Gestire gli indici di ricerca

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

Proprio come l'indice che troveresti alla fine di un libro, un indice di ricerca per una colonna di dati stringa funge da tabella ausiliaria con una colonna per le parole univoche e un'altra per la posizione in cui queste parole si trovano nei dati.

Creare un indice di ricerca

Per creare un indice di ricerca, utilizza l' CREATE SEARCH INDEX istruzione DDL. Per specificare i tipi di dati primitivi da indicizzare, vedi Creare un indice di ricerca e specificare le colonne e i tipi di dati. Se non specifichi alcun tipo di dati, per impostazione predefinita BigQuery indicizza le colonne dei seguenti tipi che contengono dati STRING:

  • 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 di analizzatore di testo da utilizzare. L'analizzatore di testo controlla la modalità di tokenizzazione dei dati per l'indicizzazione e la ricerca. Il valore predefinito è LOG_ANALYZER. Questo analizzatore funziona bene per i log generati dalla macchina e ha regole speciali per i token che si trovano comunemente nei dati di osservabilità, come indirizzi IP o email. Utilizza NO_OP_ANALYZER quando hai dati pre-elaborati di cui vuoi trovare la corrispondenza esatta. PATTERN_ANALYZER estrae i token dal testo utilizzando un'espressione regolare.

Creare un indice di ricerca con l'analizzatore di testo predefinito

Nell'esempio seguente, viene creato un indice della Ricerca sulle colonne a e c di simple_table e viene utilizzato l'analizzatore di testo 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);

Creare un indice di ricerca su tutte le colonne con l'analizzatore NO_OP_ANALYZER

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

Nell'esempio seguente, viene creato un indice della Ricerca su a, c.e e c.f.g, e viene utilizzato l'analizzatore di testo NO_OP_ANALYZER:

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 su ALL COLUMNS, tutte le colonne aggiunte alla tabella vengono indicizzate automaticamente se contengono dati STRING.

Creare un indice di ricerca e specificare le colonne e i tipi di dati

Quando crei un indice di ricerca, puoi specificare i tipi di dati da utilizzare. I tipi di dati controllano i tipi di colonne e sottocampi delle colonne JSON e STRUCT per l'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 l' CREATE SEARCH INDEX istruzione con l'opzione data_types inclusa.

Nell'esempio seguente, viene creato un indice di ricerca sulle 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']);

Creare un indice di ricerca su tutte le colonne e specificare i tipi di dati

Quando crei un indice di ricerca su ALL COLUMNS con l'opzione data_types specificata, viene indicizzata qualsiasi colonna che corrisponde a uno dei tipi di dati specificati. Per le colonne JSON e STRUCT, viene indicizzato qualsiasi sottocampo nidificato che corrisponde a uno dei tipi di dati specificati.

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

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 su ALL COLUMNS, tutte le colonne aggiunte alla tabella vengono indicizzate automaticamente se corrispondono a uno dei tipi di dati specificati.

Indicizzare con granularità delle colonne

Quando crei un indice di ricerca, puoi specificare la granularità delle colonne per una colonna indicizzata. La granularità delle colonne consente a BigQuery di ottimizzare determinati tipi di query di ricerca memorizzando informazioni aggiuntive sulle colonne nell'indice di ricerca. Per impostare la granularità delle colonne per una colonna indicizzata, utilizza l' index_granularity opzione in index_column_option_list quando esegui un' CREATE SEARCH INDEX istruzione.

Internamente, le tabelle BigQuery sono organizzate in file. Quando crei un indice, BigQuery crea una mappatura dai token ai file che li contengono. Quando esegui una query di ricerca, BigQuery esegue la scansione di tutti i file che contengono i token. Questa operazione potrebbe essere inefficiente se il token di ricerca viene visualizzato raramente nella colonna in cui stai eseguendo la ricerca, ma è comune in un'altra colonna.

Supponiamo, ad esempio, di avere la seguente tabella contenente offerte di lavoro:

CREATE TABLE my_dataset.job_postings (job_id INT64, company_name STRING, job_description STRING);

La parola skills probabilmente viene visualizzata di frequente nella colonna job_description, ma raramente nella colonna company_name. Supponiamo di eseguire la seguente query:

SELECT * FROM my_dataset.job_postings WHERE SEARCH(company_name, 'skills');

Se hai creato un indice di ricerca sulle colonne company_name e job_description senza specificare la granularità delle colonne, BigQuery eseguirà la scansione di ogni file in cui la parola skills viene visualizzata nella colonna job_description o company_name. Per migliorare le prestazioni di questa query, puoi impostare la granularità delle colonne per company_name su COLUMN:

CREATE SEARCH INDEX my_index
ON my_dataset.job_postings (
  company_name OPTIONS(index_granularity = 'COLUMN'),
  job_description);

Ora, quando esegui la query, BigQuery esegue la scansione solo dei file in cui la parola skills viene visualizzata nella colonna company_name.

