BigQuery - Funzionalità avanzate
Partizionamento, clustering, viste materializzate, UDF, query nidificate, STRUCT, ARRAY
1Qual è il ruolo principale del partizionamento in BigQuery?
Qual è il ruolo principale del partizionamento in BigQuery?
Risposta
Il partizionamento divide una tabella in segmenti basati su una colonna (spesso una data), il che riduce la quantità di dati scansionati durante le query. Quando una query filtra sulla colonna di partizione, BigQuery legge solo le partizioni rilevanti invece di scansionare l'intera tabella. Questo migliora le prestazioni e riduce i costi delle query, che sono fatturati in base al volume di dati scansionati.
2Quali tipi di partizionamento sono disponibili in BigQuery?
Quali tipi di partizionamento sono disponibili in BigQuery?
Risposta
BigQuery offre tre tipi di partizionamento: per colonna DATE, TIMESTAMP o DATETIME (il più comune), per intervallo di interi (INTEGER RANGE) e per tempo di ingestione (_PARTITIONTIME). Il partizionamento per data è il più utilizzato perché la maggior parte delle analisi filtra per periodi temporali. Il partizionamento per intervallo di interi è utile per identificatori numerici.
3Cos'è uno STRUCT in BigQuery?
Cos'è uno STRUCT in BigQuery?
Risposta
Uno STRUCT (o RECORD) è un tipo di dato che raggruppa più campi denominati di tipi potenzialmente diversi in una singola colonna. Ad esempio, uno STRUCT può contenere un nome (STRING), un'età (INT64) e un'email (STRING). Gli STRUCT consentono di modellare dati gerarchici direttamente all'interno di una tabella, evitando join costosi. Si accede ai campi usando la notazione punto (struct_col.field).
Cos'è un ARRAY in BigQuery?
A cosa serve la funzione UNNEST in BigQuery?
+17 domande da colloquio
Altri argomenti di colloquio Data Analytics
Google Sheets - Fondamenti
Google Sheets - Formule avanzate
SQL - Fondamenti
SQL - Aggregazioni e raggruppamenti
SQL - Join
BigQuery - Fondamenti
Data Cleaning - Pulizia dei dati
KPI e metriche di business
Statistica descrittiva
Zapier e automazione No-Code
Principi di data visualization
Python & Pandas - Fondamenti
Google Sheets - Dashboard automatizzate
SQL - Subquery e CTE
SQL - Window Functions
Data Modeling
Analisi di funnel e conversione
Analisi delle coorti e retention
Google Tag Manager e tracking
API e webhook
dbt - Fondamenti
AB Testing e statistica applicata
Looker Studio (Google Data Studio)
Power BI - Fondamenti
SQL - Query analitiche avanzate
dbt - Funzionalità avanzate
Power BI - DAX e dashboard avanzate
Python Analytics - Analisi avanzata e ML
Padroneggia Data Analytics per il tuo prossimo colloquio
Accedi a tutte le domande, flashcards, test tecnici, esercizi di code review e simulatori di colloquio.
Inizia gratis