BigQuery - Funkcje zaawansowane
Partycjonowanie, klastrowanie, widoki zmaterializowane, UDF, zapytania zagnieżdżone, STRUCT, ARRAY
1Jaka jest główna rola partycjonowania w BigQuery?
Jaka jest główna rola partycjonowania w BigQuery?
Odpowiedź
Partycjonowanie dzieli tabelę na segmenty na podstawie kolumny (często daty), co zmniejsza ilość danych skanowanych podczas zapytań. Gdy zapytanie filtruje według kolumny partycji, BigQuery odczytuje tylko odpowiednie partycje, zamiast skanować całą tabelę. Poprawia to wydajność i obniża koszty zapytań, które są naliczane na podstawie wolumenu skanowanych danych.
2Jakie typy partycjonowania są dostępne w BigQuery?
Jakie typy partycjonowania są dostępne w BigQuery?
Odpowiedź
BigQuery oferuje trzy typy partycjonowania: według kolumny DATE, TIMESTAMP lub DATETIME (najczęstsze), według zakresu liczb całkowitych (INTEGER RANGE) i według czasu ingestii (_PARTITIONTIME). Partycjonowanie według daty jest najczęściej stosowane, ponieważ większość analiz filtruje według okresów czasu. Partycjonowanie według zakresu liczb całkowitych jest przydatne dla identyfikatorów liczbowych.
3Czym jest STRUCT w BigQuery?
Czym jest STRUCT w BigQuery?
Odpowiedź
STRUCT (lub RECORD) to typ danych grupujący wiele nazwanych pól potencjalnie różnych typów w jednej kolumnie. Na przykład STRUCT może zawierać nazwę (STRING), wiek (INT64) i email (STRING). STRUCT umożliwia modelowanie danych hierarchicznych bezpośrednio w tabeli, unikając kosztownych łączeń. Do pól uzyskuje się dostęp za pomocą notacji kropkowej (struct_col.field).
Czym jest ARRAY w BigQuery?
Do czego służy funkcja UNNEST w BigQuery?
+17 pytań z rozmów
Inne tematy rekrutacyjne Data Analytics
Google Sheets - Podstawy
Google Sheets - Zaawansowane formuły
SQL - Podstawy
SQL - Agregacje i grupowanie
SQL - Złączenia
BigQuery - Podstawy
Data Cleaning - Czyszczenie danych
KPI i metryki biznesowe
Statystyka opisowa
Zapier i automatyzacja No-Code
Zasady wizualizacji danych
Python & Pandas - Podstawy
Google Sheets - Automatyczne dashboardy
SQL - Podzapytania i CTE
SQL - Window Functions
Data Modeling
Analiza funneli i konwersji
Analiza kohort i retencji
Google Tag Manager i tracking
API i webhooki
dbt - Podstawy
AB Testing i statystyka stosowana
Looker Studio (Google Data Studio)
Power BI - Podstawy
SQL - Zaawansowane zapytania analityczne
dbt - Funkcje zaawansowane
Power BI - DAX i zaawansowane dashboardy
Python Analytics - Zaawansowana analiza i ML
Opanuj Data Analytics na następną rozmowę
Uzyskaj dostęp do wszystkich pytań, flashcards, testów technicznych, ćwiczeń code review i symulatorów rozmów.
Zacznij za darmo