Data Engineering

Data Modeling สำหรับ Data Engineering

Star schema, snowflake, Data Vault, การ normalize, ประเภท SCD, grain, additive metrics

20 คำถามสัมภาษณ์·
Mid-Level
1

Star schema คืออะไร?

คำตอบ

Star schema คือโมเดลข้อมูลแบบ dimensional ที่ fact table ตรงกลางถูกล้อมรอบด้วย dimension tables โดย fact table จะมี metrics และ foreign keys ไปยัง dimensions ซึ่งเก็บ attributes เชิงพรรณนา โครงสร้างที่เรียบง่ายและ denormalized นี้ช่วยเพิ่มประสิทธิภาพการ query เชิงวิเคราะห์โดยลดจำนวน joins

2

ความแตกต่างระหว่าง fact table และ dimension table คืออะไร?

คำตอบ

Fact table จะมีการวัดเชิงปริมาณ (metrics) และ foreign keys ไปยัง dimensions ใช้บันทึกเหตุการณ์หรือธุรกรรม Dimension table จะมี attributes เชิงพรรณนา (ใคร อะไร ที่ไหน เมื่อไร) ที่ช่วยให้กรองและจัดกลุ่ม facts ได้ Facts เป็นตัวเลขและรวมได้ ส่วน dimensions เป็นข้อความและเชิงพรรณนา

3

Grain ของ fact table คืออะไร?

คำตอบ

Grain กำหนดระดับรายละเอียดของหนึ่งแถวใน fact table โดยตอบคำถามว่า: หนึ่งแถวแทนสิ่งใดกันแน่? ตัวอย่างเช่น หนึ่งการขายต่อแถว, หนึ่งการขายต่อวันต่อสินค้า, หรือหนึ่งการขายต่อชั่วโมง การกำหนด grain คือขั้นตอนแรกของ dimensional modeling เพราะมันกำหนดว่า dimensions ใดบ้างที่จำเป็นและจัดเก็บที่ระดับการรวมใด

4

ความแตกต่างระหว่าง star schema และ snowflake schema คืออะไร?

5

Conformed dimension คืออะไร?

+17 คำถามสัมภาษณ์

หัวข้อสัมภาษณ์ Data Engineering อื่นๆ

Linux & Shell - พื้นฐาน

Junior
20 คำถาม

Git & GitHub - พื้นฐาน

Junior
20 คำถาม

Python ขั้นสูงสำหรับ Data Engineering

Junior
25 คำถาม

Docker - พื้นฐาน

Junior
25 คำถาม

Google Cloud Platform - พื้นฐาน

Junior
20 คำถาม

CI/CD และคุณภาพโค้ด

Mid-Level
20 คำถาม

Docker Compose

Mid-Level
20 คำถาม

FastAPI - Data API

Mid-Level
20 คำถาม

SQL ขั้นสูงสำหรับ Data Engineering

Mid-Level
20 คำถาม

Data Lake - สถาปัตยกรรมและการนำเข้าข้อมูล

Mid-Level
20 คำถาม

BigQuery สำหรับ Data Engineering

Mid-Level
20 คำถาม

PostgreSQL - การดูแลระบบ

Mid-Level
20 คำถาม

Fivetran & Airbyte - การนำเข้าข้อมูล

Mid-Level
20 คำถาม

dbt - พื้นฐาน

Mid-Level
20 คำถาม

Apache Airflow - พื้นฐาน

Mid-Level
20 คำถาม

Kubernetes - พื้นฐาน

Mid-Level
20 คำถาม

dbt - ฟีเจอร์ขั้นสูง

Senior
20 คำถาม

รูปแบบ ETL / ELT / ETLT

Senior
20 คำถาม

Apache Airflow - ขั้นสูง

Senior
20 คำถาม

Airflow + dbt - การจัดการ Pipeline

Senior
20 คำถาม

PySpark - การประมวลผลขนาดใหญ่

Senior
20 คำถาม

Google Pub/Sub - การสตรีมข้อมูล

Senior
20 คำถาม

Apache Beam & Dataflow

Senior
20 คำถาม

Kubernetes - Production และ Scaling

Senior
20 คำถาม

Terraform - Infrastructure as Code

Senior
20 คำถาม

ฐานข้อมูล NoSQL

Senior
20 คำถาม

Data Architecture สมัยใหม่

Senior
20 คำถาม

การมอนิเตอร์และการสังเกตการณ์

Senior
20 คำถาม

IAM และความปลอดภัยของข้อมูล

Senior
20 คำถาม

เชี่ยวชาญ Data Engineering สำหรับการสัมภาษณ์ครั้งถัดไป

เข้าถึงคำถามทั้งหมด flashcards แบบทดสอบเทคนิค แบบฝึกหัด code review และตัวจำลองสัมภาษณ์

เริ่มใช้ฟรี