测量Google BigQuery中SQL代码平均运行耗时的方法咨询

BigQuery属于共享多租户资源，同一段代码在平台上多次运行，很可能得到差异较大的耗时结果。

我日常用来规避缓存影响的常用方案，是在Query Settings的Cache preference中关闭缓存，开启该设置后查询不会命中历史缓存结果，但这个设置存在明显缺陷：只要刷新浏览器，或是页面处于闲置状态一段时间，Cache preference选项会自动恢复为勾选状态。

此前和负责代码优化的开发人员交流时得知，他们采用的测试逻辑为：

• 针对运行缓慢的待优化代码，连续运行5次计算平均耗时作为基准值
• 完成代码优化后，将优化后的SQL连续运行5次，取平均值作为优化后SQL的耗时结果

我对这套方案的细节设计逻辑了解不多，个人更倾向于全程在BQ控制台按以下流程操作来控制变量：

1. 创建独立用户会话
2. 关闭SQL查询缓存
3. 在BQ控制台中粘贴待优化的慢查询代码
4. 在同一会话内紧接着粘贴优化后的SQL代码
5. 运行这两段以;分隔的代码

这套流程可以保证BigQuery集群负载过高、连接延迟波动等系统干扰因素，对两段SQL的影响完全一致，能够抵消系统层面的误差。我认为在确认缓存关闭的前提下，仅需运行1次即可得到有效对比结果，想确认连续运行5次取平均值的操作是否多余，也欢迎大家提出各类建议与反馈。

内容的提问来源于stack exchange，提问作者Mich Talebzadeh