線形モデルにおけるカテゴリカル特徴は通常、それぞれの可能な値に対応するインデックスまたはIDを持つ疎ベクトルに変換されます。例えば、目の色が3色しかない場合、「eye_color」を長さ3のベクトルとして表すことができます。「brown」は[1, 0, 0]、「blue」は[0, 1, 0]となり、
「緑」は[0, 0, 1]になります。これらのベクトルは、取り得る値が非常に大きい場合（例えば英語の単語だけの場合）、非常に長く、多くのゼロが含まれる可能性があるため、「スパース」と呼ばれます。
[0, 0, 0, 1, 0, 0, 1]は2つの1を含んでいるため、疎ベクトルではありません。疎ベクトルは1つの1だけを含みます。
1.
[0, 5, 0, 0, 0, 0] は 5 を含んでいるため、スパースベクトルではありません。スパースベクトルは 0 と 1 のみを含みます。
参考: https://www.tensorflow.org/tutorials/linear#feature_columns_and_transformations

行キーの最初の要素としてタイムスタンプを使用すると、さまざまな問題が発生する可能性があります。
簡単に言うと、時系列の行キーにタイムスタンプが含まれている場合、すべての書き込みは単一のノードを対象とし、そのノードを埋めてからクラスター内の次のノードに移動し、ホットスポットが発生します。
システムがアプリケーションの各ユーザーに数値IDを割り当てているとします。そのユーザーの数値IDをテーブルの行キーとして使用したいと思うかもしれません。しかし、新規ユーザーはアクティブユーザーである可能性が高いため、このアプローチではトラフィックの大部分が少数のノードに集中する可能性があります。[https://cloud.google.com/bigtable/docs/schema-design] 参考資料: https://cloud.google.com/bigtable/docs/schema-design-time- series#ensure_that_your_row_key_avoids_hotspotting

Cloud Bigtable では、プロジェクトレベルでアクセス制御を設定できます。たとえば、次のような権限を付与できます。
プロジェクト内の任意のテーブルから読み取りますが、書き込みはできません。
プロジェクト内の任意のテーブルに対して読み取りと書き込みはできますが、インスタンスの管理はできません。
プロジェクト内の任意のテーブルを読み書きし、インスタンスを管理します。