2026 के लिए शीर्ष BigQuery इंटरव्यू प्रश्न और उत्तर

Dremel क्या है, और यह BigQuery के तेज़ क्वेरी प्रदर्शन को कैसे सक्षम करता है?

क्यों पूछा जाता है: Dremel, BigQuery के अंतर्निहित क्वेरी इंजन, के बारे में आपकी जानकारी का मूल्यांकन करने के लिए, और यह कि इसका ट्री-आधारित, कॉलमनर निष्पादन मॉडल उच्च-प्रदर्शन डेटा एनालिटिक्स कैसे सक्षम करता है।

Dremel एक डिस्ट्रीब्यूटेड क्वेरी निष्पादन इंजन है जो BigQuery को शक्ति देता है। पारंपरिक डेटाबेस जो रो-आधारित प्रोसेसिंग का उपयोग करते हैं, उनसे अलग, Dremel स्पीड और दक्षता को ऑप्टिमाइज़ करने के लिए कॉलमनर स्टोरेज फ़ॉर्मेट और ट्री-आधारित क्वेरी निष्पादन मॉडल अपनाता है।

Dremel तेज़ क्वेरी कैसे सक्षम करता है:

• कॉलमनर स्टोरेज: पूरी पंक्तियाँ पढ़ने के बजाय, Dremel केवल आवश्यक कॉलम स्कैन करता है, जिससे प्रोसेस किए गए डेटा की मात्रा कम होती है।
• ट्री-आधारित निष्पादन: क्वेरीज़ को टुकड़ों में विभाजित किया जाता है और हजारों नोड्स पर समानांतर में निष्पादित किया जाता है। परिणामों को एक पदानुक्रमित ट्री संरचना में एकत्रित किया जाता है, जिससे लेटेंसी कम होती है।
• सर्वरलेस संसाधन आवंटन: Dremel क्वेरी की जटिलता के आधार पर कंप्यूट स्लॉट्स को डायनेमिक रूप से असाइन करता है, जिससे संसाधनों का कुशल उपयोग सुनिश्चित होता है।

Dremel के प्रमुख लाभ:

• पेटाबाइट-स्केल डेटासेट्स पर अत्यंत तेज़ क्वेरीज़।
• केवल प्रासंगिक कॉलम स्कैन करके किफ़ायती प्रोसेसिंग।
• बिना मैन्युअल ट्यूनिंग के बड़े वर्कलोड्स के लिए स्वचालित पैरेललाइज़ेशन।

आप Dremel के बारे में और अधिक Google के आधिकारिक दस्तावेज़ में जान सकते हैं।

BigQuery में डीनॉर्मलाइज़ेशन कैसे काम करता है, और इसे कब उपयोग करना चाहिए?

क्यों पूछा जाता है: डेटा मॉडलिंग रणनीतियों और विश्लेषणात्मक डेटाबेस में उनके क्वेरी प्रदर्शन पर प्रभाव की आपकी समझ का मूल्यांकन करने के लिए।

BigQuery में डीनॉर्मलाइज़ेशन जानबूझकर पुनरावृत्ति जोड़ता है—टेबल्स को मर्ज करके और डेटा डुप्लिकेट करके—ताकि क्वेरी प्रदर्शन ऑप्टिमाइज़ हो। नॉर्मलाइज़ेशन, जो छोटे, संबंधित टेबल्स के माध्यम से पुनरावृत्ति कम करता है, के विपरीत, डीनॉर्मलाइज़ेशन जटिल जोइन्स की आवश्यकता घटाता है, जिसके परिणामस्वरूप तेज़ रीड टाइम मिलते हैं। यह तरीका विशेष रूप से डेटा वेयरहाउसिंग और एनालिटिक्स में उपयोगी है, जहाँ राइट्स की तुलना में रीड ऑपरेशंस अधिक होते हैं। हालांकि, डीनॉर्मलाइज़ेशन स्टोरेज आवश्यकताओं को बढ़ाता है, इसलिए BigQuery नेस्टेड और रिपीटेड फ़ील्ड्स के उपयोग की सिफारिश करता है ताकि डीनॉर्मलाइज़्ड डेटा को कुशलतापूर्वक संरचित किया जा सके और स्टोरेज ओवरहेड न्यूनतम रहे।

