_id=PROJECT_ID \
    --job_type=BACKGROUND \
    --assignee_type=PROJECT

Sostituisci quanto segue:

ADMIN_PROJECT_ID: l'ID progetto del progetto di amministrazione proprietario della risorsa di prenotazione
LOCATION: il valore località della prenotazione
RESERVATION_NAME: il nome del prenotazione
PROJECT_ID: l'ID del progetto da assegnare a questa prenotazione

Visualizzare i job di indicizzazione

Ogni volta che un indice viene creato o aggiornato in data, viene creato un nuovo job di indicizzazione una singola tabella. Per visualizzare le informazioni sul job, esegui una query INFORMATION_SCHEMA.JOBS* visualizzazioni. Tu può filtrare i job di indicizzazione per impostazione job_type IS NULL AND SEARCH(job_id, '`search_index`') in WHERE della tua query. Nell'esempio seguente sono elencate le cinque indici di indicizzazione più recenti job nel progetto my_project:

SELECT *
FROM
 region-us.INFORMATION_SCHEMA.JOBS
WHERE
  project_id  = 'my_project'
  AND job_type IS NULL
  AND SEARCH(job_id, '`search_index`')
ORDER BY
 creation_time DESC
LIMIT 5;

Scegli le dimensioni della prenotazione

Per scegliere il numero giusto di slot per la tua prenotazione, devi considerare quando vengono eseguiti i job di gestione degli indici, quanti slot utilizzano e quale nel tempo. BigQuery attiva un job di gestione degli indici nelle seguenti situazioni:

Crei un indice in una tabella.
I dati vengono modificati in una tabella indicizzata.
Lo schema di una tabella cambia e ciò influisce sulle colonne indicizzate.
I dati dell'indice e i metadati vengono ottimizzati o aggiornati periodicamente.

Il numero di slot necessari per un job di gestione degli indici su una tabella dipende i seguenti fattori:

Le dimensioni della tabella
La velocità di importazione dati nella tabella
La frequenza delle istruzioni DML applicate alla tabella
Il ritardo accettabile per la creazione e la gestione dell'indice
La complessità dell'indice, solitamente determinata dagli attributi dei dati, ad esempio il numero di termini duplicati

Stima iniziale

Le seguenti stime possono aiutarti a calcolare approssimativamente il numero di slot che per la prenotazione. A causa della natura altamente variabile dei carichi di lavoro di indicizzazione, devi rivalutare i requisiti dopo aver iniziato a indicizzare i dati.

Dati esistenti: con una prenotazione da 1000 slot, una tabella esistente in BigQuery possono essere indicizzati a una tariffa media massima di 4 GiB al secondo, ovvero circa 336 TiB al giorno.
Dati appena importati: l'indicizzazione in genere richiede più risorse importati, poiché la tabella e il relativo indice vengono sottoposti a diversi cicli di ottimizzazioni rivoluzionarie. In media, l'indicizzazione di nuovi i dati importati consumano il triplo delle risorse rispetto alla quantità dell'indicizzazione di backfill degli stessi dati.
Dati modificati raramente: tabelle indicizzate con pochi o nessun dato modifiche richiedono molte meno risorse per un indice continuo manutenzione. Un punto di partenza consigliato è mantenere 1/5 degli slot richiesta per l'indicizzazione iniziale di backfill degli stessi dati e non meno di 250 slot.
L'avanzamento dell'indicizzazione scala in modo più o meno lineare con la dimensione della prenotazione. Tuttavia, sconsigliamo di utilizzare prenotazioni di dimensioni inferiori di oltre 250 slot per l'indicizzazione, in quanto ciò potrebbe causare inefficienze l'avanzamento dell'indicizzazione è lento.
Queste stime possono cambiare in base alle funzionalità, alle ottimizzazioni e all'utilizzo effettivo variano.
Se le dimensioni totali della tabella della tua organizzazione superano i valori di indicizzazione della tua regione limitato, devi mantenere una prenotazione diversa da zero assegnata per l'indicizzazione. In caso contrario, l'indicizzazione potrebbe al livello predefinito, con conseguente eliminazione involontaria di tutti gli indici.

Monitora l'utilizzo e i progressi

Il modo migliore per valutare il numero di slot necessari per gestire dei job di gestione degli indici consiste nel monitorare l'utilizzo degli slot e regolare dimensioni della prenotazione di conseguenza. La seguente query restituisce l'utilizzo giornaliero degli slot per i job di gestione degli indici. Il valore include solo gli ultimi 30 giorni regione us-west1:

SELECT
  TIMESTAMP_TRUNC(job.creation_time, DAY) AS usage_date,
  -- Aggregate total_slots_ms used for index-management jobs in a day and divide
  -- by the number of milliseconds in a day. This value is most accurate for
  -- days with consistent slot usage.
  SAFE_DIVIDE(SUM(job.total_slot_ms), (1000 * 60 * 60 * 24)) AS average_daily_slot_usage
FROM
  `region-us-west1`.INFORMATION_SCHEMA.JOBS job
WHERE
  project_id = 'my_project'
  AND job_type IS NULL
  AND SEARCH(job_id, '`search_index`')
GROUP BY
  usage_date
ORDER BY
  usage_date DESC
limit 30;

Se gli slot non sono sufficienti per eseguire job di gestione dell'indice, un indice può non saranno sincronizzati con la relativa tabella e i job di indicizzazione potrebbero non riuscire. In questo caso, BigQuery ricrea l'indice da zero. A evitare di avere un indice non sincronizzato, assicurati di avere slot sufficienti per supportare l'indice e gli aggiornamenti dell'importazione e dell'ottimizzazione dei dati. Per ulteriori informazioni monitorare l'utilizzo degli slot, grafici delle risorse di amministrazione.

Best practice

Gli indici di ricerca sono progettati per tabelle di grandi dimensioni. Il rendimento migliora da una dell'indice di ricerca aumenta con la dimensione della tabella.
Non indicizzare colonne che contengono solo un numero molto ridotto di valori univoci.
Non indicizzare colonne che non intendi mai utilizzare con la funzione SEARCH né qualsiasi altra funzioni e operatori supportati.
Fai attenzione quando crei un indice di ricerca su ALL COLUMNS. Ogni volta che aggiungi una colonna contenente dati relativi a STRING o JSON, viene indicizzata.
Dovresti utilizzare la tua prenotazione per l'indice della gestione delle applicazioni di produzione. Se scegli di utilizzare il pool di slot condiviso predefinito per i job di gestione degli indici, quindi si applicano i limiti di ridimensionamento per organizzazione.

Eliminare un indice di ricerca

Quando non hai più bisogno di un indice di ricerca o vuoi modificare le colonne indicizzato su una tabella, puoi eliminare l'indice attualmente presente nella tabella. Da fare utilizza DROP SEARCH INDEX Istruzione DDL.

Se viene eliminata una tabella indicizzata, anche il relativo indice viene eliminato automaticamente.

Esempio:

DROP SEARCH INDEX my_index ON dataset.simple_table;

Passaggi successivi

Per una panoramica dei casi d'uso dell'indice di ricerca, dei prezzi, delle autorizzazioni richieste e delle limitazioni, consulta la sezione Introduzione alla ricerca BigQuery.
Per informazioni su una ricerca efficiente delle colonne indicizzate, consulta Cerca con un indice.