Get a free observability report to evaluate the potential savingsContact us →
उपलब्ध है:EnglishFrançaisEspañolहिन्दी中文العربية
स्लॉट उपयोग3 मिनट पढ़ें

घंटे के अनुसार BigQuery स्लॉट उपयोग

घंटावार स्लॉट उपयोग आपके BigQuery कार्यभार में इंट्रा-डे पैटर्न प्रकट करता है। यह क्वेरी आपको दिखाती है कि आपके पीक और ऑफ-पीक घंटे कब होते हैं।

यह क्यों मायने रखता है

अधिकांश BigQuery कार्यभार में पूर्वानुमानित घंटावार पैटर्न होते हैं — सुबह ETL रन, दोपहर विश्लेषक गतिविधि, शाम बैच प्रोसेसिंग।

यह कैसे काम करता है

दैनिक संस्करण की तरह, यह क्वेरी JOBS_TIMELINE से period_slot_ms एकत्र करती है, लेकिन HOUR ग्रेनुलैरिटी के लिए ट्रंकेट करती है और मिलीसेकंड-प्रति-घंटे (3,600,000) से विभाजित करती है।

SQL क्वेरी

Fill in your details to get a ready-to-run query:

SQL
-- Average slot consumption per hour (zero-filled time series)

DECLARE lookback_days INT64 DEFAULT 7;
DECLARE ms_per_hour INT64 DEFAULT 3600000;

WITH hourly_slots AS (
  SELECT
    TIMESTAMP_TRUNC(period_start, HOUR) AS hour,
    ROUND(SUM(period_slot_ms) / ms_per_hour, 2) AS avg_slots
  FROM `your-project`.`region-us`.INFORMATION_SCHEMA.JOBS_TIMELINE
  WHERE period_start >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL lookback_days DAY)
    AND statement_type != 'SCRIPT'
  GROUP BY hour
),
calendar AS (
  SELECT ts AS hour FROM UNNEST(GENERATE_TIMESTAMP_ARRAY(
    TIMESTAMP_TRUNC(TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL lookback_days DAY), HOUR),
    TIMESTAMP_TRUNC(CURRENT_TIMESTAMP(), HOUR),
    INTERVAL 1 HOUR)) AS ts
)
SELECT
  c.hour,
  IFNULL(h.avg_slots, 0) AS avg_slots
FROM calendar c
LEFT JOIN hourly_slots h ON c.hour = h.hour
ORDER BY c.hour
your-project और region-us को अपने GCP प्रोजेक्ट और dataset region से बदलें।

क्वेरी व्याख्या

दैनिक क्वेरी के समान दृष्टिकोण लेकिन घंटा ग्रेनुलैरिटी पर। ms_per_hour विभाजक 3,600,000 है। उत्पन्न टाइम सीरीज़ विज़ुअलाइज़ेशन के लिए एक सतत घंटावार डेटासेट सुनिश्चित करती है।

मुख्य अंतर्दृष्टि

  • lightbulb

    पीक घंटे अक्सर शेड्यूल्ड ETL/dbt रन के साथ मेल खाते हैं — पीक स्लॉट मांग को कम करने के लिए उन्हें स्थानांतरित करें।

  • lightbulb

    लगभग-शून्य उपयोग वाले ऑफ-पीक घंटे फ्लैट-रेट मूल्य निर्धारण के तहत बर्बाद आरक्षण क्षमता का प्रतिनिधित्व करते हैं।

  • lightbulb

    उच्चतम औसत स्लॉट उपयोग वाले घंटे की पहचान करें।

  • lightbulb

    दिनों में अत्यधिक परिवर्तनशील स्लॉट उपयोग वाले घंटे ad hoc कार्यभार सुझाते हैं।

सर्वोत्तम प्रथाएं

  1. 1

    स्लॉट उपयोग वक्र को समतल करने के लिए घंटों में शेड्यूल्ड जॉब को स्थानांतरित करें।

  2. 2

    ओवर-प्रोविज़न किए बिना घंटावार पीक को संभालने के लिए autoscaled Editions आरक्षण का उपयोग करें।

  3. 3

    उसी व्यावसायिक दिन में अनियंत्रित क्वेरी को पकड़ने के लिए घंटावार लागत अलर्ट सेट करें।

  4. 4

    स्लॉट प्रतिस्पर्धा सबसे कम होने पर ऑफ-पीक घंटों के दौरान भारी बैच जॉब चलाएं।

क्या आप चाहते हैं कि CloudClerk स्वचालित रूप से ये बचत खोजे?

हमारा प्लेटफॉर्म आपके BigQuery प्रोजेक्ट से जुड़ता है, इन विश्लेषणों को स्वचालित रूप से चलाता है और AI-संचालित अनुकूलन सिफारिशें देता है।

संबंधित गाइड

calendar_todayस्लॉट उपयोग

दिन के अनुसार BigQuery स्लॉट उपयोग

समय के साथ दैनिक BigQuery स्लॉट खपत को ट्रैक करें। अपने स्लॉट आरक्षण को सही आकार देने के लिए दैनिक उपयोग पैटर्न और रुझानों की पहचान करें।

गाइड पढ़ें
updateस्लॉट उपयोग

मिनट के अनुसार BigQuery स्लॉट उपयोग

मिनट-स्तरीय BigQuery स्लॉट खपत डेटा प्राप्त करें। प्रदर्शन समस्याओं को डीबग करने और बर्स्ट स्लॉट मांग को समझने के लिए आवश्यक।

गाइड पढ़ें
av_timerस्लॉट उपयोग

सेकंड के अनुसार BigQuery स्लॉट उपयोग

विस्तृत बर्स्ट विश्लेषण के लिए सेकंड-स्तरीय BigQuery स्लॉट खपत। प्रदर्शन डीबगिंग के लिए उपलब्ध सबसे बारीक ग्रेनुलैरिटी।

गाइड पढ़ें
call_splitसमवर्तिता

मिनट के अनुसार BigQuery समवर्ती क्वेरी

गिनें कि हर मिनट कितनी BigQuery क्वेरी एक साथ चलती हैं। कतारबद्धता और धीमे प्रदर्शन का कारण बनने वाले समवर्ती बाधाओं का पता लगाएं।

गाइड पढ़ें