विभिन्न डेटा नॉर्मलाइज़ेशन रणनीतियों की तुलना। चित्र Google Cloud द्वारा। 

SQL-विशेष प्रश्न

जब आपको BigQuery के आर्किटेक्चर और ऑप्टिमाइज़ेशन तकनीकों की अच्छी समझ हो जाती है, तो अगला महत्वपूर्ण क्षेत्र है SQL में दक्षता। BigQuery के साथ काम करने की रीढ़ SQL है, और इंटरव्यूअर अक्सर आपकी क्वेरी लिखने, ऑप्टिमाइज़ करने और ट्रबलशूट करने की क्षमता की जाँच करेंगे। बेहतर तैयारी के लिए, मैं आपको DataCamp के SQL कोर्स में नामांकन करने के लिए प्रोत्साहित करता हूँ।

आप BigQuery में JOIN ऑपरेशन कैसे करते हैं?

क्यों पूछा जाता है: एक से अधिक टेबल्स से डेटा को SQL JOIN ऑपरेशंस के माध्यम से संयोजित करने की आपकी क्षमता का आकलन करने के लिए।

BigQuery साझा कॉलम के आधार पर कई प्रकार के JOIN सपोर्ट करता है। उदाहरण के लिए, प्रोडक्ट विवरण उनके सेल्स इन्फॉर्मेशन के साथ प्राप्त करने के लिए, आप SALES TABLE और PRODUCT TABLE के बीच Product_Id पर INNER JOIN कर सकते हैं:

SELECT 
    s.Id AS Sales_Id, 
    p.Product, 
    p.Price, 
    s.Purchase_date
FROM sales_table s
JOIN product_table p 
    ON s.Product_Id = p.Id;संचालित द्वारा

अतिरिक्त विवरण, जैसे डिलीवरी तारीखें, पाने के लिए आप DELIVERY TABLE को जॉइन कर सकते हैं:

SELECT 
    s.Id AS Sales_Id, 
    p.Product, 
    p.Price, 
    s.Purchase_date, 
    d.Deliver_date
FROM sales_table s
JOIN product_table p ON s.Product_Id = p.Id
JOIN delivery_table d ON s.Id = d.Sales_Id;संचालित द्वारा

सबसे महंगे 10 प्रोडक्ट्स चुनने के लिए SQL क्वेरी लिखें।

क्यों पूछा जाता है: डेटा को कुशलता से पुनर्प्राप्त और सॉर्ट करने की आपकी क्षमता का आकलन करने के लिए।

सबसे महंगे 10 प्रोडक्ट्स खोजने के लिए, ORDER BY का उपयोग करके कीमत को अवरोही क्रम में सॉर्ट करें और LIMIT से परिणाम सीमित करें:

SELECT 
    Product, 
    Price 
FROM product_table
ORDER BY Price DESC
LIMIT 10;संचालित द्वारा

प्रति माह औसत बिक्री संख्या की गणना के लिए SQL क्वेरी लिखें।

क्यों पूछा जाता है: समय-आधारित एग्रीगेशंस करने की आपकी क्षमता का मूल्यांकन करने के लिए।

प्रति माह औसत बिक्री संख्या निकालने के लिए EXTRACT फ़ंक्शन से बिक्री को महीने के आधार पर समूहित करें और COUNT से प्रति माह बिक्री की गणना करें:

SELECT 
    EXTRACT(MONTH FROM Purchase_date) AS Month, 
    COUNT(Id) AS Total_Sales, 
    AVG(COUNT(Id)) OVER () AS Average_Sales
FROM sales_table
GROUP BY Month;संचालित द्वारा

प्रोडक्ट के अनुसार कुल डिलीवरी की संख्या खोजने के लिए SQL क्वेरी लिखें।

क्यों पूछा जाता है: GROUP BY और COUNT का उपयोग करके डेटा एग्रीगेट करने की आपकी क्षमता का आकलन करने के लिए।

प्रत्येक प्रोडक्ट के लिए डिलीवरी गिनने हेतु:

SELECT 
    p.Product, 
    COUNT(d.Id) AS Total_Deliveries
FROM delivery_table d
JOIN product_table p 
    ON d.Product_Id = p.Id
GROUP BY p.Product;संचालित द्वारा

