Empfehlungen – Übersicht
BigQuery arbeitet mit Active Assist zusammen, um verschiedene Empfehlungen zur Optimierung Ihrer BigQuery-Ressourcen zu geben.
Empfehlungen werden von Recommender generiert, die maschinelles Lernen (ML) oder Heuristiken verwenden, um Empfehlungen zur Optimierung der BigQuery-Ressourcennutzung zu geben.
Mit BigQuery in der Cloud de Confiance -Konsole können Sie Empfehlungen für die verschiedenen Recommender aufrufen und verwalten – entweder in BigQuery Active Assist oder durch Empfehlungsbenachrichtigungen in BigQuery Studio. Sie können Empfehlungen auch über verschiedene INFORMATION_SCHEMA
-Ansichten auf Projekt- und Organisationsebene ansehen.
Verwenden Sie Active Assist, um Ihre BigQuery-Empfehlungen zusammen mit anderen Empfehlungen in der Cloud de Confiance Console aufzurufen.
BigQuery-Recommender
BigQuery bietet die folgenden Recommender:
- Partitionierungs- und Clustering-Recommender, der das Abfrageverhalten analysiert, um Möglichkeiten für die Partitionierung und das Clustering zur Optimierung Ihrer BigQuery-Tabellen zu finden.
- Recommender für materialisierte Ansichten, der Möglichkeiten zur Verwendung von materialisierten Ansichten zur Optimierung Ihrer Workflows bietet.
- IAM Recommender, der Berechtigungen für Ihre BigQuery-Datasets analysiert und IAM-Rollenaktualisierungen für Hauptkonten mit übermäßigen Berechtigungen vorschlägt.
Empfehlungen ansehen
So rufen Sie Ihre Empfehlungen über die Cloud de Confiance Console auf:
Öffnen Sie in der Cloud de Confiance Console die Seite BigQuery.
Klicken Sie im Navigationsmenü auf Empfehlungen.
Die Seite Empfehlungen wird geöffnet. Hier werden alle Empfehlungen angezeigt, die je nach ausgewähltem Bereich für das aktuelle Projekt oder die aktuelle Organisation generiert wurden.
Klicken Sie auf eine Empfehlung, um weitere Informationen zu einer bestimmten Empfehlung oder Statistik aufzurufen.
Empfehlungen mit INFORMATION_SCHEMA
ansehen
Sie können sich Empfehlungen und Statistiken auch mit INFORMATION_SCHEMA
-Ansichten ansehen. Über die Ansicht INFORMATION_SCHEMA.RECOMMENDATIONS
können Sie beispielsweise die drei wichtigsten Empfehlungen basierend auf Slot-Einsparungen einsehen, wie im folgenden Beispiel gezeigt:
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;
Das Ergebnis sieht etwa so aus:
+---------------------------------------------------+--------------------------------------------------------------------------------------------------+ | 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 +---------------------------------------------------+--------------------------------------------------------------------------------------------------+
Weitere Informationen finden Sie in den folgenden Ressourcen:
INFORMATION_SCHEMA.RECOMMENDATIONS
-AnsichtINFORMATION_SCHEMA.RECOMMENDATIONS_BY_ORGANIZATION
-AnsichtINFORMATION_SCHEMA.INSIGHTS
-Ansicht
Nächste Schritte
- Partitions- und Clusterempfehlungen aufrufen
- Partitions- und Clusterempfehlungen anwenden
- Weitere Informationen zum Verwalten von Empfehlungen für materialisierte Ansichten
- Weitere Informationen zur Verwendung des IAM-Recommenders