Per visualizzare le informazioni sulle opzioni impostate nelle colonne di una tabella indicizzata, esegui una query sulla vista INFORMATION_SCHEMA.SEARCH_INDEX_COLUMN_OPTIONS.

Esistono limiti al numero di colonne che puoi indicizzare con la granularità delle colonne. Per saperne di più, consulta Quote e limiti.

Informazioni sull'aggiornamento dell'indice

Gli indici di ricerca sono completamente gestiti da BigQuery e vengono aggiornati automaticamente quando la tabella cambia. Un aggiornamento completo dell'indice può avvenire nei seguenti casi:

  • La scadenza della partizione viene aggiornata.
  • Una colonna indicizzata viene aggiornata a causa di una modifica dello schema della tabella.
  • L'indice è obsoleto a causa della mancanza di slot di prenotazione BACKGROUND per gli aggiornamenti incrementali. Per evitare il mancato aggiornamento, puoi utilizzare la scalabilità automatica e monitorare il carico di lavoro per determinare la base di riferimento e la dimensione massima della prenotazione ottimali.

Se i dati di una colonna indicizzata vengono aggiornati in ogni riga, ad esempio durante un'operazione di backfill, è necessario aggiornare l'intero indice, in modo equivalente a un aggiornamento completo. Ti consigliamo di eseguire i backfill lentamente, ad esempio partizione per partizione, per ridurre al minimo il potenziale impatto negativo.

Se apporti modifiche allo schema della tabella di base che impediscono l'indicizzazione di una colonna indicizzata in modo esplicito, l'indice viene disattivato in modo permanente.

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

Gli indici di ricerca sono progettati per tabelle di grandi dimensioni. Se crei un indice di ricerca su una tabella di dimensioni inferiori a 10 GB, l'indice non viene compilato. Allo stesso modo, se elimini i dati da una tabella indicizzata e le dimensioni della tabella scendono sotto i 10 GB, l'indice viene disattivato temporaneamente. In questo caso, le query di ricerca non utilizzano l'indice e il IndexUnusedReason codice è BASE_TABLE_TOO_SMALL. Questo accade indipendentemente dal fatto che tu utilizzi o meno la tua prenotazione per i job di gestione degli indici. Quando le dimensioni di una tabella indicizzata superano i 10 GB, l'indice viene compilato automaticamente. Non ti vengono addebitati costi per lo spazio di archiviazione finché l'indice di ricerca non viene compilato e attivato. Le query che utilizzano la SEARCH funzione restituiscono sempre risultati corretti, anche se alcuni dati non sono ancora indicizzati.

Ottenere informazioni sugli indici di ricerca

Puoi verificare l'esistenza e l'idoneità di un indice della Ricerca eseguendo una query su INFORMATION_SCHEMA. Esistono tre viste che contengono metadati sugli indici di ricerca.

Esempi di viste INFORMATION_SCHEMA.SEARCH_INDEXES

Questa sezione include query di esempio della vista INFORMATION_SCHEMA.SEARCH_INDEXES.

L'esempio seguente mostra tutti gli indici di ricerca attivi sulle tabelle del set di dati my_dataset, che si trova nel progetto my_project. Include i nomi, le istruzioni DDL utilizzate per crearli, la percentuale di copertura e l'analizzatore di testo. Se una tabella di base indicizzata è inferiore a 10 GB, l'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   |
+-------------+-------------+--------------------------------------------------------------------------------------+---------------------+----------------+

Esempi di viste INFORMATION_SCHEMA.SEARCH_INDEX_COLUMNS

Questa sezione include query di esempio della vista INFORMATION_SCHEMA.SEARCH_INDEX_COLUMNS.

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 query seguente estrae informazioni sui campi indicizzati. index_field_path indica il campo di una colonna indicizzata. Questo valore è diverso da index_column_name solo nel caso di uno STRUCT, in cui viene fornito il percorso completo al campo indicizzato. In questo esempio, la colonna c contiene un campo ARRAY<STRING> e e un altro STRUCT chiamato 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 query seguente 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>> |
+------------+------------+----------+------------+--------+-------------+------------+---------------------------------------------------------------+

Esempi di viste INFORMATION_SCHEMA.SEARCH_INDEXES_BY_ORGANIZATION

Questa sezione include query di esempio della vista INFORMATION_SCHEMA.SEARCH_INDEXES_BY_ORGANIZATION.

Verificare se il consumo supera il limite in una determinata regione

L'esempio seguente illustra se le dimensioni totali della tabella di base indicizzata in un'organizzazione, utilizzando gli slot condivisi all'interno della multiregione degli Stati Uniti, superano i 100 TB:

WITH
 indexed_base_table_size AS (
 SELECT
   SUM(base_table.total_logical_bytes) AS total_logical_bytes
 FROM
   `region-us`.INFORMATION_SCHEMA.SEARCH_INDEXES_BY_ORGANIZATION AS search_index
 JOIN
   `region-us`.INFORMATION_SCHEMA.TABLE_STORAGE_BY_ORGANIZATION AS base_table
 ON
   (search_index.table_name = base_table.table_name
     AND search_index.project_id = base_table.project_id
     AND search_index.index_schema = base_table.table_schema)
 WHERE
   TRUE
   -- Excludes search indexes that are permanently disabled.
   AND search_index.index_status != 'PERMANENTLY DISABLED'
   -- Excludes BASE_TABLE_TOO_SMALL search indexes whose base table size is
   -- less than 10 GB. These tables don't count toward the limit.
   AND search_index.index_status_details.throttle_status != 'BASE_TABLE_TOO_SMALL'
   -- Excludes search indexes whose project has BACKGROUND reservation purchased
   -- for search indexes.
   AND search_index.use_background_reservation = false
 -- Outputs the total indexed base table size if it exceeds 100 TB,
 -- otherwise, doesn't return any output.
)
SELECT * FROM indexed_base_table_size
WHERE total_logical_bytes >= 109951162777600 -- 100 TB

Il risultato è simile al seguente:

+---------------------+
| total_logical_bytes |
+---------------------+
|     109951162777601 |
+---------------------+

Trovare le dimensioni totali della tabella di base indicizzata per progetti in una regione

L'esempio seguente fornisce la suddivisione di ogni progetto in una multiregione degli Stati Uniti con le dimensioni totali delle tabelle di base indicizzate:

SELECT
 search_index.project_id,
 search_index.use_background_reservation,
 SUM(base_table.total_logical_bytes) AS total_logical_bytes
FROM
 `region-us`.INFORMATION_SCHEMA.SEARCH_INDEXES_BY_ORGANIZATION AS search_index
JOIN
 `region-us`.INFORMATION_SCHEMA.TABLE_STORAGE_BY_ORGANIZATION AS base_table
ON
 (search_index.table_name = base_table.table_name
   AND search_index.project_id = base_table.project_id
   AND search_index.index_schema = base_table.table_schema)
WHERE
 TRUE
  -- Excludes search indexes that are permanently disabled.
  AND search_index.index_status != 'PERMANENTLY DISABLED'
  -- Excludes BASE_TABLE_TOO_SMALL search indexes whose base table size is
  -- less than 10 GB. These tables don't count toward limit.
 AND search_index.index_status_details.throttle_status != 'BASE_TABLE_TOO_SMALL'
GROUP BY search_index.project_id, search_index.use_background_reservation

Il risultato è simile al seguente:

+---------------------+----------------------------+---------------------+
|     project_id      | use_background_reservation | total_logical_bytes |
+---------------------+----------------------------+---------------------+
| projecta            |     true                   |     971329178274633 |
+---------------------+----------------------------+---------------------+
| projectb            |     false                  |     834638211024843 |
+---------------------+----------------------------+---------------------+
| projectc            |     false                  |     562910385625126 |
+---------------------+----------------------------+---------------------+

Trovare gli indici di ricerca limitati

L'esempio seguente restituisce tutti gli indici di ricerca limitati all'interno dell'organizzazione e della regione:

SELECT project_id, index_schema, table_name, index_name
FROM
 `region-us`.INFORMATION_SCHEMA.SEARCH_INDEXES_BY_ORGANIZATION
WHERE
 -- Excludes search indexes that are permanently disabled.
 index_status != 'PERMANENTLY DISABLED'
 AND index_status_details.throttle_status IN ('ORGANIZATION_LIMIT_EXCEEDED', 'BASE_TABLE_TOO_LARGE')

Il risultato è simile al seguente:

+--------------------+--------------------+---------------+----------------+
|     project_id     |    index_schema    |  table_name   |   index_name   |
+--------------------+--------------------+---------------+----------------+
|     projecta       |     dataset_us     |   table1      |    index1      |
|     projectb       |     dataset_us     |   table1      |    index1      |
+--------------------+--------------------+---------------+----------------+

Opzioni di gestione degli indici

Per creare indici e farli gestire da BigQuery, hai due opzioni:

  • Utilizzare il pool di slot condiviso predefinito: se i dati che prevedi di indicizzare sono inferiori al limite per organizzazione , puoi utilizzare il pool di slot condiviso senza costi per la gestione degli indici.
  • Utilizzare la tua prenotazione: per ottenere un avanzamento dell'indicizzazione più prevedibile e coerente sui carichi di lavoro di produzione più grandi, puoi utilizzare le tue prenotazioni per la gestione degli indici.

Utilizzare gli slot condivisi

Se non hai configurato il progetto per utilizzare una prenotazione dedicata per l'indicizzazione, la gestione degli indici viene gestita nel pool di slot condiviso senza costi, soggetto ai seguenti vincoli.

Se aggiungi dati a una tabella che fa sì che le dimensioni totali delle tabelle indicizzate superino il limite della tua organizzazione, BigQuery mette in pausa la gestione degli indici per quella tabella. In questo caso, il campo index_status nella vista INFORMATION_SCHEMA.SEARCH_INDEXES mostra PENDING DISABLEMENT e l'indice viene messo in coda per l'eliminazione. Mentre l'indice è in attesa di disattivazione, viene comunque utilizzato nelle query e ti vengono addebitati i costi per lo spazio di archiviazione dell'indice. Dopo l'eliminazione dell'indice, il campo index_status mostra l'indice come TEMPORARILY DISABLED. In questo stato, le query non utilizzano l'indice e non ti vengono addebitati costi per lo spazio di archiviazione dell'indice. In questo caso, il IndexUnusedReason codice è BASE_TABLE_TOO_LARGE.

Se elimini i dati dalla tabella e le dimensioni totali delle tabelle indicizzate scendono sotto il limite per organizzazione, la gestione degli indici viene ripresa. Il campo index_status nella INFORMATION_SCHEMA.SEARCH_INDEXES vista è ACTIVE, le query possono utilizzare l'indice e ti vengono addebitati i costi per lo spazio di archiviazione dell' indice.

Puoi utilizzare la vista INFORMATION_SCHEMA.SEARCH_INDEXES_BY_ORGANIZATION per comprendere il consumo attuale rispetto al limite per organizzazione in una determinata regione, suddiviso per progetti e tabelle.

BigQuery non offre garanzie sulla capacità disponibile del pool condiviso o sulla velocità effettiva di indicizzazione visualizzata. Per le applicazioni di produzione, potresti voler utilizzare slot dedicati per l'elaborazione degli indici.

Utilizzare la propria prenotazione

In alternativa all'utilizzo del pool di slot condiviso predefinito, puoi facoltativamente designare la tua prenotazione per indicizzare le tabelle. L'utilizzo della tua prenotazione garantisce prestazioni prevedibili e coerenti dei job di gestione degli indici, come la creazione, l'aggiornamento e le ottimizzazioni in background.

  • Non esistono limiti di dimensioni delle tabelle quando un job di indicizzazione viene eseguito nella tua prenotazione.
  • L'utilizzo della tua prenotazione ti offre flessibilità nella gestione degli indici. Se devi creare un indice molto grande o apportare un aggiornamento importante a una tabella indicizzata, puoi aggiungere temporaneamente altri 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. Poi, assegna il progetto alla prenotazione con job_type impostato su BACKGROUND, che condivide le risorse tra i job di ottimizzazione in background:

SQL

Utilizza l'istruzione DDL CREATE ASSIGNMENT.

  1. Nella Google Cloud console, vai alla pagina BigQuery.

    Vai a BigQuery

  2. Nell'editor di 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:

  3. Fai clic su Esegui.

Per saperne di più su come eseguire le query, vedi Eseguire una query interattiva.

bq

Utilizza 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: la località della prenotazione
  • RESERVATION_NAME: il nome della prenotazione
  • PROJECT_ID: l'ID del progetto da assegnare a questa prenotazione

Visualizzare i job di indicizzazione

Ogni volta che viene creato o aggiornato un indice in una singola tabella, viene creato un nuovo job di indicizzazione. Per visualizzare le informazioni sul job, esegui una query sulle INFORMATION_SCHEMA.JOBS* viste. Puoi filtrare i job di indicizzazione impostando job_type IS NULL AND SEARCH(job_id, '`search_index`') nella WHERE clausola della query. L'esempio seguente elenca i cinque job di indicizzazione più recenti 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;

Scegliere le dimensioni della prenotazione

Per scegliere il numero corretto di slot per la prenotazione, devi considerare quando vengono eseguiti i job di gestione degli indici, quanti slot utilizzano e come si presenta l'utilizzo 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 questo influisce sulle colonne indicizzate.
  • I dati e i metadati dell'indice vengono ottimizzati o aggiornati periodicamente.

