BigQuery & Cloud Data
BigQuery, การคิวรี SQL ขนาดใหญ่, การแบ่งพาร์ติชัน, ชุดข้อมูลสาธารณะ, ต้นทุน, การเพิ่มประสิทธิภาพ
1Google BigQuery คืออะไร?
Google BigQuery คืออะไร?
คำตอบ
BigQuery เป็น data warehouse แบบ serverless ที่ปรับขนาดได้สูงและคุ้มค่าซึ่งให้บริการโดย Google Cloud Platform ช่วยให้สามารถรันคิวรี SQL เชิงวิเคราะห์บนข้อมูลระดับเพตะไบต์ได้ในไม่กี่วินาทีด้วยสถาปัตยกรรมแบบกระจาย ต่างจากฐานข้อมูลแบบดั้งเดิม BigQuery แยกการจัดเก็บออกจากการประมวลผล ทำให้สามารถคิดค่าใช้จ่ายตามการใช้งานและขยายขนาดได้แทบไม่จำกัด
2อะไรคือข้อได้เปรียบหลักของสถาปัตยกรรม serverless ของ BigQuery?
อะไรคือข้อได้เปรียบหลักของสถาปัตยกรรม serverless ของ BigQuery?
คำตอบ
สถาปัตยกรรม serverless ของ BigQuery หมายความว่าไม่มีโครงสร้างพื้นฐานที่ต้องจัดการ: ไม่ต้องจัดเตรียมเซิร์ฟเวอร์ ไม่ต้องกำหนดค่าคลัสเตอร์ ไม่ต้องบำรุงรักษา Google จัดการทรัพยากรโดยอัตโนมัติตามความต้องการ สิ่งนี้ช่วยให้สามารถมุ่งเน้นไปที่การคิวรีและการวิเคราะห์แทนการดูแลระบบ พร้อมรับประโยชน์จากความสามารถในการปรับขนาดอัตโนมัติ
3BigQuery คิดค่าใช้จ่ายสำหรับคิวรีในโหมด on-demand อย่างไร?
BigQuery คิดค่าใช้จ่ายสำหรับคิวรีในโหมด on-demand อย่างไร?
คำตอบ
ในโหมด on-demand BigQuery คิดค่าใช้จ่ายตามจำนวนข้อมูลที่สแกนโดยคิวรี ไม่ใช่เวลาในการดำเนินการหรือจำนวนแถวที่ส่งคืน เทอราไบต์แรกที่สแกนต่อเดือนฟรี ดังนั้นจึงเป็นสิ่งสำคัญที่จะปรับคิวรีให้เหมาะสมโดยเลือกเฉพาะคอลัมน์ที่จำเป็นและใช้การแบ่งพาร์ติชันเพื่อลดต้นทุน
Dataset ใน BigQuery คืออะไร?
การแบ่งพาร์ติชันตารางใน BigQuery คืออะไรและข้อได้เปรียบหลักคืออะไร?
+15 คำถามสัมภาษณ์
หัวข้อสัมภาษณ์ Data Science & ML อื่นๆ
พื้นฐาน Python
การเขียนโปรแกรมเชิงวัตถุด้วย Python
โครงสร้างข้อมูล Python
พื้นฐาน Git
พื้นฐาน SQL
พื้นฐาน NumPy
พื้นฐาน Pandas
Jupyter & Google Colab
SQL Joins และคิวรีขั้นสูง
Pandas ขั้นสูง
การแสดงผลข้อมูลด้วย Matplotlib & Seaborn
การแสดงผลแบบโต้ตอบด้วย Plotly
สถิติเชิงพรรณนา
สถิติเชิงอนุมาน
Web Scraping
Feature Engineering
ML แบบมีผู้สอน: การถดถอย
ML แบบมีผู้สอน: การจำแนกประเภท
Decision Trees และ Ensembles
Unsupervised ML
ML Pipelines และการตรวจสอบ
Time Series และการพยากรณ์
พื้นฐาน Deep Learning
TensorFlow & Keras
CNN และการจำแนกภาพ
RNN และซีเควนซ์
Transformers และ Attention
NLP และ Hugging Face
GenAI และ LangChain
MLOps และการ Deploy
เชี่ยวชาญ Data Science & ML สำหรับการสัมภาษณ์ครั้งถัดไป
เข้าถึงคำถามทั้งหมด flashcards แบบทดสอบเทคนิค แบบฝึกหัด code review และตัวจำลองสัมภาษณ์
เริ่มใช้ฟรี