Schnellere Abfragen in Looker Studio mit BI Engine

Sobald ein Looker Studio Report regelmäßig genutzt und aktualisiert wird, wächst auch die genutzte Datenmenge. Darunter kann die Abfragegeschwindigkeit des Reports leiden. Mithilfe der BI Engine kann diese Problematik gelöst werden. BI Engine ist ein In-Memory-Analysedienst, bei welchem die häufigsten Abfragen in einem Cache gespeichert werden und so schneller verfügbar sind. Da BI Engine in der BigQuery API integriert ist, ist die Nutzung in jedem Tool möglich, welches über eine entsprechende Schnittstelle mit der BigQuery API arbeitet.

Um BI Engine zu nutzen, muss man dies für ein Projekt aktivieren. Man kann aktuell für verschiedene Regionen bis zu 10 GB freischalten. Diese 10 GB werden dann für alle Verbindungen, die von Looker Studio ausgehen, genutzt.

Eine gute Anleitung findet sich direkt unter Google Cloud BI Engine Docs.

BI Engine in Looker Studio

Wenn man in Looker Studio einen Report editiert und z.B. eine Tabelle angelegt hat, ist oben rechts ein Symbol zu erkennen, das entweder als grauer Blitz oder durchgestrichener Blitz dargestellt wird. Der Blitz zeigt, ob die Daten hinter der Tabelle beschleunigt werden.

"keine Beschleunigung der Daten"

Das ist auch im Sub Menü eines Charts nachzusehen, indem man auf die drei Punkte klickt und dort Diagnose Query Performance auswählt.

"DropDown Menü in Looker Studio"

Der Klick liefert jetzt zwei Ergebnisse als Overlay. Entweder die Daten im Chart / Tabelle werden beschleunigt oder sie werden nicht beschleunigt.

"Tabelle wird beschleunigt"

Sollte es Probleme geben oder wenn die Tabelle eine View ist oder aber eine Custom Query im Connector gewählt wurde, dann findet aktuell keine Zwischenspeicherung der Daten statt.

"Tabelle wird nicht beschleunigt"

Die BI Engine gleicht einem großen Cache. Ähnlich wie es in der EXASolution Datenbank der Fall ist, werden die Daten der verschiedenen Abfragen in BI Engine abgelegt, damit diese sofort verfügbar sind. Die Abfragen, die häufig gemacht werden, bleiben im Cache.

Wenn der Cache zu voll wird, werden die wenig genutzten Tabellendaten wieder entfernt. Die Daten erfahren nicht immer eine Beschleunigung, speziell bei vielen großen Tabellen. Diese treten leicht in Konkurrenz zueinander bei der Ausnutzung des Caches. Hier kann es sich sonst empfehlen, die Daten in Projekte aufzuteilen. Vermutlich werden aber nach dem Verlassen der Betaphase die 10 GB noch erhöht.

Ein Test lohnt sich, denn die Daten laden deutlich schneller als zuvor.