BigQuery & Cloud Data
BigQuery, SQL-запити великого масштабу, партиціонування, публічні набори даних, витрати, оптимізація
1Що таке Google BigQuery?
Що таке Google BigQuery?
Відповідь
BigQuery — це безсерверне, високомасштабоване та економічно ефективне сховище даних, що пропонується Google Cloud Platform. Воно дозволяє виконувати аналітичні SQL-запити над петабайтами даних за лічені секунди завдяки своїй розподіленій архітектурі. На відміну від традиційних баз даних, BigQuery відокремлює сховище від обчислень, що забезпечує оплату за використання та практично необмежену масштабованість.
2Яка основна перевага безсерверної архітектури BigQuery?
Яка основна перевага безсерверної архітектури BigQuery?
Відповідь
Безсерверна архітектура BigQuery означає, що немає інфраструктури для управління: немає підготовки серверів, немає конфігурації кластерів, немає обслуговування. Google автоматично керує ресурсами на основі попиту. Це дозволяє зосередитися на запитах та аналізі замість системного адміністрування, користуючись перевагами автоматичної масштабованості.
3Як BigQuery стягує плату за запити в режимі on-demand?
Як BigQuery стягує плату за запити в режимі on-demand?
Відповідь
У режимі on-demand BigQuery стягує плату на основі обсягу даних, відсканованих запитом, а не часу виконання чи кількості повернутих рядків. Перший терабайт, відсканований на місяць, безкоштовний. Тому важливо оптимізувати запити, вибираючи лише необхідні стовпці та використовуючи партиціонування для зниження витрат.
Що таке набір даних у BigQuery?
Що таке партиціонування таблиць у BigQuery і яка його основна перевага?
+15 питань зі співбесід
Інші теми співбесід Data Science & ML
Основи Python
Об'єктно-орієнтоване програмування Python
Структури даних Python
Основи Git
Основи SQL
Основи NumPy
Основи Pandas
Jupyter & Google Colab
SQL Joins та розширені запити
Просунутий Pandas
Візуалізація з Matplotlib & Seaborn
Інтерактивні візуалізації з Plotly
Описова статистика
Інференційна статистика
Web Scraping
Feature Engineering
Кероване ML: Регресія
Кероване ML: Класифікація
Дерева рішень та ансамблі
Некероване ML
ML Pipelines та валідація
Часові ряди та прогнозування
Основи Deep Learning
TensorFlow & Keras
CNN та класифікація зображень
RNN та послідовності
Transformers та Attention
NLP та Hugging Face
GenAI та LangChain
MLOps та розгортання
Опануй Data Science & ML для наступної співбесіди
Отримай доступ до всіх питань, flashcards, технічних тестів, вправ code review та симуляторів співбесід.
Почни безкоштовно