प्रत्येक प्रोडक्ट के लिए कुल डिलीवरी की संख्या खोजने के लिए SQL क्वेरी लिखें।

क्यों पूछा जाता है: समय-आधारित डेटा को फ़िल्टर करने की आपकी क्षमता का मूल्यांकन करने के लिए।

पिछले 30 दिनों की बिक्री रिकॉर्ड प्राप्त करने के लिए:

SELECT * 
FROM sales_table
WHERE Purchase_date >= DATE_SUB(CURRENT_DATE(), INTERVAL 30 DAY);संचालित द्वारा

पिछले हफ्ते में बेचे गए यूनिक प्रोडक्ट्स की संख्या गिनने के लिए SQL क्वेरी लिखें।

क्यों पूछा जाता है: समय-आधारित डेटा पर डिस्टिंक्ट काउंट करने की आपकी क्षमता का आकलन करने के लिए।

पिछले 7 दिनों में बेचे गए डिस्टिंक्ट प्रोडक्ट्स गिनने के लिए:

SELECT COUNT(DISTINCT Product_Id) AS Unique_Products_Sold
FROM sales_table
WHERE Purchase_date >= DATE_SUB(CURRENT_DATE(), INTERVAL 7 DAY);संचालित द्वारा

प्रोडक्ट के अनुसार बिक्री डेटा को समूहित करें और प्रत्येक के लिए कुल राजस्व की गणना करने के लिए SQL क्वेरी लिखें।

क्यों पूछा जाता है: GROUP BY का उपयोग और बिक्री का एग्रीगेशन करने की आपकी क्षमता का परीक्षण करने के लिए।

प्रति प्रोडक्ट कुल राजस्व की गणना करने के लिए:

SELECT 
    p.Product, 
    SUM(p.Price) AS Total_Revenue
FROM sales_table s
JOIN product_table p 
    ON s.Product_Id = p.Id
GROUP BY p.Product;संचालित द्वारा

प्रत्येक प्रोडक्ट द्वारा कुल बिक्री में योगदान का प्रतिशत निकालने के लिए SQL क्वेरी लिखें।

क्यों पूछा जाता है: SQL का उपयोग करके प्रतिशत निकालने की आपकी क्षमता का मूल्यांकन करने के लिए।

प्रति प्रोडक्ट कुल बिक्री का प्रतिशत निर्धारित करने के लिए:

SELECT 
    p.Product, 
    SUM(p.Price) AS Product_Sales,
    (SUM(p.Price) / (SELECT SUM(Price) FROM product_table)) * 100 AS Sales_Percentage
FROM sales_table s
JOIN product_table p 
    ON s.Product_Id = p.Id
GROUP BY p.Product;संचालित द्वारा

कुल बिक्री के आधार पर प्रोडक्ट्स को रैंक करने के लिए SQL क्वेरी लिखें।

क्यों पूछा जाता है: रैंकिंग के लिए विंडो फ़ंक्शंस का उपयोग करने की आपकी क्षमता का आकलन करने के लिए।

कुल बिक्री के आधार पर प्रोडक्ट्स को रैंक करने के लिए:

SELECT 
    p.Product, 
    SUM(p.Price) AS Total_Sales, 
    RANK() OVER (ORDER BY SUM(p.Price) DESC) AS Sales_Rank
FROM sales_table s
JOIN product_table p 
    ON s.Product_Id = p.Id
GROUP BY p.Product;संचालित द्वारा

प्रत्येक प्रोडक्ट के लिए औसत डिलीवरी समय की गणना करने के लिए SQL क्वेरी लिखें।

क्यों पूछा जाता है: SQL में दिनांतरों के साथ काम करने की आपकी क्षमता का मूल्यांकन करने के लिए।

प्रति प्रोडक्ट औसत डिलीवरी समय निकालने के लिए:

SELECT 
    p.Product, 
    AVG(DATE_DIFF(d.Deliver_date, s.Purchase_date, DAY)) AS Avg_Delivery_Time
FROM sales_table s
JOIN delivery_table d 
    ON s.Id = d.Sales_Id
JOIN product_table p 
    ON s.Product_Id = p.Id
GROUP BY p.Product;संचालित द्वारा

