当BigQuery查询超出CPU限制时，可以尝试以下解决方法：

1. 优化查询语句：检查查询是否可以通过优化来减少计算量。可以尝试减少不必要的JOIN操作、使用WHERE子句来限制查询的范围等。

2. 分批查询：如果查询涉及到大量数据或者复杂计算，可以将查询拆分成多个较小的查询，并使用JOBS API的异步查询功能来执行。这样可以减少单个查询的计算量，降低CPU的使用。

以下是一个使用Python的示例代码，将查询分批执行：

from google.cloud import bigquery

# 定义 BigQuery 客户端
client = bigquery.Client()

# 定义查询语句
query = """
SELECT * FROM `project.dataset.table`
"""

# 定义查询配置
job_config = bigquery.QueryJobConfig(
    priority=bigquery.QueryPriority.BATCH,
    use_query_cache=False,
    maximum_bytes_billed=10**10,  # 设置查询的最大计算资源消耗
)

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

# 等待查询完成
query_job.result()

# 获取查询结果
results = query_job.to_dataframe()

3. 增加计算资源：如果查询的计算量确实很大，可以考虑增加BigQuery的计算资源。可以通过提升查询的优先级、增加查询的吞吐量或者增加计算单位来提高查询的性能。

4. 优化数据模型：如果查询经常超出CPU限制，可能需要重新考虑数据模型的设计。可以尝试使用合适的数据分区、索引或者冗余数据来提高查询的性能。

通过以上方法，可以解决BigQuery超出CPU限制的问题，并提高查询的性能。