bucket. El sistema acumula datos hasta alcanzar al menos esta cantidad. El tamaño real puede ser ligeramente mayor para respetar los límites de los datos.
Controla cómo se dividen los datos en tareas al ejecutar una función de tabla cluster.
Esta configuración define la granularidad de la distribución del trabajo en el clúster:
file— cada tarea procesa un archivo completo.bucket— las tareas se crean para cada bloque de datos interno dentro de un archivo (por ejemplo, grupos de filas de Parquet).
bucket) puede mejorar el paralelismo al trabajar con un número reducido de archivos grandes.
Por ejemplo, si un archivo Parquet contiene varios grupos de filas, habilitar la granularidad bucket permite que cada grupo se procese de forma independiente en distintos workers.