Présentation des recommandations

BigQuery fonctionne avec Active Assist pour fournir diverses recommandations qui vous permettent d'optimiser vos ressources BigQuery.

Les recommandations sont générées par des outils de recommandation, qui utilisent le machine learning (ML) ou l'heuristique pour vous indiquer comment optimiser l'utilisation de vos ressources BigQuery.

Vous pouvez afficher et gérer les recommandations des différents outils de recommandation en utilisant BigQuery dans la Google Cloud console, soit dans BigQuery Active Assist, soit via des notifications de recommandation dans BigQuery Studio. Vous pouvez également afficher des recommandations via différentes vues INFORMATION_SCHEMA au niveau du projet et de l'organisation.

Pour afficher vos recommandations BigQuery ainsi que d'autres recommandations dans la Google Cloud console, utilisez l' Active Assist.

Outils de recommandation BigQuery

BigQuery propose les outils de recommandation suivants :

Afficher les recommandations

Pour afficher vos recommandations à l'aide de la Google Cloud console, procédez comme suit :

  1. Dans la Google Cloud console, accédez à la page BigQuery.

    Accéder à BigQuery

  2. Dans le menu de navigation, cliquez sur Recommandations.

    La page Recommandations s'ouvre et affiche toutes les recommandations générées pour le projet ou l'organisation en cours, en fonction du champ d'application sélectionné.

  3. Pour afficher plus d'informations sur une recommandation ou un insight spécifique, cliquez sur une recommandation.

Afficher les recommandations avec INFORMATION_SCHEMA

Vous pouvez également afficher vos recommandations et vos insights à l'aide des vues INFORMATION_SCHEMA. Par exemple, vous pouvez utiliser la vue INFORMATION_SCHEMA.RECOMMENDATIONS pour afficher vos trois principales recommandations basées sur les économies d'emplacements, comme illustré dans l'exemple suivant :

SELECT
   recommender,
   target_resources,
   LAX_INT64(additional_details.overview.bytesSavedMonthly) / POW(1024, 3) as est_gb_saved_monthly,
   LAX_INT64(additional_details.overview.slotMsSavedMonthly) / (1000 * 3600) as slot_hours_saved_monthly,
  last_updated_time
FROM
  `region-us`.INFORMATION_SCHEMA.RECOMMENDATIONS
WHERE
   primary_impact.category = 'COST'
AND
   state = 'ACTIVE'
ORDER by
   slot_hours_saved_monthly DESC
LIMIT 3;

Le résultat ressemble à ce qui suit :

+---------------------------------------------------+--------------------------------------------------------------------------------------------------+
|                    recommender                    |   target_resources      | est_gb_saved_monthly | slot_hours_saved_monthly |  last_updated_time
+---------------------------------------------------+--------------------------------------------------------------------------------------------------+
| google.bigquery.materializedview.Recommender      | ["project_resource"]    | 140805.38289248943   |        9613.139166666666 |  2024-07-01 13:00:00
| google.bigquery.table.PartitionClusterRecommender | ["table_resource_1"]    | 4393.7416711859405   |        56.61476777777777 |  2024-07-01 13:00:00
| google.bigquery.table.PartitionClusterRecommender | ["table_resource_2"]    |   3934.07264107652   |       10.499466666666667 |  2024-07-01 13:00:00
+---------------------------------------------------+--------------------------------------------------------------------------------------------------+

Pour en savoir plus, consultez les ressources suivantes :

Étape suivante