एडवांस्ड और परिदृश्य-आधारित प्रश्न

बुनियादी ज्ञान और SQL दक्षता से परे, वास्तविक दुनिया की समस्या-समाधान कौशल BigQuery पर बड़े पैमाने पर काम करने के लिए महत्वपूर्ण हैं। 

एडवांस्ड इंटरव्यू प्रश्न अक्सर बड़े डेटासेट हैंडलिंग, प्रदर्शन ऑप्टिमाइज़ेशन, डेटा पाइपलाइन प्रबंधन, और प्रोडक्शन वातावरण में सामान्य चुनौतियों के ट्रबलशूटिंग पर केंद्रित होते हैं।

क्या आप BigQuery में डेटा पाइपलाइंस लागू करने के अपने अनुभव का वर्णन कर सकते हैं?

क्यों पूछा जाता है: BigQuery में डेटा पाइपलाइंस बनाने, प्रबंधित करने और ऑप्टिमाइज़ करने (इन्गेशन, ट्रांसफॉर्मेशन, ऑर्केस्ट्रेशन और मॉनिटरिंग सहित) के आपके व्यावहारिक ज्ञान का मूल्यांकन करने के लिए।

इंटरव्यूअर आपके डेटा पाइपलाइंस डिज़ाइन और इम्प्लीमेंट करने के व्यावहारिक अनुभव की झलक ढूँढ रहा है। आपको निम्न पर चर्चा करनी चाहिए:

• डेटा इन्गेशन: उपयोग की गई विधियाँ (BigQuery Data Transfer Service, Cloud Storage, स्ट्रीमिंग इन्गेशन)।
• डेटा ट्रांसफॉर्मेशन: SQL-आधारित ट्रांसफॉर्मेशन, शेड्यूल्ड क्वेरीज़, या Dataflow और dbt जैसे टूल्स का उपयोग।
• ऑर्केस्ट्रेशन: आप Cloud Composer (Apache Airflow), Cloud Functions, या Cloud Scheduler का उपयोग करके पाइपलाइन वर्कफ़्लो कैसे प्रबंधित करते हैं।
• मॉनिटरिंग और ऑप्टिमाइज़ेशन: आप पाइपलाइन प्रदर्शन को कैसे ट्रैक करते हैं, समस्याओं को कैसे डीबग करते हैं, और क्वेरी लागतों को कैसे ऑप्टिमाइज़ करते हैं।

एक सशक्त उत्तर में वास्तविक-world उदाहरण शामिल होने चाहिए—जैसे बड़े डेटासेट्स को संभालना, क्वेरी प्रदर्शन ऑप्टिमाइज़ करना, या प्रोडक्शन पाइपलाइनों में डेटा अखंडता सुनिश्चित करना—और आपने उन्हें कैसे सुलझाया।

ऐसा प्रोजेक्ट लागू करने के लिए कुछ अच्छे संसाधन हैं: 

• निम्न YouTube गाइड: BigQuery का उपयोग करके ETL बैच पाइपलाइंस।
• एंड-टू-एंड पाइपलाइन का यह GitHub रेपो।
• Airflow और BigQuery के साथ यह ETL पाइपलाइन GitHub रेपो।

आप किसी बड़े BigQuery टेबल में किसी कॉलम से डुप्लीकेट रिकॉर्ड्स को टेबल का नाम यथावत रखते हुए कैसे हटाएँगे?

क्यों पूछा जाता है: टेबल संरचना बदले बिना BigQuery में डुप्लीकेट डेटा को कुशलतापूर्वक संभालने की आपकी क्षमता का आकलन करने के लिए।

जब किसी टेबल में लाखों पंक्तियाँ हों और किसी विशेष कॉलम में डुप्लीकेट वैल्यूज़ हों, तो सबसे अच्छा तरीका है ROW_NUMBER() विंडो फ़ंक्शन का उपयोग करके डुप्लीकेट्स की पहचान करना और प्रत्येक डुप्लीकेट समूह की केवल पहली एंट्री को रखना। 

आप CREATE OR REPLACE TABLE स्टेटमेंट के साथ डी-डुप्लीकेटेड वर्ज़न से टेबल को ओवरराइट करके यह कर सकते हैं:

CREATE OR REPLACE TABLE tableX AS 
SELECT * EXCEPT(row_number)
FROM (
    SELECT *, 
           ROW_NUMBER() OVER (PARTITION BY troubleColumn ORDER BY someOtherColumn) AS row_number 
    FROM tableX
) 
WHERE row_number = 1;संचालित द्वारा

