資料倉儲分區與叢集（Partitioning & Clustering）

請說明資料倉儲中分區與叢集的優化策略。

分區（Partitioning）

將大型表按某欄位值（通常是日期）分割為多個邏輯區塊。查詢時若 WHERE 子句包含分區欄位，只掃描相關分區（Partition Pruning），大幅減少資料掃描量。

常用欄位：event_date、created_at

以 BigQuery 為例：分區表的查詢費用 = 只掃描到的分區資料量。

叢集（Clustering）

在分區內，按一或多個欄位對資料進行排序儲存（類似索引）。查詢時若 WHERE 或 GROUP BY 包含叢集欄位，可以跳過大量資料塊。

常用欄位：user_id、country、category

最佳實踐

• 分區欄位：高基數的時間欄位，確保每個分區不會太小也不會太大。
• 叢集欄位：查詢中常見的 filter/group by 欄位，選擇基數適中的欄位。
• 兩者可同時使用：先按日期分區，再在分區內按 user_id 叢集。
• 避免過度分區（小分區過多反而影響效能）。