在数据流中使用“fromTable”与“fromQuery("SELECT * ...")”时，“BigQueryIO”有区别吗？
Is there a difference in `BigQueryIO` when you use `fromTable` vs `fromQuery("SELECT * ...")` in dataflow?
当您需要在数据流作业的 bigquery 中读取一个或多个 table 中的所有数据时，我会说有两种方法。第一种是将 BigQueryIO 与 from 一起使用，它读取有问题的 table，第二种方法是使用 fromQuery，您指定一个查询来读取所有来自同一 table 的数据。所以我的问题是：
- 使用一个比另一个有任何成本或性能优势吗？
我没有在文档中找到任何关于此的内容，但我真的很想知道。我想 read 可能更快，因为您不需要 运行 扫描数据的查询，这意味着它更类似于 BigQuery [=32] 中的预览功能=].如果那是真的，它可能也会便宜得多，但如果它们的价格相同，那就有意义了。
简而言之，有什么区别：
BigQueryIO.read(...).from(tableName)
和
BigQueryIO.read(...).fromQuery("SELECT * FROM " + tableName)
from 比 fromQuery(SELECT * FROM ...).
更便宜也更快
from 直接导出 table 并且导出数据是 free for BigQuery.fromQuery(SELECT * FROM ...) 将首先扫描整个 table ($5/TB) 并导出结果。
当您需要在数据流作业的 bigquery 中读取一个或多个 table 中的所有数据时，我会说有两种方法。第一种是将 BigQueryIO 与 from 一起使用，它读取有问题的 table，第二种方法是使用 fromQuery，您指定一个查询来读取所有来自同一 table 的数据。所以我的问题是：
- 使用一个比另一个有任何成本或性能优势吗？
我没有在文档中找到任何关于此的内容，但我真的很想知道。我想 read 可能更快，因为您不需要 运行 扫描数据的查询，这意味着它更类似于 BigQuery [=32] 中的预览功能=].如果那是真的，它可能也会便宜得多，但如果它们的价格相同，那就有意义了。
简而言之，有什么区别：
BigQueryIO.read(...).from(tableName)
和
BigQueryIO.read(...).fromQuery("SELECT * FROM " + tableName)
from 比 fromQuery(SELECT * FROM ...).
from直接导出 table 并且导出数据是 free for BigQuery.fromQuery(SELECT * FROM ...)将首先扫描整个 table ($5/TB) 并导出结果。