यह ऐसे काम करता है:

• ROW_NUMBER() प्रत्येक समान troubleColumn मान के भीतर हर रिकॉर्ड को एक यूनिक क्रमांक देता है, जिससे प्रति डुप्लीकेट समूह केवल एक रिकॉर्ड रखा जाता है।

• PARTITION BY troubleColumn उस कॉलम में डुप्लीकेट्स के आधार पर पंक्तियों को समूहित करता है।

• ORDER BY someOtherColumn (उदा., Purchase_date) यह सुनिश्चित करता है कि कोई विशिष्ट रिकॉर्ड रखा जाए।

• बाहरी क्वेरी केवल पहली उपस्थिति को फ़िल्टर करती है (row_number = 1), जिससे डुप्लीकेट प्रभावी रूप से हट जाते हैं।

• CREATE OR REPLACE TABLE स्टेटमेंट यह सुनिश्चित करता है कि टेबल का नाम वही रहता है, जबकि उसे क्लीन डेटा से बदला जाता है।

यह तरीका बिना नई टेबल बनाए या टेबल संरचना को प्रभावित किए डुप्लीकेट्स को कुशलतापूर्वक समाप्त कर देता है।

आप डेटा विज़ुअलाइज़ेशन और रिपोर्टिंग के लिए BigQuery का उपयोग कैसे करते हैं, और इसके लिए सबसे सामान्य टूल्स कौन से हैं?

क्यों पूछा जाता है: BigQuery को विज़ुअलाइज़ेशन टूल्स से इंटीग्रेट करने और रिपोर्टिंग के ज़रिए इनसाइट्स को प्रभावी ढंग से संप्रेषित करने की आपकी क्षमता का आकलन करने के लिए।

BigQuery डेटा विज़ुअलाइज़ेशन और रिपोर्टिंग के लिए एक शक्तिशाली बैकएंड का काम करता है, जो Google Looker Studio (पूर्व में Data Studio), Tableau और Power BI जैसे टूल्स के साथ डायरेक्ट कनेक्शन सक्षम करता है। 

ये टूल्स उपयोगकर्ताओं को रियल-टाइम में डेटा क्वेरी करने और बिना मैन्युअल एक्सपोर्ट्स के कस्टम डैशबोर्ड, चार्ट्स और रिपोर्ट्स बनाने देते हैं। विज़ुअलाइज़ेशन के लिए मुख्य तकनीकों में शामिल हैं:

• विज़ुअलाइज़ेशन से पहले BigQuery में SQL का उपयोग कर डेटा को एग्रीगेट और ट्रांसफॉर्म करना।
• इंटरएक्टिव डैशबोर्ड बनाना जिनमें डायनेमिक फ़िल्टर्स और ड्रिल-डाउन क्षमताएँ हों।
• क्वेरीज़ और मैटीरियलाइज़्ड व्यूज़ को ऑप्टिमाइज़ करना ताकि डैशबोर्ड प्रदर्शन बेहतर हो।

एक सशक्त उत्तर में वास्तविक-world उपयोग मामले उजागर होने चाहिए, जैसे: 

• व्यावसायिक KPI ट्रैक करना
• ट्रेंड्स की मॉनिटरिंग
• स्वचालित रिपोर्ट जनरेट करना

अपना स्वयं का डेटा विज़ुअलाइज़ेशन प्रोजेक्ट लागू करने के लिए, आप DataCamp के विशेष प्रोजेक्ट्स—BigQuery के साथ Analyzing Electric Vehicle Charging Habits और Exploring London's Travel Network—का अनुसरण कर सकते हैं।

BigQuery बेस्ट प्रैक्टिसेज और ऑप्टिमाइज़ेशन से जुड़े प्रश्न

BigQuery के साथ कुशलतापूर्वक काम करना केवल SQL क्वेरी लिखने से आगे की बात है—इसमें प्रदर्शन को ऑप्टिमाइज़ करना, लागत प्रबंधन, और सुचारू डेटा संचालन के लिए बेस्ट प्रैक्टिसेज लागू करना शामिल है। चूँकि BigQuery पे-पर-यूज़ मॉडल पर काम करता है, इसलिए डेटा स्कैन को न्यूनतम रखना, पार्टिशनिंग और क्लस्टरिंग का लाभ उठाना, और क्वेरी निष्पादन को ऑप्टिमाइज़ करना प्रदर्शन और लागत दक्षता दोनों के लिए महत्वपूर्ण है।

BigQuery लागतों का कुशल प्रबंधन करने के लिए बेस्ट प्रैक्टिसेज क्या हैं?

