[{"data":1,"prerenderedAt":29},["ShallowReactive",2],{"article-data-curso-gcp-bigquery-04":3},{"content":4,"date":5,"image":6,"sideArticles":7},"\u003C!DOCTYPE html>\r\n\u003Chtml lang=\"es\">\r\n\u003Chead>\r\n    \u003Cmeta charset=\"UTF-8\">\r\n    \u003Cmeta name=\"viewport\" content=\"width=device-width, initial-scale=1.0\">\r\n    \u003Ctitle>Laboratorio 4: Optimización: Particionado y Clustering\u003C/title>\r\n    \u003Cstyle>\r\n        h1,\r\n        h2,\r\n        h3 {\r\n            color: #333;\r\n        }\r\n\r\n        ul {\r\n            list-style-type: disc;\r\n            margin-left: 20px;\r\n        }\r\n\r\n        code {\r\n            background-color: #f4f4f4;\r\n            padding: 2px 5px;\r\n            border-radius: 3px;\r\n            font-family: monospace;\r\n        }\r\n    \u003C/style>\r\n\u003C/head>\r\n\u003Cbody>\r\n\r\n    \u003Ch1>Laboratorio 4: Optimización: Particionado y Clustering\u003C/h1>\r\n\r\n    \u003Ch2>Objetivos del Laboratorio\u003C/h2>\r\n    \u003Cul>\r\n        \u003Cli>Comprender los mecanismos de división física de datos mediante el particionado por tiempo en BigQuery.\u003C/li>\r\n        \u003Cli>Implementar técnicas de ordenamiento interno con clustering para acelerar filtros sobre atributos de alta cardinalidad.\u003C/li>\r\n        \u003Cli>Reducir el volumen de bytes escaneados en las consultas aplicando descarte de particiones (partition pruning).\u003C/li>\r\n        \u003Cli>Desplegar de forma declarativa y estructurada tablas optimizadas para el control de costes en entornos analíticos.\u003C/li>\r\n    \u003C/ul>\r\n\r\n    \u003Ch2>Herramientas y APIs Utilizadas\u003C/h2>\r\n    \u003Cul>\r\n        \u003Cli>\u003Ccode>Terraform (>= 1.0.0)\u003C/code>: Utilizado para declarar el dataset y la estructura optimizada de la tabla nativa.\u003C/li>\r\n        \u003Cli>\u003Ccode>bq CLI\u003C/code>: Cliente de línea de comandos empleado para el envío de trabajos de carga (load jobs) a BigQuery.\u003C/li>\r\n        \u003Cli>\u003Ccode>BigQuery API\u003C/code>: Servicio encargado de estructurar y distribuir el almacenamiento físico en Colossus aplicando particionado y clustering.\u003C/li>\r\n    \u003C/ul>\r\n\r\n    \u003Ch2>Estructura del Código Desarrollado\u003C/h2>\r\n    \u003Cul>\r\n        \u003Cli>\u003Ccode>transactions.csv\u003C/code>: Archivo plano conteniendo información transaccional repartida en múltiples fechas y tiendas.\u003C/li>\r\n        \u003Cli>\u003Ccode>main.tf\u003C/code>: Declaración de Terraform con la definición estricta del esquema, del bloque de particionado diario y del agrupamiento por clustering.\u003C/li>\r\n        \u003Cli>\u003Ccode>04_query_optimization.sql\u003C/code>: Consulta analítica que filtra por fecha y por identificador de tienda para validar la reducción de escaneo de datos.\u003C/li>\r\n    \u003C/ul>\r\n\r\n    \u003Ch2>Paso a Paso del Despliegue\u003C/h2>\r\n\r\n    \u003Ch3>Fase 1: Preparación del Conjunto de Datos\u003C/h3>\r\n    \u003Cul>\r\n        \u003Cli>Creación de los datos históricos de transacciones distribuidos en varios días de marzo de 2026 y asociados a diversos identificadores de tienda.