为何BigQuery按主键id聚簇未减少查询扫描数据量？

• BigQuery的最小扫描单位是微分区：BigQuery的存储单元是微分区（micro-partition），每个微分区压缩后大小在50MB到1GB之间。无论表是否聚簇，查询时只能以整个微分区为单位扫描，无法只扫描单一行。如果目标id=59804在未聚簇时所在的微分区，和聚簇后所在的微分区大小相近，扫描的数据量自然没有差异——都是扫描一整个包含该id的微分区。

• 唯一id聚簇的局限性：当id是唯一整数时，聚簇操作只是把id按顺序排列到微分区中，但每个微分区依然会包含大量连续id的行（比如一个微分区可能装下10万行连续id的记录）。你查询单个id时，还是需要扫描整个包含该id的微分区，这和未聚簇时（该id随机落在某个微分区里）的扫描量完全一致。

• 聚簇的适用场景不匹配：聚簇的优势体现在范围查询或重复值较多的列过滤场景。比如如果你的查询是where id between 50000 and 60000，聚簇后就能只扫描包含这个id范围的几个微分区；但单个唯一id的查询，聚簇无法减少扫描的微分区数量，因此扫描量不变。

内容的提问来源于stack exchange，提问作者Daria