非正規化により、数十億行のテーブルに対するクエリ速度が向上します。これは、BigQueryのパフォーマンスは大規模なテーブルでJOINを実行すると低下しますが、非正規化されたデータを使用することで、
構造上、すべてのデータが1つのテーブルに結合されているため、JOINを使用する必要はありません。また、非正規化によりJOIN句を使用する必要がなくなるため、クエリも簡素化されます。
非正規化により冗長データが作成されるため、処理されるデータの量と必要なストレージの量が増加します。
参照：
https://cloud.google.com/solutions/bigquery-data-warehouse#denormalizing_data

CUSTOM層は固定層ではなく、独自のクラスター仕様を使用できる層です。この層を使用する場合は、以下のガイドラインに従って値を設定し、処理クラスターを構成してください。
マスターノードに使用するマシンの種類を指定するには、TrainingInput.masterType を設定する必要があります。使用するワーカーの数を指定するには、TrainingInput.workerCount を設定できます。使用するパラメータサーバーの数を指定するには、TrainingInput.parameterServerCount を設定できます。マスターノードのマシンの種類は指定できますが、複数のマスターノードを指定することはできません。
参考: https://cloud.google.com/ml-engine/docs/training-overview#job_configuration_parameters

Cloud Dataproc クラスタでプリエンプティブル ワーカーを使用する場合は、次のルールが適用されます。
. 処理のみ - プリエンプティブノードはいつでも再利用できるため、プリエンプティブワーカーはデータを保存しません。Cloud Dataproc クラスタに追加されたプリエンプティブノードは、処理ノードとしてのみ機能します。. プリエンプティブ専用クラスタは作成できません - クラスタのすべてのワーカーが失われないようにするため、Cloud Dataproc ではプリエンプティブ専用クラスタを作成できません。
永続ディスクのサイズ - デフォルトでは、すべてのプリエンプティブワーカーは、100GB またはプライマリワーカーのブートディスクサイズのいずれか小さい方のサイズで作成されます。このディスク容量はデータのローカルキャッシュに使用され、HDFS 経由では利用できません。
管理対象グループは、容量が許す限り、再利用により失われたワーカーを自動的に再追加します。
参考: https://cloud.google.com/dataproc/docs/concepts/preemptible-vms

説明/参照: