如果在BigQuery中连接日期和_table_suffix非常慢，可以尝试以下解决方法：

1. 使用日期分区表：将表按照日期进行分区，可以提高查询性能。例如，可以将表按照每天或每月进行分区。分区后，可以只查询特定日期的数据，而不需要扫描整个表。

2. 使用合适的日期格式：确保在查询中使用的日期格式与表中存储的日期格式匹配。如果日期格式不匹配，BigQuery可能需要进行额外的转换操作，导致查询速度变慢。

3. 使用合适的索引：对于经常被查询的字段，可以考虑创建索引来提高查询性能。在BigQuery中，可以使用“CREATE INDEX”语句创建索引。

以下是一个示例代码，演示如何在BigQuery中使用日期分区表：

# 创建日期分区表
CREATE TABLE my_table
PARTITION BY DATE(timestamp_column)
CLUSTER BY other_column
AS
SELECT * FROM source_table;

# 查询特定日期的数据
SELECT *
FROM my_table
WHERE _PARTITIONDATE = DATE("2022-01-01");

在上面的示例中，我们创建了一个名为my_table的日期分区表，并按照timestamp_column字段进行了分区。然后，我们可以使用_PARTITIONDATE特殊列来筛选特定日期的数据。

希望这些解决方法可以帮助您提高BigQuery中连接日期和_table_suffix的查询速度。