Peaks&Pies Logo
Burger

Business Intelligence/17. Juli 2023 -Aktualisiert am 23. April 2024/3 Min. Lesezeit

BigQuery Preisanpassung

BigQuery Logo auf der linken Seite und daneben ein Diagramm mit sinkenden Kosten

Wir haben 10 Tipps für euch, wie Ihr die Kosten senken könnt und den Überblick nicht verliert.

Am 29. März 2023 hat Google angekündigt, dass ab dem 5. Juli 2023 (zum Artikel):

  1. der Preis pro Terabyte für Datenabfragen um 25% steigen wird,
  2. die Flatrate und Flex-Slots auslaufen
  3. und eine neue Abrechnungsposition für komprimierten (physischen) Speicher eingeführt wird

In diesem Artikel wollen wir uns auf die Erhöhung der Kosten in BigQuery um 25% konzentrieren. 25% hört sich viel an, während die Konkurrenz jedoch in der Vergangenheit regelmäßig die Kosten erhöht hat, ist es bei Google BigQuery die erste Erhöhung seit langem. Die Preiserhöhung erhöht den Druck, die Kosten in BigQuery zu senken. Wir wollen Euch dabei helfen, bestehende Abfragen zu optimieren, sodass nicht nur die Kosten, sondern auch die Performance verbessert werden können.

Wir haben 10 Tipps für euch, um den Überblick zu behalten und die BigQuery-Kosten zu senken:

  1. Erstellt Budget-Alerts
  2. Analysiert eure Abfragekosten mit Hilfe des Google Cloud Logging
  3. und erstellt Reports, z.B. mit Looker Studio, um die Abfragekosten im Blick zu behalten und E-Mail-Hinweise zu erhalten.
  4. Löscht ungenutzte Tabellen in BigQuery und exportiert diese in den Cloud Storage
  5. Verwendung der richtigen Datentypen: Wenn der kleinstmöglichste Datentyp für die Daten genutzt wird, kann dies den Speicherplatz drastisch reduzieren und somit Kosten senken.
  6. Passt eure Scheduled Queries an (Frequenz und Timing)
  7. Vermeidung von SELECT *: stattdessen sollten nur die benötigten Spalten in der Abfrage genutzt werden. Dies reduziert die Menge der abgerufenen Daten und senkt somit die Kosten.
  8. Verwendung von Partitionierung und Clustering: Durch das Partitionieren der Daten nach Datum, Zeit oder anderen Kriterien könnt ihr die Daten effizienter abfragen und dadurch Kosten sparen. Durch Clustering können verwandte Daten zusammengefasst werden, was die Kosten für die Abfrage reduziert.
  9. Merge Queries optimieren, Partitionen nutzen
  11. Views, die häufig abgefragt werden, mit Tabellen ersetzen
  12. Nutzung des richtigen BigQuery-Preismodells: Dabei unterscheidet Google on-demand (basierend auf der Größe der verarbeiteten Daten) und capacity pricing (basierend auf den eingesetzten Rechenressourcen für die Abfragen).

Schaut euch außerdem auch die Best Practices zur Kostenkontrolle und das Video an, um mehr über BigQuery und die Optimierung der Kosten für Datenanalyse zu erfahren.

Mehr Informationen: