BigQuery - Recursos avançados
Particionamento, clustering, visões materializadas, UDFs, consultas aninhadas, STRUCT, ARRAY
1Qual é o papel principal do particionamento no BigQuery?
Qual é o papel principal do particionamento no BigQuery?
Resposta
O particionamento divide uma tabela em segmentos baseados em uma coluna (geralmente uma data), o que reduz a quantidade de dados escaneados durante as consultas. Quando uma consulta filtra pela coluna de partição, o BigQuery lê apenas as partições relevantes em vez de escanear a tabela inteira. Isso melhora o desempenho e reduz os custos de consulta, que são cobrados com base no volume de dados escaneados.
2Quais tipos de particionamento estão disponíveis no BigQuery?
Quais tipos de particionamento estão disponíveis no BigQuery?
Resposta
O BigQuery oferece três tipos de particionamento: por coluna DATE, TIMESTAMP ou DATETIME (o mais comum), por intervalo de inteiros (INTEGER RANGE) e por tempo de ingestão (_PARTITIONTIME). O particionamento por data é o mais utilizado porque a maioria das análises filtra por períodos de tempo. O particionamento por intervalo de inteiros é útil para identificadores numéricos.
3O que é um STRUCT no BigQuery?
O que é um STRUCT no BigQuery?
Resposta
Um STRUCT (ou RECORD) é um tipo de dados que agrupa múltiplos campos nomeados de tipos potencialmente diferentes em uma única coluna. Por exemplo, um STRUCT pode conter um nome (STRING), uma idade (INT64) e um email (STRING). STRUCTs permitem modelar dados hierárquicos diretamente em uma tabela, evitando joins custosos. Os campos são acessados usando notação de ponto (struct_col.field).
O que é um ARRAY no BigQuery?
Para que serve a função UNNEST no BigQuery?
+17 perguntas de entrevista
Outros temas de entrevista Data Analytics
Google Sheets - Fundamentos
Google Sheets - Fórmulas avançadas
SQL - Fundamentos
SQL - Agregações e agrupamentos
SQL - Joins
BigQuery - Fundamentos
Data Cleaning - Limpeza de dados
KPIs e métricas de negócio
Estatística descritiva
Zapier e automação No-Code
Princípios de visualização de dados
Python & Pandas - Fundamentos
Google Sheets - Dashboards automatizados
SQL - Subconsultas e CTEs
SQL - Window Functions
Data Modeling
Análise de funis e conversão
Análise de coortes e retenção
Google Tag Manager e tracking
APIs e webhooks
dbt - Fundamentos
AB Testing e estatística aplicada
Looker Studio (Google Data Studio)
Power BI - Fundamentos
SQL - Consultas analíticas avançadas
dbt - Recursos avançados
Power BI - DAX e dashboards avançados
Python Analytics - Análise avançada e ML
Domine Data Analytics para sua proxima entrevista
Acesse todas as perguntas, flashcards, testes tecnicos, exercicios de code review e simuladores de entrevista.
Comece gratis