BigQuery可透過建立搜尋索引，快速搜尋非結構化與半結構化資料

Google在其雲端資料倉儲BigQuery加入搜尋索引以及相關的SQL搜尋函式，讓用戶可以使用標準的BigQuery SQL，高速搜尋非結構化文字和半結構JSON檔案中，所存在的唯一資料元素。搜尋索引為無伺服器服務，並且完全由BigQuery管理，只要資料在BigQuery中可以使用，用戶就能利用新的搜尋功能進行資料檢索。

Google表示，這項BigQuery新功能讓用戶可以在單一資料平臺中，對欄式儲存和文字進行搜尋，可在用戶查詢資料列，而非聚合資料時，發揮極大的效能和成本效益。像是辨識特定用戶相關聯的資料列，以用於GDPR報告，或是從文字中尋找特定錯誤碼，都可以利用該功能快速完成搜尋工作。

BigQuery搜尋索引功能，能夠避免觸發繁重的表格掃描工作，官方解釋，搜尋索引主要採用反向索引（Reverse Index）技術來加速資料點的查詢。BigQuery透過反向索引，能夠深入了解特定資料元素在表格底層儲存的位置，因為資料經過標記，因此在區分大小寫等細微差異的文字搜尋上，比SQL具有更大的靈活性。

BigQuery現在能對超大量的文字資料進行搜尋，像是用戶可以將本地端、多雲平臺和Kubernetes中的日誌記錄，全部匯集到BigQuery中，快速地查詢特定資料元素。與其他的BigQuery功能相同，搜尋索引是全託管功能，一旦用戶創建了索引，BigQuery便會在後臺處理剩餘的工作。

同時，搜尋索引也能夠搜尋半結構化資料，Google提到，安全日誌來自多個來源，具有不同的架構、類型，而用戶現在可以將這些日誌儲存成JSON，並且在BigQuery中使用SQL進行查詢。

BigQuery搜尋索引功能不額外收取費用，但是用戶需要對索引所使用的儲存支付費用，Google表示，適當的使用搜尋索引功能，查詢掃描的資料將大幅減少，進而節省成本。Google舉例，要從PB級的資料中，刪除所有Bob的資料，過去用戶可能需要掃描TB大小的表格，才能找到其中10筆包含Bob的紀錄，而現在透過在BigQuery表格增加索引，就僅會觸及包含Bob的資料列子集，因而大幅降低成本。