BigQuery & Cloud Data
BigQuery, consultas SQL a gran escala, particionamiento, datasets públicos, costos, optimización
1¿Qué es Google BigQuery?
¿Qué es Google BigQuery?
Respuesta
BigQuery es un data warehouse serverless, altamente escalable y rentable ofrecido por Google Cloud Platform. Permite ejecutar consultas SQL analíticas sobre petabytes de datos en segundos gracias a su arquitectura distribuida. A diferencia de las bases de datos tradicionales, BigQuery separa el almacenamiento del cómputo, lo que permite facturación por uso y escalabilidad casi ilimitada.
2¿Cuál es la principal ventaja de la arquitectura serverless de BigQuery?
¿Cuál es la principal ventaja de la arquitectura serverless de BigQuery?
Respuesta
La arquitectura serverless de BigQuery significa que no hay infraestructura que gestionar: sin aprovisionamiento de servidores, sin configuración de clusters, sin mantenimiento. Google gestiona automáticamente los recursos según la demanda. Esto permite centrarse en las consultas y el análisis en lugar de la administración del sistema, mientras se beneficia de la escalabilidad automática.
3¿Cómo cobra BigQuery las consultas en modo on-demand?
¿Cómo cobra BigQuery las consultas en modo on-demand?
Respuesta
En modo on-demand, BigQuery cobra según la cantidad de datos escaneados por la consulta, no el tiempo de ejecución ni las filas devueltas. El primer terabyte escaneado por mes es gratuito. Por lo tanto, es crucial optimizar las consultas seleccionando solo las columnas necesarias y usando particionamiento para reducir costos.
¿Qué es un dataset en BigQuery?
¿Qué es el particionamiento de tablas en BigQuery y cuál es su principal ventaja?
+15 preguntas de entrevista
Otros temas de entrevista Data Science & ML
Fundamentos de Python
Programación Orientada a Objetos en Python
Estructuras de datos en Python
Fundamentos de Git
Fundamentos de SQL
Fundamentos de NumPy
Fundamentos de Pandas
Jupyter & Google Colab
SQL Joins y consultas avanzadas
Pandas avanzado
Visualización con Matplotlib & Seaborn
Visualizaciones interactivas con Plotly
Estadística descriptiva
Estadística inferencial
Web Scraping
Feature Engineering
ML Supervisado: Regresión
ML Supervisado: Clasificación
Árboles de Decisión y Ensembles
ML No Supervisado
Pipelines ML y Validación
Series Temporales y Pronóstico
Fundamentos de Deep Learning
TensorFlow & Keras
CNN y clasificación de imágenes
RNN y Secuencias
Transformers y Attention
NLP y Hugging Face
GenAI y LangChain
MLOps y Despliegue
Domina Data Science & ML para tu próxima entrevista
Accede a todas las preguntas, flashcards, tests técnicos, ejercicios de code review y simuladores de entrevista.
Empieza gratis