2026年版 BigQuery ストレージ料金とコスト最適化ガイド

2026年5月13日

Contents

1 1. ストレージ料金の基本構造と東京リージョンでの単価
- 1.1 コスト削減の第一歩
2 2. 従量課金（オンデマンド）と容量ベース（フラットレート）の選択肢
- 2.1 2‑1. 料金体系比較表
  - 2.1.1 どちらがコスト効果的か？
3 3. テーブル自動ライフサイクルで即効コスト削減
4 4. パーティション＆クラスタリングでスキャン量と保存容量を削減
5 5. バックアップテーブル・スナップショットの自動削除
6 6. マテリアライズドビューと BI Engine のコスト・効果
7 7. 全体まとめと実装ロードマップ
- 7.1 参考リンク（全て公式ドキュメント）

スポンサードリンク

1. ストレージ料金の基本構造と東京リージョンでの単価

BigQuery のストレージ費用は、データが アクティブ（直近 90 日以内にアクセス）か長期（180 日以上保持）かで異なります。東京リージョン (asia‑northeast1) の公式単価を以下にまとめました。

ストレージ種別	単価（USD / TB・月）	主な利用シーン
アクティブ	$6.25	直近 90 日以内に頻繁に参照するデータ
長期ストレージ	$1.87	180 日以上保持し、アクセス頻度が低いデータ

注記：本表は Google Cloud の公式料金ページ（2025 年版）から抜粋しています。為替変動による JPY 換算は、2025 年 10 月時点のレート 1 USD = 150 JPY を使用しています（外貨換算レート）。

コスト削減の第一歩

自動ライフサイクルを設定して、90 日経過後に長期ストレージへ移行させるだけで、1 TB あたり月額 $4.38 のコスト差が実現できます。
具体的な手順は次節「2‑1」で詳述します。

2. 従量課金（オンデマンド）と容量ベース（フラットレート）の選択肢

BigQuery では オンデマンド課金 と フラットレート（容量ベース）課金 の 2 つの料金モデルが提供されています。どちらを採用すべきかは、月間使用量と予算管理の方針で決まります。

2‑1. 料金体系比較表

課金モデル	主な特徴	月間上限（目安）	参考単価 (USD / TB)
オンデマンド	使用したストレージとクエリ実行量に対して従量課金	無制限	$6.25（アクティブ）
フラットレート（容量ベース） ※公式名称は “Flat‑rate (capacity) pricing”	固定月額＋超過分従量課金。大規模・安定利用に向く	10 TB 〜 100 TB	約 $5.00 / TB（10 TB）約 $3.50 / TB（100 TB）

出典：Google Cloud の公式料金ページ – BigQuery Storage pricing

どちらがコスト効果的か？

月間使用量が 10 TB 前後 のプロジェクトは、フラットレートに切り替えるとオンデマンド比で約 20 % 削減できます。
100 TB 超 の大規模環境では、さらに 30 % 程度の削減が期待できるため、容量ベースが推奨されます。

3. テーブル自動ライフサイクルで即効コスト削減

3‑1. ライフサイクル設定の概要

BigQuery はテーブル単位で expiration_timestamp を指定でき、期限切れになると自動的に長期ストレージへ移行（または削除）されます。パーティションと併用すれば、データ保持ポリシーを細かく制御可能です。

3‑2. SQL スクリプト例（30 日保持・日次パーティション）

-- デイリーパーティションテーブルを作成し、30 日経過したデータは自動削除
CREATE OR REPLACE TABLE `myproj.sales.daily`
PARTITION BY DATE(event_timestamp)
OPTIONS (
  expiration_timestamp = TIMESTAMP_ADD(
    CURRENT_TIMESTAMP(),
    INTERVAL 30 DAY)   -- データ保持期間
) AS
SELECT *
FROM `myproj.raw.sales_raw`;

-- デイリーパーティションテーブルを作成し、30 日経過したデータは自動削除

CREATE OR REPLACE TABLE `myproj.sales.daily`

PARTITION BY DATE(event_timestamp)

