在BigQuery中，查询未追加通常是由于查询计划中存在不必要的扫描操作或者未充分利用索引等原因导致的。以下是几种解决方法的代码示例：

1. 使用EXPLAIN来分析查询计划并找到性能瓶颈：

EXPLAIN
SELECT column1, column2
FROM dataset.table
WHERE condition

这将返回查询计划，你可以通过查看计划中的扫描操作和过滤条件来确定问题所在。

2. 优化查询语句，避免全表扫描：

SELECT column1, column2
FROM dataset.table
WHERE indexed_column = value

确保你的查询中使用了索引列，并且使用了合适的过滤条件，以减少扫描的数据量。

3. 使用PARTITION和CLUSTER BY来优化查询性能：

CREATE TABLE dataset.partitioned_table
PARTITION BY date_column
CLUSTER BY column1
AS SELECT *
FROM dataset.table

将表按照日期列进行分区，然后按照某个列进行聚类存储，可以提高查询性能并减少不必要的扫描。

4. 使用缓存查询结果：

from google.cloud import bigquery

client = bigquery.Client()

# 构建查询
query = """
SELECT column1, column2
FROM dataset.table
WHERE condition
"""

# 设置查询选项
job_config = bigquery.QueryJobConfig(use_query_cache=True)

# 执行查询
query_job = client.query(query, job_config=job_config)

# 获取查询结果
results = query_job.result()

通过设置use_query_cache=True，可以使用缓存查询结果，从而避免重复计算相同的查询。

这些是一些常见的解决方法，你可以根据具体情况选择适合的方法来优化查询性能。