分区表
分区表实际就是将一张大表，基于例如，提取时间、时间戳、整数范围等，拆分为多个小表，以达到更高效管理&查询数据的目的。
举例来说，如果我对为分区的一个大表，根据 gen_data 这个字段筛选 == '2020-08-14' 的数据，未分区的表，需要完全读取这个字段数据，查询数据 1TB。
而如果对 gen_data 这个字段建立了分区，那就能极大缩小查询范围，查询数据可能就是几十mb，数据差异会巨大。
注：这块根据提取时间构建的分区表，提取时间分区表包含名为 _PARTITIONTIME 的伪列，该列包含基于日期的数据加载时间戳，也就是说，之前的表结构中是没有这个字段的，这个字段是 BQ 根据数据加载时间自动划分的。
聚簇表
聚簇可以提高某些类型的查询（例如，使用过滤条件子句的查询和聚合数据的查询）的性能。当通过查询作业或加载作业将数据写入聚簇表时，BigQuery 会使用聚簇列中的值对这些数据进行排序。这些值用于将数据整理到 BigQuery 存储的多个块中。当您提交的查询包含基于聚簇列过滤数据的子句时，BigQuery 会使用已排序的块来避免扫描不必要的数据。 如果表或分区低于 1 GB，则聚簇表和未聚簇表之间的查询性能可能不会有显著差异。
BigQuery 支持对分区表和非分区表进行聚簇。
相似&相异点
相似
- 都是通过增加插入数据&存储空间上的消耗，来提高查询时效率。
- 都是当数据规模较大时，才有明显的效率提升（至少 > 1GB）
相异
- 聚簇并没有对数据进行实际的划分，只是插入时就进行了排序，而这种排序可以在类似使用过滤条件时加快查询速度。(...会使用已排序的块来避免扫描不必要的数据)
- 而分区就对数据有了明确划分，在插入时就把数据插入到不同分区中，且可以针对具体分区设置过期逻辑，实际上这时候分区就是一个小表，而原本的表，只是数个拥有共通数据架构的表的，共通概念体。