DBT for BigQuery为何不支持按主键执行删除+插入增量策略？

DBT针对Snowflake支持按主键匹配的「删除现有记录再插入」增量策略，却仅为BigQuery提供分区级insert+overwrite方案，核心原因在于两款数仓的底层架构、原生能力和成本模型差异：

• Snowflake的微分区与高效点更新能力
  Snowflake采用微分区（Micro-Partitions）存储架构，所有数据被自动分割成小批量的微分区，且元数据集中管理、可快速检索。针对主键匹配的删除操作，Snowflake引擎能直接定位到包含目标主键的微分区，仅对相关微分区执行删除，再插入新数据，整体性能损耗极低、成本可控。DBT的delete+insert策略正是直接封装了Snowflake这一原生高效能力。

• BigQuery的列存储与分区优先设计
  BigQuery基于列存储架构，数据按分区（如时间分区）组织，且查询计费模式以扫描数据量为核心。如果执行跨分区的主键匹配删除，引擎需要扫描大量甚至全表数据来定位目标记录，这会带来极高的成本和性能开销。官方更推荐分区级覆盖写入：直接overwrite整个分区的批量操作，能利用列存储的批量写入优势，在性能和成本上更具可行性，因此DBT默认适配了这种更贴合BigQuery特性的方案。

• DBT策略的原生能力适配原则
  DBT的增量策略并非通用实现，而是基于各数仓的原生最优操作封装。BigQuery原生不推荐跨分区的单条/小批量主键删除操作，此类场景下的性能和成本表现远不如分区级操作，因此DBT未将通用主键删插作为默认策略提供。若需在BigQuery实现类似逻辑，可通过自定义MERGE语句（结合集群键优化）实现，但需注意评估性能与成本。

内容的提问来源于stack exchange，提问作者Dina Kleper