Mecanismo de optimización que lee únicamente los bloques de disco relevantes filtrados por fecha o categoría, ignorando el resto de los petabytes de la tabla.
Explicación y Contexto Conceptual
El Partition Pruning (o Poda de Particiones) es la técnica de optimización más determinante para reducir los costos de facturación y el tiempo de respuesta en Cloud Data Warehouses con modelos de cobro por volumen de datos escaneados (como el modelo bajo demanda de Google BigQuery, que cobra $6.25 por cada terabyte leído).
Cuando una tabla de miles de millones de eventos se encuentra particionada por una columna de fecha (`PARTITION BY DATE(event_timestamp)`), el motor almacena los datos de cada día en segmentos físicos independientes de disco. Si un analista ejecuta una consulta con el filtro `WHERE event_date BETWEEN '2026-09-01' AND '2026-09-07'`, el optimizador descarta de inmediato los restantes 360 días del año sin leerlos.
Exigir filtros de partición en las políticas de gobernanza evita que una consulta descuidada de un analista Junior escanee 20 TB de información y genere una factura inesperada de cientos de dólares.
Ejemplo en la Práctica
Un analista añade `WHERE date_day >= CURRENT_DATE - 7` a su consulta en BigQuery; la poda de particiones reduce el escaneo de 8 TB a solo 120 GB, ahorrando un 98% del costo.