\u003C/li>\r\n    \u003C/ul>\r\n\r\n    \u003Ch3>Fase 2: Infraestructura Optimizada con Terraform\u003C/h3>\r\n    \u003Cul>\r\n        \u003Cli>Declaración del recurso \u003Ccode>google_bigquery_table\u003C/code> con un esquema explícito de tipos físicos definidos en formato JSON.\u003C/li>\r\n        \u003Cli>Configuración del bloque de particionado diario \u003Ccode>time_partitioning\u003C/code> basado en el campo \u003Ccode>transaction_date\u003C/code> de tipo fecha.\u003C/li>\r\n        \u003Cli>Configuración de la directiva de \u003Ccode>clustering\u003C/code> para ordenar los registros de cada día por el campo \u003Ccode>store_id\u003C/code>.\u003C/li>\r\n        \u003Cli>Aplicación del despliegue de infraestructura analítica mediante el comando de terminal \u003Ccode>terraform apply\u003C/code>.\u003C/li>\r\n    \u003C/ul>\r\n\r\n    \u003Ch3>Fase 3: Carga de Datos y Consulta de Rendimiento\u003C/h3>\r\n    \u003Cul>\r\n        \u003Cli>Carga del archivo CSV local a la tabla pre-esquematizada en BigQuery utilizando la herramienta de comandos \u003Ccode>bq load\u003C/code>.\u003C/li>\r\n        \u003Cli>Ejecución de la consulta SQL aplicando filtros en el \u003Ccode>WHERE\u003C/code> sobre las claves físicas de partición y de clustering.\u003C/li>\r\n        \u003Cli>Verificación del descarte de datos redundantes (partition pruning) comprobando la estimación y el total de bytes procesados por el motor de BigQuery.\u003C/li>\r\n    \u003C/ul>\r\n\r\n\u003C/body>\r\n\u003C/html>","July 9, 2026","https://storage.googleapis.com/mp-blog/images/curso-gcp-bigquery-04.jpg",[8,14,19,24],{"id":9,"title":10,"description":11,"image":12,"date":13},"curso-gcp-ai-ops-01","Fundamentos de AIOps en Google Cloud | Curso AIOps con Vertex AI","Módulo 1: Fundamentos de AIOps en Google Cloud. Aprende la transición de ITOps a operaciones inteligentes y cómo preparar tu infraestructura base con Terraform.","https://storage.googleapis.com/mp-blog/images/curso-gcp-ai-ops-01.jpg","May 28, 2026",{"id":15,"title":16,"description":17,"image":18,"date":13},"curso-gcp-ai-ops-02","Vertex AI para AIOps: AutoML y Despliegue | Curso AIOps","Módulo 2: Gestión de modelos con Vertex AI para AIOps. Aprende a utilizar AutoML, gestionar datasets tabulares y desplegar endpoints de predicción.","https://storage.googleapis.com/mp-blog/images/curso-gcp-ai-ops-02.jpg",{"id":20,"title":21,"description":22,"image":23,"date":13},"curso-gcp-ai-ops-03","Observabilidad Inteligente en GCP | Curso AIOps","Módulo 3: Observabilidad Inteligente en GCP. Configuración de Cloud Monitoring, Cloud Logging y creación de dashboards predictivos correlacionados con BigQuery.","https://storage.googleapis.com/mp-blog/images/curso-gcp-ai-ops-03.jpg",{"id":25,"title":26,"description":27,"image":28,"date":13},"curso-gcp-ai-ops-04","Automatización Operativa y Remediación | Curso AIOps","Módulo 4: Automatización Operativa en AIOps. Aprende a crear arquitecturas dirigidas por eventos con Cloud Functions y Pub/Sub para la remediación automática.","https://storage.googleapis.com/mp-blog/images/curso-gcp-ai-ops-04.jpg",1783609807853]