説明
Cloud Dataproc クラスタを作成した後は、クラスタ上でジョブが実行中であっても、いつでもクラスタ内のワーカーノードの数を増減することでクラスタをスケールできます。Cloud Dataproc クラスタは通常、次のようにスケールされます。
1) 仕事を早く進めるために労働者の数を増やす
2) コスト削減のため労働者数を減らす
3) 利用可能な Hadoop 分散ファイルシステム (HDFS) ストレージを拡張するためにノード数を増やす 参照: https://cloud.google.com/dataproc/docs/concepts/scaling-clusters

大規模な販売履歴ファクトテーブルを集計する頻繁なクエリの応答時間を改善し、コストを削減するには、マテリアライズド・ビューが非常に効果的なソリューションです。オプションAが最適な選択肢である理由は次のとおりです。
マテリアライズドビュー:
マテリアライズド ビューはクエリの結果を物理的に保存し、定期的に更新することで、頻繁にアクセスされるデータに対するクエリ応答を高速化します。
これらは、結果を事前に計算することで、反復的でコストのかかる集計クエリのパフォーマンスを向上させるように設計されています。
効率性とコスト削減：
日レベルと月レベルでマテリアライズド ビューを構築することで、各クエリに必要な計算が大幅に削減され、応答時間が短縮され、クエリ コストが削減されます。
マテリアライズド ビューは、大規模なデータセットを扱うときにコストがかかる可能性があるオンデマンド クエリ実行の必要性も軽減します。
最小限のメンテナンス:
BigQuery のマテリアライズド ビューは自動的に管理され、更新はシステムによって処理されるため、チームのメンテナンス負担が軽減されます。
実装手順:
集計クエリを識別する:
既存のクエリを分析して、日レベルと月レベルでの共通の集計パターンを特定します。
マテリアライズドビューを作成する:
特定された集計パターンに対して、BigQuery でマテリアライズド ビューを作成します。例: CREATE MATERIALIZED VIEW project.dataset.sales_daily_summary AS SELECT DATE(transaction_time) AS day, SUM(amount) AS total_sales FROM project.dataset.sales GROUP BY day; CREATE MATERIALIZED VIEW project.dataset.sales_monthly_summary AS SELECT EXTRACT(YEAR FROM transaction_time) AS year, EXTRACT(MONTH FROM transaction_time) AS month, SUM(amount) AS total_sales FROM project.dataset.sales GROUP BY year, month; マテリアライズド ビューを使用したクエリ:
ベーステーブルを直接クエリするのではなく、マテリアライズドビューを使用するように既存のクエリを更新します。
参照：
BigQuery マテリアライズドビュー
クエリパフォーマンスの最適化

https://cloud.google.com/spanner/docs/instance-configurations#tradeoffs_regional_versus_multi-region_configurations