BigQuery - Grundlagen
BigQuery-Architektur, Datasets, Tabellen, Schemata, Datentypen, Konsole, Kosten
1Was ist BigQuery?
Was ist BigQuery?
Antwort
BigQuery ist das vollständig verwaltete, serverlose Data Warehouse der Google Cloud Platform. Es ermöglicht das Ausführen analytischer SQL-Abfragen auf sehr großen Datenmengen (Petabytes), ohne dass eine Infrastruktur verwaltet werden muss. Seine Architektur trennt Speicher und Rechenleistung, sodass jede Komponente je nach Bedarf unabhängig skaliert werden kann.
2Was ist das Hauptmerkmal der BigQuery-Architektur?
Was ist das Hauptmerkmal der BigQuery-Architektur?
Antwort
BigQuery basiert auf einer Architektur, die Speicher (Colossus) und Rechenleistung (Dremel) trennt. Diese Trennung ermöglicht es, große Datenmengen zu geringen Kosten zu speichern und die erforderliche Rechenleistung nur bei der Ausführung von Abfragen dynamisch zuzuweisen. Dadurch entfällt das Bereitstellen und Warten fester Cluster.
3Was ist ein Dataset in BigQuery?
Was ist ein Dataset in BigQuery?
Antwort
Ein Dataset in BigQuery ist ein logischer Container, der Tabellen, Views und Funktionen gruppiert. Es spielt eine ähnliche Rolle wie ein Schema in traditionellen Datenbanken. Jedes Dataset ist mit einem Google Cloud-Projekt verknüpft und verfügt über eigene Einstellungen für den geografischen Standort und die Zugriffskontrolle.
Wie sieht die organisatorische Hierarchie der Ressourcen in BigQuery aus?
Wie referenziert man eine Tabelle in einer BigQuery-Abfrage?
+17 Interview-Fragen
Weitere Data Analytics-Interviewthemen
Google Sheets - Grundlagen
Google Sheets - Erweiterte Formeln
SQL - Grundlagen
SQL - Aggregationen und Gruppierungen
SQL - Joins
Data Cleaning - Datenbereinigung
KPIs und Business-Metriken
Deskriptive Statistik
Zapier und No-Code-Automatisierung
Grundlagen der Datenvisualisierung
Python & Pandas - Grundlagen
Google Sheets - Automatisierte Dashboards
SQL - Unterabfragen und CTEs
SQL - Window Functions
BigQuery - Erweiterte Funktionen
Data Modeling
Funnel- und Conversion-Analyse
Kohorten- und Retention-Analyse
Google Tag Manager und Tracking
APIs und Webhooks
dbt - Grundlagen
AB-Testing und angewandte Statistik
Looker Studio (Google Data Studio)
Power BI - Grundlagen
SQL - Erweiterte analytische Abfragen
dbt - Erweiterte Funktionen
Power BI - DAX und fortgeschrittene Dashboards
Python Analytics - Erweiterte Analyse und ML
Meistere Data Analytics für dein nächstes Interview
Zugang zu allen Fragen, Flashcards, technischen Tests, Code-Review-Übungen und Interview-Simulatoren.
Kostenlos starten