在BigQuery中，如果在查询执行期间资源使用超出峰值的118%，主要是由于使用了analytical over()函数导致的。为了解决这个问题，你可以考虑以下几个方法：

1. 优化查询：尝试优化查询以减少资源使用。可以考虑以下几点：

   • 确保你的查询仅仅返回需要的结果，避免返回大量无关的数据。
   • 使用WHERE子句限制查询的范围，避免扫描整个表。
   • 考虑使用LIMIT子句限制返回的行数。
   • 分析查询计划并查找潜在的性能瓶颈。

2. 减少数据量：如果查询中涉及的数据量太大，可以考虑减少数据量来降低资源使用。可以尝试以下方法：

   • 使用PARTITION和CLUSTERING功能来减少查询的数据量。
   • 考虑使用采样来处理大型数据集。

3. 调整资源配额：如果查询中使用的资源超出了配额限制，可以考虑调整BigQuery的资源配额。可以通过以下几种方式来调整资源配额：

   • 提高帐户级别的配额：在Google Cloud Console中，转到BigQuery设置页面，并提高相应的配额。
   • 控制查询级别的资源使用：可以使用SET语句来设置查询级别的资源使用限制，例如SET max_bytes_billed = 1000000000;。
   • 考虑升级到更高级别的BigQuery SKU，以获得更高的资源限制。

4. 分批处理数据：如果查询的数据量非常大，可以考虑将查询分成多个较小的批次进行处理。这样可以避免超出资源限制。

下面是一个示例代码，演示了如何使用analytical over()函数来解决这个问题：

SELECT
  column1,
  column2,
  SUM(value) OVER(PARTITION BY column1 ORDER BY column2) AS cumulative_sum
FROM
  your_table

请注意，上述解决方法仅供参考，具体解决方法可能会根据你的具体情况有所不同。建议根据实际情况逐一尝试这些解决方法，以找到最适合的解决方案。