क्यों पूछा जाता है: BigQuery में बड़े डेटासेट्स के साथ काम करते हुए लागत दक्षता ऑप्टिमाइज़ करने की आपकी क्षमता का मूल्यांकन करने के लिए।

BigQuery लागतों का प्रभावी प्रबंधन करने के लिए आपको:

• क्वेरीज़ ऑप्टिमाइज़ करनी चाहिए ताकि केवल आवश्यक कॉलम और पंक्तियाँ स्कैन हों, SELECT * से बचें।

• पार्टिशन्ड और क्लस्टर्ड टेबल्स का उपयोग करें ताकि डेटा स्कैन कम हो और क्वेरी प्रदर्शन बेहतर हो।

• लागत मॉनिटरिंग टूल्स का लाभ उठाएँ जैसे बजट, अलर्ट्स, और लागत नियंत्रण नीतियाँ Google Cloud में।

• स्लॉट आरक्षण का लाभ लें अधिक पूर्वानुमानित प्राइसिंग और लागत बचत के लिए।

• अनुपयोगी टेबल्स और पार्टिशन नियमित रूप से साफ करें ताकि स्टोरेज लागत ऑप्टिमाइज़ हो।

एक सुव्यवस्थित लागत प्रबंधन रणनीति खर्चों को नियंत्रित करने में मदद करती है, जबकि कुशल क्वेरी निष्पादन बनाए रखती है।

BigQuery में क्वेरी प्रदर्शन ऑप्टिमाइज़ करने के लिए बेस्ट प्रैक्टिसेज क्या हैं?

क्यों पूछा जाता है: कम समय और लागत में कुशल क्वेरी लिखने की आपकी क्षमता का आकलन करने के लिए।

BigQuery में क्वेरी प्रदर्शन ऑप्टिमाइज़ करने के लिए:

• कुशल स्कीमा डिज़ाइन करें, उपयुक्त डेटा टाइप्स चुनें और अत्यधिक नॉर्मलाइज़ेशन से बचें।

• पार्टिशनिंग और क्लस्टरिंग का उपयोग करें ताकि स्कैन किए जाने वाले डेटा की मात्रा कम हो।

• SELECT * से बचें, केवल आवश्यक कॉलम्स ही प्राप्त करें।

• JOIN और GROUP BY ऑपरेशंस को ऑप्टिमाइज़ करें, यह सुनिश्चित करते हुए कि वे बड़े पैमाने की क्वेरीज़ के बेस्ट प्रैक्टिसेज़ का पालन करें।

• कैशिंग और मैटीरियलाइज़्ड व्यूज़ का लाभ उठाएँ ताकि प्रीकंप्यूटेड परिणाम स्टोर कर प्रदर्शन बेहतर हो।

• एप्रॉक्सिमेट एग्रीगेशन फ़ंक्शंस का उपयोग करें, जैसे APPROX_COUNT_DISTINCT, जब सटीक परिशुद्धता आवश्यक न हो।

इन प्रथाओं का पालन करके, आप क्वेरीज़ को तेज़ कर सकते हैं, कंप्यूट लागतें घटा सकते हैं, और समग्र दक्षता बढ़ा सकते हैं।

BigQuery स्लॉट्स क्या हैं, और वे क्वेरी प्रदर्शन को कैसे प्रभावित करते हैं?

