BigQuery & Cloud Data
BigQuery, consultas SQL em larga escala, particionamento, datasets públicos, custos, otimização
1O que é o Google BigQuery?
O que é o Google BigQuery?
Resposta
O BigQuery é um data warehouse serverless, altamente escalável e econômico oferecido pelo Google Cloud Platform. Permite executar consultas SQL analíticas em petabytes de dados em segundos graças à sua arquitetura distribuída. Diferentemente dos bancos de dados tradicionais, o BigQuery separa o armazenamento do processamento, permitindo cobrança por uso e escalabilidade quase ilimitada.
2Qual é a principal vantagem da arquitetura serverless do BigQuery?
Qual é a principal vantagem da arquitetura serverless do BigQuery?
Resposta
A arquitetura serverless do BigQuery significa que não há infraestrutura para gerenciar: sem provisionamento de servidores, sem configuração de clusters, sem manutenção. O Google gerencia automaticamente os recursos com base na demanda. Isso permite focar nas consultas e análise em vez da administração do sistema, enquanto se beneficia da escalabilidade automática.
3Como o BigQuery cobra pelas consultas no modo on-demand?
Como o BigQuery cobra pelas consultas no modo on-demand?
Resposta
No modo on-demand, o BigQuery cobra com base na quantidade de dados varridos pela consulta, não no tempo de execução ou linhas retornadas. O primeiro terabyte varrido por mês é gratuito. Portanto, é crucial otimizar as consultas selecionando apenas as colunas necessárias e usando particionamento para reduzir custos.
O que é um dataset no BigQuery?
O que é o particionamento de tabela no BigQuery e qual é a sua principal vantagem?
+15 perguntas de entrevista
Outros temas de entrevista Data Science & ML
Fundamentos de Python
Programação Orientada a Objetos em Python
Estruturas de dados em Python
Fundamentos do Git
Fundamentos de SQL
Fundamentos de NumPy
Fundamentos de Pandas
Jupyter & Google Colab
SQL Joins e consultas avançadas
Pandas avançado
Visualização com Matplotlib & Seaborn
Visualizações interativas com Plotly
Estatística descritiva
Estatística inferencial
Web Scraping
Feature Engineering
ML Supervisionado: Regressão
ML Supervisionado: Classificação
Árvores de Decisão e Ensembles
ML Não Supervisionado
Pipelines ML e Validação
Séries Temporais e Previsão
Fundamentos de Deep Learning
TensorFlow & Keras
CNN e classificação de imagens
RNN e Sequências
Transformers e Attention
NLP e Hugging Face
GenAI e LangChain
MLOps e Implantação
Domine Data Science & ML para sua proxima entrevista
Acesse todas as perguntas, flashcards, testes tecnicos, exercicios de code review e simuladores de entrevista.
Comece gratis