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

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

Le seguenti stime possono aiutarti ad approssimare il numero di slot richiesti dalla 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 di 1000 slot, una tabella esistente in BigQuery può essere indicizzata a una velocità media massima di 4 GiB al secondo, ovvero circa 336 TiB al giorno.
  • Dati appena importati: l'indicizzazione è in genere più intensiva in termini di risorse per i dati appena importati, poiché la tabella e il relativo indice vengono sottoposti a diversi cicli di ottimizzazioni trasformative. In media, l'indicizzazione dei dati appena importati consuma tre volte le risorse rispetto all'indicizzazione iniziale di backfill degli stessi dati.
  • Dati modificati di rado: le tabelle indicizzate con modifiche dei dati minime o nulle richiedono molte meno risorse per la manutenzione continua dell'indice. Un punto di partenza consigliato è mantenere 1/5 degli slot necessari per l'indicizzazione iniziale di backfill degli stessi dati e non meno di 250 slot.
  • L'avanzamento dell'indicizzazione aumenta in modo approssimativamente lineare con le dimensioni della prenotazione. Tuttavia, non consigliamo di utilizzare prenotazioni inferiori a 250 slot per l'indicizzazione, perché potrebbero causare inefficienze che possono rallentare l'avanzamento dell'indicizzazione.
  • Queste stime possono variare in base alle funzionalità, alle ottimizzazioni e all'utilizzo effettivo.
  • Se le dimensioni totali delle tabelle della tua organizzazione superano il limite di indicizzazione della tua regione, devi mantenere una prenotazione diversa da zero assegnata all'indicizzazione. In caso contrario, l'indicizzazione potrebbe tornare al livello predefinito, con conseguente eliminazione involontaria di tutti gli indici.
Monitorare l'utilizzo e l'avanzamento

Il modo migliore per valutare il numero di slot necessari per eseguire in modo efficiente i job di gestione degli indici è monitorare l'utilizzo degli slot e modificare le dimensioni della prenotazione di conseguenza. La query seguente produce l'utilizzo giornaliero degli slot per i job di gestione degli indici. Nella regione us-west1 sono inclusi solo gli ultimi 30 giorni:

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;

Quando non sono disponibili slot sufficienti per eseguire i job di gestione degli indici, un indice può non essere sincronizzato con la relativa tabella e i job di indicizzazione potrebbero non riuscire. In questo caso, BigQuery ricostruisce l'indice da zero. Per evitare che un indice non sia sincronizzato, assicurati di avere slot sufficienti per supportare gli aggiornamenti dell'indice dall'importazione dati e dall'ottimizzazione. Per saperne di più sul monitoraggio dell'utilizzo degli slot, vedi Grafici delle risorse dell'amministratore.

Best practice

  • Gli indici di ricerca sono progettati per tabelle di grandi dimensioni. I miglioramenti delle prestazioni di un indice di ricerca aumentano con le dimensioni della tabella.
  • Non indicizzare le colonne che contengono solo un numero molto ridotto di valori univoci.
  • Non indicizzare le colonne che non intendi mai utilizzare con la funzione SEARCH o con una delle altre funzioni e operatori supportati.
  • Fai attenzione quando crei un indice di ricerca su ALL COLUMNS. Ogni volta che aggiungi una colonna contenente dati STRING o JSON, questa viene indicizzata.
  • Ti consigliamo di utilizzare la tua prenotazione per la gestione degli indici nelle applicazioni di produzione. Se scegli di utilizzare il pool di slot condiviso predefinito per i job di gestione degli indici, si applicano i limiti di dimensionamento per organizzazione.

Eliminare un indice di ricerca

Quando non hai più bisogno di un indice di ricerca o vuoi modificare le colonne indicizzate in una tabella, puoi eliminare l'indice attualmente presente nella tabella. Utilizza l' DROP SEARCH INDEX istruzione DDL.

Se una tabella indicizzata viene eliminata, l'indice viene eliminato automaticamente.

Esempio:

DROP SEARCH INDEX my_index ON dataset.simple_table;

Passaggi successivi