אופטימיזציה של הביצועים של מקור נתונים ב-BigQuery

כדי לשפר את הביצועים של דוחות שמבוססים על נתוני BigQuery, אפשר להשתמש בטכניקות הבאות. הטכניקות האלה יכולות לעזור לכם להציג את הוויזואליזציות מהר יותר ולצמצם את העלויות ב-BigQuery.

שיפור הביצועים באמצעות BigQuery Storage Read API

אם השאילתות משתמשות בתוצאות עם חלוקה לדפים, הפעלה של BigQuery Storage Read API יכולה לשפר את זמני השאילתות. ‫Data Studio משתמש אוטומטית ב-Storage Read API כשזה משפר את זמני הריצה של השאילתות.

כדי להפעיל את BigQuery Storage Read API, צריך להעניק את ההרשאות הבאות למשתמש BigQuery שמחובר ל-Data Studio:

  • bigquery.readsessions.create
  • bigquery.readsessions.getData

האצת הדוחות באמצעות BigQuery BI Engine

‫BigQuery BI Engine הוא שירות ניתוח מהיר, עם יכולת פעולה הדדית גבוהה, שפועל בזיכרון ומוטמע ב-BigQuery. אם מגדירים את BI Engine עם Data Studio, ההמחשות הוויזואליות מוצגות תוך פחות משנייה, ועלויות המקבילות של השאילתות יורדות (מידע נוסף על BigQuery BI Engine).

דרישות לשימוש ב-BI Engine עם Data Studio

כדי להשתמש ב-BI Engine כדי להאיץ את הדוחות ב-Data Studio, צריך לוודא שמתקיימים התנאים המוקדמים הבאים:

  1. אחסון נתונים: אתם מאחסנים נתוני דיווח בטבלאות או בתצוגות מפורטות סטנדרטיות של BigQuery.
  2. פרויקט לחיוב: אתם מציינים פרויקט תקף לחיוב ב-BigQuery שמופעל בו חיוב פעיל Google Cloud .
  3. הפעלת API: מפעילים את BigQuery API ‏ (bigquery.googleapis.com) בפרויקט.
  4. הזמנת קיבולת: הגדרתם הזמנת קיבולת פעילה של BI Engine ‏ (SIZE_IN_GB) לפרויקט שבו מתבצעות השאילתות.

מדריכים מפורטים להשוואת ביצועים ולאופטימיזציה של טבלאות ב-BI Engine זמינים במאמר ניתוח נתוני BigQuery באמצעות Data Studio.