我希望利用您在BigQuery中的经验来确定适合我的数据的最佳结构， 我在关系数据库（尤其是Oracle DB）方面拥有5年的经验，并且我熟悉在关系数据库中使用最佳实践来构建数据仓库，但是在涉及云解决方案时，我还是新手
我的问题是关于BigQuery中的分区表， 据我所知，BigQuery在一天中只有分区，
所以我的很多数据每天都有很少的行数（最大1K到12K之间），但是它们包含很长一段时间的数据，所以基于一天对表进行分区是一个好主意？ 如果我每年将数据划分为表格，并创建一个代表所有表格的视图，这对您有帮助吗？还是BigQuery上还有其他解决方案。 以您的经验，当在BQ中使用分区有效时，每日数据应该是多少？
如果您有关于使用BQ进行DWH的最佳做法的参考或书籍，请提供给我。
您在Bigquery中有两种分区模式
两者都可以容纳4000个分区，因此请明智地选择选项。
如果您的日期范围较大或预期大于4000天，则可能要按周/月进行分区。
对于整数范围，可以将unixtime用作整数，并且范围可以跨越10年以上，并且每个范围都将大于24小时。这是数学。
为分区表选择特定的列命名约定，例如：partitioned或timestamp。
ps。您可以应用其他4列来进一步对表进行聚类。
一个实际的例子是：
所以我的很多数据每天都有很少的行数（最大1K到12K之间），但是它们包含很长一段时间的数据，所以基于一天对表进行分区是一个好主意？
这取决于要使用的查询涵盖的时间范围。
案例A。
例如，如果查询的最长持续时间为1周，那么就速度和成本而言，将分区划分为每日分区可能会非常有益，因为引擎不需要扫描整个表。它将仅选择7个每日分区。
示例：对于公共数据集bigquery-public-data.samples.github_timeline，一个查询覆盖1天，由于进行表扫描，导致数据使用量约为数百兆字节。使用类似的每日分区表可以将1天查询产生的数据使用量减少到〜10 MB。
案例B。
另一方面，如果运行频率最高的查询涉及一到两年的时间范围（例如，按时间顺序排列表中的整个数据范围），则每天进行分区操作无济于事，引擎需要处理几乎所有内容反正桌子。因此，每天进行分区将无济于事。如果每日数据量小于最小群集大小，则群集可能会对数据使用产生不利影响，因为引擎最终将处理更多的磁盘空间。
如果记录了类似的考虑因素以及该信息是什么，则实际最小集群大小是多少，以及最小分区大小是什么（如果有），将很有帮助。如果这些数字是动态的，那么预期范围是什么？