Question 1

star schemaとは何ですか?

Accepted Answer

star schemaは、中央のfact tableがdimension tableに囲まれた次元データモデルです。fact tableにはメトリクスとdimensionへのforeign keyが含まれ、dimensionには記述属性が含まれます。このシンプルで非正規化された構造は、joinを最小限に抑えることで分析クエリのパフォーマンスを最適化します。

Question 2

fact tableとdimension tableの違いは何ですか?

Accepted Answer

fact tableには定量的な測定値(メトリクス)とdimensionへのforeign keyが含まれます。イベントやトランザクションを記録します。dimension tableには記述属性(誰が、何を、どこで、いつ)が含まれ、factのフィルタリングやグループ化を可能にします。factは数値で集計可能、dimensionはテキストで記述的です。

Question 3

fact tableのgrainとは何ですか?

Accepted Answer

grainはfact tableの1行の詳細レベルを定義します。1行が正確に何を表すかという質問に答えます。例えば、1行に1販売、1日1製品ごとに1販売、または1時間ごとに1販売です。grainの定義は次元モデリングの最初のステップであり、どのdimensionが必要か、どのレベルの集計が保存されるかを決定します。

Data EngineeringのためのData Modeling

star schemaとは何ですか?

回答

fact tableとdimension tableの違いは何ですか?

回答

fact tableのgrainとは何ですか?

回答

star schemaとsnowflake schemaの違いは何ですか?

conformed dimensionとは何ですか?

その他のData Engineering面接トピック

Linux & Shell - 基礎

Git & GitHub - 基礎

データエンジニアリングのための高度なPython

Docker - 基礎

Google Cloud Platform - 基礎

CI/CDとコード品質

Docker Compose

FastAPI - データAPI

Data Engineering向けの高度なSQL

Data Lake - アーキテクチャと取り込み

データエンジニアリングのためのBigQuery

PostgreSQL - 管理

Fivetran & Airbyte - データ取り込み

dbt - 基礎

Apache Airflow - 基礎

Kubernetes - 基礎

dbt - 高度な機能

ETL / ELT / ETLT パターン

Apache Airflow - 上級

Airflow + dbt - パイプラインオーケストレーション

PySpark - 大規模処理

Google Pub/Sub - データストリーミング

Apache Beam & Dataflow

Kubernetes - 本番環境とスケーリング

Terraform - Infrastructure as Code

NoSQLデータベース

モダンなData Architecture

モニタリングとオブザーバビリティ

IAMとデータセキュリティ

次の面接に向けてData Engineeringをマスター