OPTIONS (

expiration_timestamp = TIMESTAMP_ADD(

CURRENT_TIMESTAMP(),

INTERVAL 30 DAY) -- データ保持期間

) AS

SELECT *

FROM `myproj.raw.sales_raw`;

ポイント
- テーブル全体に対する有効期限は expiration_timestamp、パーティション単位の設定は PARTITION EXPIRATION オプションで実現できます（詳細は公式ドキュメント参照）。

3‑3. ベストプラクティス

段階的な保持期間：新規テーブルは 30 日 → 必要に応じて 90 日へ延長し、業務要件とコストバランスを最適化。
モニタリングクエリで残存データ量を定期的に確認。

SELECT
  table_id,
  SUM(size_bytes) / POWER(10,12) AS size_tb,
  expiration_timestamp
FROM `myproj`.region-us.INFORMATION_SCHEMA.PARTITIONS
WHERE table_name = 'daily'
GROUP BY table_id;

SELECT

table_id,

SUM(size_bytes) / POWER(10,12) AS size_tb,

expiration_timestamp

FROM `myproj`.region-us.INFORMATION_SCHEMA.PARTITIONS

WHERE table_name = 'daily'

GROUP BY table_id;

Cloud Scheduler と組み合わせて、毎日 00:05 に上記クエリを実行し、異常があれば Cloud Monitoring へアラート送信。

4. パーティション＆クラスタリングでスキャン量と保存容量を削減

4‑1. パーティション設計の選定基準

データ特性	推奨パーティションタイプ
時系列ログ・イベント	日付/時間 (`DATE(event_time)`)
カテゴリ別集計が頻繁	列値 (`STRING(product_category)`)
データ量が不均等	整数範囲 (`RANGE_BUCKET(id, GENERATE_ARRAY(1,1000,10))`)

実装例（日付パーティション）

CREATE OR REPLACE TABLE `myproj.analytics.session`
PARTITION BY DATE(session_start)
AS SELECT *
FROM `myproj.raw.session_raw`;

CREATE OR REPLACE TABLE `myproj.analytics.session`

PARTITION BY DATE(session_start)

AS SELECT *

FROM `myproj.raw.session_raw`;

4‑2. クラスタリングで圧縮率とクエリコストを向上

対象列はフィルタや GROUP BY に頻出し、カーディナリティが中程度（数千〜数万）なものに限定します。
高カーディナリティの列は逆効果になるため注意。

実装例（クラスタリング）

CREATE OR REPLACE TABLE `myproj.analytics.session`
PARTITION BY DATE(session_start)
CLUSTER BY user_id, country_code
AS SELECT *
FROM `myproj.raw.session_raw`;

CREATE OR REPLACE TABLE `myproj.analytics.session`

PARTITION BY DATE(session_start)

CLUSTER BY user_id, country_code

AS SELECT *

FROM `myproj.raw.session_raw`;

4‑3. 効果測定

同一クエリで パーティション＋クラスタリング導入前は 120 GB のスキャン、導入後は約 84 GB（≈30 % 削減）となります。実績は Google Cloud のベストプラクティスガイドに記載されています（BigQuery Partitioning & Clustering）。

5. バックアップテーブル・スナップショットの自動削除

5‑1. 削除対象を抽出するクエリ

DECLARE tables ARRAY&lt;STRING&gt;;
SET tables = (
  SELECT ARRAY_AGG(table_id)
  FROM `myproj`.region-us.INFORMATION_SCHEMA.TABLES
  WHERE table_type = 'SNAPSHOT'
    AND creation_time &lt; TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 90 DAY)
);

DECLARE tables ARRAY<STRING>;

SET tables = (

SELECT ARRAY_AGG(table_id)

FROM `myproj`.region-us.INFORMATION_SCHEMA.TABLES

WHERE table_type = 'SNAPSHOT'

AND creation_time < TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 90 DAY)

);

5‑2. 一括削除スクリプト

FOR t IN UNNEST(tables) DO
  EXECUTE IMMEDIATE FORMAT('DROP TABLE `%s.%s`', 'myproj.backup', t);
END FOR;

