Best practice per le funzioni

Questo documento descrive come ottimizzare le query che utilizzano le funzioni SQL.

Ottimizza il confronto delle stringhe

Best practice:se possibile, utilizza LIKE anziché REGEXP_CONTAINS.

In BigQuery, puoi utilizzare la funzione REGEXP_CONTAINS o l'operatore LIKE per confrontare le stringhe. REGEXP_CONTAINS fornisce più funzionalità, ma ha anche un tempo di esecuzione più lento. L'utilizzo di LIKE invece di REGEXP_CONTAINS è più veloce, in particolare se non hai bisogno della piena potenza delle espressioni regolari fornite da REGEXP_CONTAINS, ad esempio la corrispondenza con caratteri jolly.

Considera il seguente utilizzo della funzione REGEXP_CONTAINS:

SELECT
  dim1
FROM
  `dataset.table1`
WHERE
  REGEXP_CONTAINS(dim1, '.*test.*');

Puoi ottimizzare questa query nel seguente modo:

SELECT
  dim1
FROM
  `dataset.table`
WHERE
  dim1 LIKE '%test%';

Ottimizza le funzioni di aggregazione

Best practice: se il tuo caso d'uso la supporta, utilizza una funzione di aggregazione approssimativa.

Se la funzione di aggregazione SQL che stai utilizzando ha una funzione di approssimazione equivalente, la funzione di approssimazione genera prestazioni più veloci nelle query. Ad esempio, anziché utilizzare COUNT(DISTINCT), utilizza APPROX_COUNT_DISTINCT. Per ulteriori informazioni, consulta funzioni di aggregazione approssimate.

Puoi utilizzare le funzioni HyperLogLog++ anche per eseguire approssimazioni (incluse le aggregazioni approssimative personalizzate). Per ulteriori informazioni, consulta Funzioni HyperLogLog++ nel riferimento di GoogleSQL.

Considera il seguente utilizzo della funzione COUNT:

SELECT
  dim1,
  COUNT(DISTINCT dim2)
FROM
  `dataset.table`
GROUP BY 1;

Puoi ottimizzare questa query nel seguente modo:

SELECT
  dim1,
  APPROX_COUNT_DISTINCT(dim2)
FROM
  `dataset.table`
GROUP BY 1;

Ottimizza le funzioni dei quantili

Best practice:se possibile, utilizza APPROX_QUANTILE anziché NTILE.

L'esecuzione di una query contenente la funzione NTILE può generare un errore Resources exceeded se ci sono troppi elementi in ORDER BY in una singola partizione, con conseguente aumento del volume di dati. La finestra di analisi non è partizionata, quindi il calcolo di NTILE richiede un ORDER BY globale affinché tutte le righe della tabella vengano elaborate da un singolo worker/slot.

Prova a usare APPROX_QUANTILES. Questa funzione consente di eseguire la query in modo più efficiente perché non richiede un valore ORDER BY globale per tutte le righe della tabella.

Considera il seguente utilizzo della funzione NTILE:

SELECT
  individual_id,
  NTILE(nbuckets) OVER (ORDER BY sales desc) AS sales_third
FROM
  `dataset.table`;

Puoi ottimizzare questa query nel seguente modo:

WITH QuantInfo AS (
  SELECT
    o, qval
  FROM UNNEST((
     SELECT APPROX_QUANTILES(sales, nbuckets)
     FROM `dataset.table`
    )) AS qval
  WITH offset o
  WHERE o > 0
)
SELECT
  individual_id,
  (SELECT
     (nbuckets + 1) - MIN(o)
   FROM QuantInfo
   WHERE sales <= QuantInfo.qval
  ) AS sales_third
FROM `dataset.table`;

La versione ottimizzata restituisce risultati simili ma non identici alla query originale, perché APPROX_QUANTILES:

1. Fornisce un'aggregazione approssimativa.
2. Posiziona i valori rimanenti (il resto del numero di righe diviso per bucket) in modo diverso.

Ottimizza le funzioni definite dall'utente

Best practice: utilizza le funzioni definite dall'utente per i calcoli semplici, in quanto lo strumento di ottimizzazione delle query può applicare ottimizzazioni alle definizioni delle funzioni SQL. Utilizza le funzioni JavaScript definite dall'utente per i calcoli complessi non supportati dalle funzioni SQL.

La chiamata di una funzione JavaScript definita dall'utente richiede la creazione di un'istanza di un processo secondario. L'avvio di questo processo e l'esecuzione della funzione definita dall'utente influiscono direttamente sulle prestazioni delle query. Se possibile, utilizza invece una UDF nativa (SQL).

UDF permanenti

Invece di creare e chiamare ogni volta una funzione definita dall'utente nel codice, è preferibile creare funzioni SQL e JavaScript permanenti definite dall'utente in un set di dati BigQuery centralizzato che possa essere richiamato attraverso query e visualizzazioni logiche. La creazione di librerie di logica di business a livello di organizzazione all'interno di set di dati condivisi consente di ottimizzare le prestazioni e di utilizzare meno risorse.

L'esempio seguente mostra come una funzione definita dall'utente temporanea viene richiamata in una query:

CREATE TEMP FUNCTION addFourAndDivide(x INT64, y INT64) AS ((x + 4) / y);

WITH numbers AS
  (SELECT 1 as val
  UNION ALL
  SELECT 3 as val
  UNION ALL
  SELECT 4 as val
  UNION ALL
  SELECT 5 as val)
SELECT val, addFourAndDivide(val, 2) AS result
FROM numbers;

Puoi ottimizzare questa query sostituendo la funzione funzione definita dall'utente temporanea con una persistente:

WITH numbers AS
  (SELECT 1 as val
  UNION ALL
  SELECT 3 as val
  UNION ALL
  SELECT 4 as val
  UNION ALL
  SELECT 5 as val)
SELECT val, `your_project.your_dataset.addFourAndDivide`(val, 2) AS result
FROM numbers;