BigQuery中从表取多边形与直接写文本为何执行计划不同？

核心原因 #

• BigQuery的过滤下推逻辑要求过滤条件是查询计划阶段就能确定的常量值。当你从temp_polygon表读取多边形时，这个值在计划生成时是未知的——BigQuery没法提前获取到该表的多边形数据，自然没法把ST_INTERSECTS的过滤逻辑嵌入到mobility_agg的读取步骤中，只能先扫全表再做关联过滤。
• 虽然temp_polygon按polygon聚类，但聚类键仅优化同表内的查询效率，无法跨表让mobility_agg的读取阶段提前拿到过滤用的多边形。而直接用ST_GEOGFROMTEXT生成的多边形是查询内的常量，BigQuery在计划阶段就能解析出地理形状，再结合mobility_agg的point聚类键，就能在读取时直接过滤掉不相交的数据，大幅减少扫描量。

优化方法 #

• 直接嵌入常量多边形
  如果temp_polygon里的多边形固定或很少变动，先执行SELECT polygon FROM data-lake.extractions.temp_polygon``拿到WKT格式的文本，然后直接写到查询里：

  SELECT *
  FROM `data-lake.mobility.mobility_agg`
  WHERE ST_INTERSECTS(point, ST_GEOGFROMTEXT('POLYGON((...))'))
  

  这样查询计划能提前解析多边形，触发过滤下推。

• 创建物化视图预计算结果
  若多边形会更新但频率不高，可创建物化视图把关联过滤后的结果预存起来，后续查询直接读物化视图即可：

  CREATE MATERIALIZED VIEW `data-lake.mobility.mobility_agg_filtered`
  AS
  SELECT ma.*
  FROM `data-lake.mobility.mobility_agg` ma
  JOIN `data-lake.extractions.temp_polygon` tp
  ON ST_INTERSECTS(ma.point, tp.polygon)
  

  物化视图会自动同步源表更新，无需手动维护。

• 使用查询参数传递多边形
  在客户端代码中先从temp_polygon查询出多边形值，再以GEOGRAPHY类型参数传入主查询。这样查询计划生成时能拿到确定的多边形，触发过滤下推：

  SELECT *
  FROM `data-lake.mobility.mobility_agg`
  WHERE ST_INTERSECTS(point, @polygon_param)
  

• 优化表的聚类/分区策略
  可以给mobility_agg增加地理相关的分区（比如按point的经纬度范围划分分区），或者把多边形的边界范围转化为分区过滤条件，帮助BigQuery在读取阶段进一步缩小扫描范围。

内容的提问来源于stack exchange，提问作者Julien CRABIÉ