FOR t IN UNNEST(tables) DO

EXECUTE IMMEDIATE FORMAT('DROP TABLE `%s.%s`', 'myproj.backup', t);

END FOR;

5‑3. スケジューリング例

Cloud Scheduler → Pub/Sub トリガー → BigQuery ジョブ と構成し、毎月 1 日に実行。
削除対象が無い場合はジョブがスキップされるため、安全に運用できます。

6. マテリアライズドビューと BI Engine のコスト・効果

6‑1. 機能概要と費用構造

項目	主なメリット	ストレージへの影響
マテリアライズドビュー	クエリ結果を事前に保存し、スキャン量最大 80 % 削減（公式事例）	集計結果は元データの約 5‑15 % のサイズで保存
BI Engine	メモリ上キャッシュでレイテンシが大幅低下。ストレージ追加費用はなし	月額 $0.02/GB（メモリ使用量に応じて課金）

出典：Google Cloud の公式ドキュメント – Materialized Views / BI Engine pricing

6‑2. コストモニタリング例

-- 前日分のスキャン量とコストを集計
SELECT
  DATE(creation_time) AS dt,
  SUM(total_bytes_processed) / POWER(10,12) AS scanned_tb,
  SUM(cost) AS cost_usd
FROM `region-us`.INFORMATION_SCHEMA.JOBS_BY_PROJECT
WHERE creation_time &gt;= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 1 DAY)
GROUP BY dt;

-- 前日分のスキャン量とコストを集計

SELECT

DATE(creation_time) AS dt,

SUM(total_bytes_processed) / POWER(10,12) AS scanned_tb,

SUM(cost) AS cost_usd

FROM `region-us`.INFORMATION_SCHEMA.JOBS_BY_PROJECT

WHERE creation_time >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 1 DAY)

GROUP BY dt;

Cloud Monitoring アラート
「スキャン量が前月比で10 % 超過」または「コストが $500 を超えた場合」に通知。設定手順は公式ガイド（Monitoring alerts）を参照。

6‑3. ROI 計算の簡易式

[
ROI = \frac{\text{年間削減額 (USD)}}{\text{導入費用 (USD)}} \times 100\%
]

例：導入費用 $30,000、年間削減額 $540,000 → ROI = 1,800 %。

7. 全体まとめと実装ロードマップ

フェーズ	実施項目	期待効果
① 基礎把握	料金表確認、為替レートで JPY 換算	正確なコスト認識
② 自動ライフサイクル	`expiration_timestamp` 設定＋スケジューラ	アクティブ/長期差の最大化（≈$4.38/TB）
③ パーティション＆クラスタリング	キー設計・実装	スキャン量 30 % 削減、圧縮率向上
④ フラットレート移行検討	使用量シミュレーション → 容量ベース課金へ切替	月額コスト最大 30 % 削減
⑤ バックアップ・スナップショット削除	定期クリーンアップジョブ	不要領域ゼロ化
⑥ 高度最適化	マテリアライズドビュー、BI Engine 導入 + 監視設定	クエリレイテンシ短縮・スキャン量更なる削減

実装のポイント：まず「料金把握」→「自動ライフサイクル」の2 歩を完了させると、即座に数千ドル規模の削減が見込めます。その後、データ構造（パーティション・クラスタリング）と課金モデルを見直すことで、長期的な ROI を大幅に向上させられます。

参考リンク（全て公式ドキュメント）

BigQuery Storage pricing – https://cloud.google.com/bigquery/pricing#storage-pricing
Partitioned tables – https://cloud.google.com/bigquery/docs/partitioned-tables
Clustering – https://cloud.google.com/bigquery/docs/clustered-tables
Materialized Views – https://cloud.google.com/bigquery/docs/materialized-views
BI Engine pricing – https://cloud.google.com/bi-engine/pricing
Cloud Scheduler – https://cloud.google.com/scheduler/docs
Monitoring alerts – https://cloud.google.com/monitoring/alerts

本ガイドは、2025 年 10 月時点の公式情報に基づき作成しています。料金や機能は予告なく変更される可能性があるため、導入前に必ず最新ドキュメントをご確認ください。