क्यों पूछा जाता है: BigQuery के कंप्यूट संसाधनों और उनके क्वेरी निष्पादन पर प्रभाव की आपकी समझ का मूल्यांकन करने के लिए।

BigQuery के स्लॉट्स SQL क्वेरीज़ प्रोसेस करने के लिए प्रयुक्त कम्प्यूटेशनल क्षमता की इकाइयाँ हैं। वर्कलोड माँग के आधार पर इन्हें डायनेमिक रूप से आवंटित किया जाता है, जिससे संसाधनों का कुशल उपयोग सुनिश्चित होता है। संगठन निम्न विकल्प चुन सकते हैं:

• ऑन-डिमांड स्लॉट्स, जो क्वेरी आवश्यकताओं के आधार पर स्वतः स्केल होते हैं।
• रिज़र्व्ड स्लॉट्स, जो लगातार वर्कलोड्स के लिए अधिक पूर्वानुमानित प्रदर्शन और लागत बचत प्रदान करते हैं।

स्लॉट्स का कुशल प्रबंधन क्वेरी निष्पादन समय घटा सकता है, संसाधन आवंटन को ऑप्टिमाइज़ कर सकता है, और समग्र लागतें कम कर सकता है।

आप BigQuery लागतों की प्रभावी मॉनिटरिंग और ऑप्टिमाइज़ेशन कैसे कर सकते हैं?

क्यों पूछा जाता है: BigQuery खर्चों को ट्रैक और नियंत्रित करने की आपकी क्षमता का आकलन करने के लिए।

BigQuery में लागत मॉनिटर और ऑप्टिमाइज़ करने के लिए:

• क्वेरी निष्पादन का विश्लेषण करें महंगी ऑपरेशंस की पहचान के लिए क्वेरी हिस्ट्री और EXPLAIN प्लान्स का उपयोग करके।
• ऑडिट लॉग्स सक्षम करें ताकि उपयोग पैटर्न ट्रैक हों और अक्षम क्वेरीज़ का पता चले।
• बजट्स और लागत अलर्ट सेट करें ताकि अप्रत्याशित खर्चे न हों।
• स्लॉट उपयोग ऑप्टिमाइज़ करें, स्थिर वर्कलोड्स के लिए रिज़र्व्ड स्लॉट्स का लाभ लेकर लागत घटाएँ।
• अनुपयोगी टेबल्स और पार्टिशन नियमित रूप से साफ करें ताकि अनावश्यक स्टोरेज फ़ीस से बचा जा सके।

इन रणनीतियों को लागू करके, आप प्रदर्शन और स्केलेबिलिटी बनाए रखते हुए लागत-कुशल डेटा प्रोसेसिंग सुनिश्चित कर सकते हैं।

अपने BigQuery इंटरव्यू में सफल होने के लिए अतिरिक्त सुझाव

यहाँ आपके आगामी BigQuery इंटरव्यू में सफल होने के कुछ अंतिम सुझाव दिए गए हैं।

बुनियाद में महारत हासिल करें। हमारे प्रारंभिक BigQuery कोर्स के साथ BigQuery के आर्किटेक्चर—सर्वरलेस डिज़ाइन, स्टोरेज-कंप्यूट पृथक्करण, और Dremel क्वेरी इंजन—को समझें। डेटा को कुशलतापूर्वक प्रबंधित और स्ट्रक्चर करने के लिए डेटासेट्स, टेबल्स, व्यूज़ और मैटीरियलाइज़्ड व्यूज़ सीखें। हमारा SQL मैटीरियलाइज़्ड व्यू ट्यूटोरियल मदद करेगा। 

अपनी SQL और क्वेरी ऑप्टिमाइज़ेशन स्किल्स को धार दें। हमारे Getting Started with BigQuery कोड-अलॉन्ग के साथ जटिल क्वेरीज़ के लिए BigQuery-विशेष SQL फ़ंक्शंस (ARRAYs, STRUCTs, विंडो फ़ंक्शंस) का अभ्यास करें। Google के आधिकारिक दस्तावेज़ का पालन करते हुए लागत घटाने और प्रदर्शन सुधारने के लिए पार्टिशनिंग, क्लस्टरिंग और एप्रॉक्सिमेट फ़ंक्शंस से क्वेरीज़ ऑप्टिमाइज़ करें।

हैंड्स-ऑन अनुभव प्राप्त करें। पब्लिक डेटासेट्स का उपयोग करके वास्तविक-world प्रोजेक्ट्स पर काम करें और DataCamp प्रोजेक्ट्स के साथ Looker Studio, Tableau, या Power BI में रिपोर्ट्स बनाएं। हमारे Analyzing Electric Vehicle Charging Habits और Exploring London's Travel Network आज़माना आपकी SQL स्किल्स सुधारने के बेहतरीन तरीके हैं।