BigQuery의 뷰(View) 3종을 정리합니다. 일반 뷰(Standard View), 승인된 뷰(Authorized View), 머티리얼라이즈드 뷰(Materialized View)이 각각 어떤 문제를 푸는지, 권한과 비용 관점에서 언제 어떤 뷰를 썰야 하는지까지 ...

Data Engineering

BigQuery Deep Dive·2026년 7월 5일

5. BigQuery 파티셔닝과 클러스터링 — 프루닝으로 스캔량과 비용 줄이기

BigQuery 파티셔닝과 클러스터링을 정리합니다. 두 도구는 서로 다른 방식으로 스캔량을 줄입니다. 파티션/클러스터 프루닝이 실제로 어떻게 동작하고, WHERE 함수를 쓰면 왜 깨지는지, 언제 파티션을, 언제 클러스터링을 썰야 하는지까지 다룹니다.

Data Engineering

BigQuery Deep Dive·2026년 6월 20일

4. BigQuery 쿼리 디버깅 — 실행 계획(Execution Graph)과 INFORMATION_SCHEMA로 병목 찾기

BigQuery 쿼리가 느릴 때 어디를 봐야 하는지 정리합니다. 콘솔의 실행 계획(Execution Graph)으로 병목 stage를 집고, INFORMATION_SCHEMA.JOBS로 추세를 보고, slot_ms와 큐잉 시간으로 슬롯 부족을 구분하는 방법을 다룹니다....

Data Engineering

BigQuery Deep Dive·2026년 6월 7일

3. BigQuery 슬롯과 컴퓨트 과금 — On-demand vs Editions, Baseline과 Autoscale 설계

BigQuery 슬롯(Slot)과 컴퓨트 과금 모델을 정리합니다. On-demand와 Editions(Standard·Enterprise·Enterprise Plus)의 차이, Baseline과 Autoscale을 어떻게 배합해야 안정성과 비용을 둘 다 잡는지 다룹니다...

Data Engineering

BigQuery Deep Dive·2026년 5월 10일

2. BigQuery 저장 모델과 비용 — Logical vs Physical, Active vs Long-term Storage

BigQuery의 저장 모델과 비용 구조를 정리합니다. 바이트 산정 방식(Logical vs Physical), 시간에 따른 요금 할인(Active vs Long-term Storage), 그리고 실무에서 놓치기 쉽은 비용 함정을 다룹니다.

Data Engineering

BigQuery Deep Dive·2026년 4월 26일

1. BigQuery 아키텍처 — Dremel·Colossus·Jupiter로 이해하는 쿼리 실행 원리

BigQuery의 아키텍처를 정리합니다. 쿼리를 실행하는 Dremel, 데이터를 보관하는 Colossus, 둘을 이어주는 Jupiter 네트워크, 자원을 다루는 Borg의 역할을 살펴보고, compute-storage 분리 구조가 만드는 트레이드오프와 슬롯 개념의 기초...

Data Engineering

Data Engineering·2026년 4월 12일

Apache Iceberg - Parquet 파일 위의 테이블 포맷

이전 글에서는 Schema Registry가 Kafka 환경에서 스키마 호환성을 검증하는 구조를 살펴봤습니다. 스트리밍에서는 Schema Registry가 스키마 진화를 관리하지만, 데이터 레이크 쪽은 사정이 다릅니다. S3에 Parquet 파일이 수만 개 쌓여 있고,...

Data Engineering