1

Principes de base de l’architecture BigQuery

• Expliquer les avantages du stockage en colonne.
• Comprendre comment BigQuery traite les données.
• Découvrir les principes de base du service de shuffling de BigQuery pour améliorer l’efficacité des requêtes.

2

Optimisations de stockage et de schéma

• Comparer les performances de différents schémas.
• Partitionner et regrouper les données pour de meilleures performances.
• Améliorer la conception du schéma à l’aide de champs imbriqués et répétés.
• Décrire les meilleures pratiques supplémentaires telles que l’expiration des tables et des partitions.

3

Ingestion de données

• Ingérer des données par lots et en continu.
• Interroger des sources de données externes.
• Planifier les transferts de données.
• Comprendre comment utiliser l’API Storage Write.

4

Modification des données

• Écrire des instructions DML.
• Résoudre les problèmes de performances et les goulots d’étranglement courants de DML.
• Identifier les Slowly Changing Dimensions (SCD) dans vos données et effectuer des mises à jour.

5

Améliorer les performances de lecture

• Explorer le cache de BigQuery.
• Créer des vues matérialisées.
• Travailler avec BI Engine pour accélérer vos requêtes SQL.
• Utiliser l’API Storage Read pour un accès rapide au stockage géré par BigQuery.
• Expliquer les écueils liés à l’utilisation de sources de données externes.

6

Optimisation et dépannage des requêtes

• Interpréter les détails d’exécution de BigQuery et le plan de requête.
• Optimiser les performances des requêtes en utilisant les méthodes suggérées pour les instructions et les clauses SQL.
• Démontrer les meilleures pratiques pour les fonctions dans les cas d’utilisation métier.

7

Gestion de la charge de travail et tarification

• Définir un emplacement BigQuery.
• Expliquer les modèles de tarification et les estimations de tarification.
• Comprendre les réservations de créneaux, les engagements et les affectations.
• Identifier les meilleures pratiques pour contrôler les coûts.

8

Journalisation et surveillance

• Utiliser Cloud Monitoring pour afficher les métriques BigQuery.
• Explorer le BigQuery Admin Panel.
• Utiliser les Cloud Audit Logs.
• Utiliser les tables INFORMATION_SCHEMA pour obtenir des informations sur vos entités BigQuery.

9

Sécurité dans BigQuery

• Explorer la découverte de données à l’aide de Data Catalog.
• Découvrir la gouvernance des données à l’aide de l’API DLP et Data Catalog.
• Créer des stratégies IAM (par exemple, des vues autorisées) pour sécuriser les ressources.
• Sécuriser les données avec des classifications (par exemple, des politiques au niveau des lignes).
• Comprendre comment BigQuery utilise le chiffrement.

10

Automatisation des charges de travail

• Planifier des requêtes.
• Utiliser des scripts et des procédures stockées pour créer des transformations personnalisées.
• Décrire comment intégrer les charges de travail BigQuery à d’autres produits de big data Google Cloud.

11

Apprentissage automatique dans BigQuery

• Décrire certaines des différentes applications de BigQuery ML.
• Créer et déployer plusieurs catégories de modèles de machine learning avec BigQuery ML.
• Utiliser AutoML Tables pour résoudre des problèmes commerciaux à forte valeur.