top 24 data modeling interview questions with detailed answers
Λίστα με τις πιο συχνές ερωτήσεις συνέντευξης για τη μοντελοποίηση δεδομένων και απαντήσεις που θα σας βοηθήσουν να προετοιμαστείτε για την προσεχή συνέντευξη:
Εδώ πρόκειται να μοιραστώ μερικές ερωτήσεις συνέντευξης για τη μοντελοποίηση δεδομένων και λεπτομερείς απαντήσεις με βάση τη δική μου εμπειρία κατά τη διάρκεια των αλληλεπιδράσεων της συνέντευξης σε μερικά διάσημα IT MNC.
Παρακάτω, οι ερωτήσεις-απαντήσεις μπορούν να σας βοηθήσουν αν έχετε την ευκαιρία να αντιμετωπίσετε ή να λάβετε συνέντευξη σχετικά με τη Μοντελοποίηση δεδομένων.
Οι πιο συχνές ερωτήσεις συνέντευξης για τη μοντελοποίηση δεδομένων
Ας αρχίσουμε!
Ε # 1) Τι καταλαβαίνετε από το Model Modeling;
Απάντηση: Μοντελοποίηση δεδομένων είναι η διαγραμματική αναπαράσταση που δείχνει πώς οι οντότητες σχετίζονται μεταξύ τους. Είναι το αρχικό βήμα προς το σχεδιασμό της βάσης δεδομένων. Αρχικά δημιουργούμε το εννοιολογικό μοντέλο, μετά το λογικό μοντέλο και τέλος μεταβαίνουμε στο φυσικό μοντέλο.
Γενικά, τα μοντέλα δεδομένων δημιουργούνται στη φάση ανάλυσης δεδομένων και σχεδιασμού του κύκλου ζωής ανάπτυξης λογισμικού.
Ε # 2) Εξηγήστε την κατανόησή σας για διαφορετικά μοντέλα δεδομένων;
Απάντηση: Υπάρχουν τρεις τύποι μοντέλων δεδομένων - εννοιολογικά, λογικά και φυσικά. Το επίπεδο πολυπλοκότητας και λεπτομέρειας αυξάνεται από εννοιολογικό σε λογικό σε μοντέλο φυσικών δεδομένων.
Το εννοιολογικό μοντέλο δείχνει ένα πολύ βασικό υψηλό επίπεδο σχεδίασης, ενώ το μοντέλο φυσικών δεδομένων δείχνει μια πολύ λεπτομερή άποψη του σχεδιασμού.
- Εννοιολογικό μοντέλο θα απεικονίζει απλώς ονόματα οντοτήτων και σχέσεις οντοτήτων. Το σχήμα 1 που φαίνεται στο τελευταίο μέρος αυτού του άρθρου απεικονίζει ένα εννοιολογικό μοντέλο.
- Λογικό μοντέλο θα εμφανίζει ονόματα οντοτήτων, σχέσεις οντοτήτων, χαρακτηριστικά, πρωτεύοντα κλειδιά και κλειδιά εξωτερικού σε κάθε οντότητα. Το σχήμα 2 που εμφανίζεται στην ερώτηση # 4 σε αυτό το άρθρο απεικονίζει ένα λογικό μοντέλο.
- Μοντέλο φυσικών δεδομένων θα εμφανίζει πρωτεύοντα κλειδιά, ξένα κλειδιά, ονόματα πινάκων, ονόματα στηλών και τύπους δεδομένων στήλης. Αυτή η προβολή επεξεργάζεται πραγματικά πώς το μοντέλο θα εφαρμοστεί πραγματικά στη βάση δεδομένων.
Q # 3) Ρίξτε λίγο φως στην εμπειρία σας στη Μοντελοποίηση δεδομένων σε σχέση με έργα που έχετε εργαστεί μέχρι σήμερα;
Σημείωση: Αυτή ήταν η πρώτη ερώτηση σε μια από τις συνεντεύξεις μου για τη μοντελοποίηση δεδομένων. Έτσι, πριν μπείτε στη συζήτηση της συνέντευξης, θα πρέπει να έχετε μια πολύ σαφή εικόνα για το πώς τα μοντέλα δεδομένων ταιριάζουν στις εργασίες που έχετε εργαστεί.
Απάντηση: Έχω εργαστεί σε ένα έργο για μια εταιρεία παροχής ασφάλισης υγείας όπου έχουμε ενσωματωμένες διασυνδέσεις Χρήση υπολογιστή που μετασχηματίζει και επεξεργάζεται τα δεδομένα που συλλέγονται από τη βάση δεδομένων Facets και στέλνει χρήσιμες πληροφορίες σε προμηθευτές.
Σημείωση: Το Facets είναι μια ολοκληρωμένη λύση για τη διαχείριση όλων των πληροφοριών για τη βιομηχανία υγειονομικής περίθαλψης. Η βάση δεδομένων όψεων στο έργο μου δημιουργήθηκε με τον SQL server 2012.
Είχαμε διαφορετικές οντότητες που συνδέονταν μεταξύ τους. Αυτές οι οντότητες ήταν συνδρομητής, μέλος, πάροχος υγειονομικής περίθαλψης, αξίωση, λογαριασμός, εγγραφή, ομάδα, επιλεξιμότητα, σχέδιο / προϊόν, προμήθεια, συνδρομή κ.λπ.
Ακολουθεί το εννοιολογικό μοντέλο δεδομένων που δείχνει πώς φαίνεται το έργο σε υψηλό επίπεδο
Φιγούρα 1:
Κάθε οντότητα δεδομένων έχει τα δικά της χαρακτηριστικά δεδομένων. Για παράδειγμα, ένα χαρακτηριστικό δεδομένων του παρόχου θα είναι αριθμός αναγνώρισης παρόχου, λίγα χαρακτηριστικά δεδομένων της ιδιότητας μέλους θα είναι αναγνωριστικό συνδρομητή, αναγνωριστικό μέλους, ένα από τα χαρακτηριστικά δεδομένων της αξίωσης θα αξιώσει ταυτότητα, κάθε προϊόν ή σχέδιο υγειονομικής περίθαλψης θα έχει ένα μοναδικό αναγνωριστικό προϊόντος και σύντομα.
Q # 4) Ποια είναι τα διαφορετικά σχήματα σχεδίασης στη Μοντελοποίηση δεδομένων; Εξηγήστε με τοπαράδειγμα;
Απάντηση: Υπάρχουν δύο διαφορετικά είδη σχημάτων στη μοντελοποίηση δεδομένων
- Πρόγραμμα αστεριών
- Σχέδιο νιφάδας χιονιού
Τώρα, θα εξηγήσω κάθε ένα από αυτά τα σχήματα ένα προς ένα.
Το απλούστερο από τα σχήματα είναι το σχήμα αστεριών όπου έχουμε έναν πίνακα γεγονότων στο κέντρο που αναφέρεται σε πίνακες πολλαπλών διαστάσεων γύρω από αυτό. Όλοι οι πίνακες διαστάσεων συνδέονται με τον πίνακα γεγονότων. Το κύριο κλειδί σε όλους τους πίνακες διαστάσεων λειτουργεί ως ξένο κλειδί στον πίνακα γεγονότων.
ο Διάγραμμα IS (βλέπε σχήμα 2) αυτού του σχήματος μοιάζει με το σχήμα ενός αστεριού και γι 'αυτό το σχήμα ονομάζεται σχήμα αστεριού.
Σχήμα 2:
Το σχήμα αστεριών είναι αρκετά απλό, ευέλικτο και είναι σε μη κανονικοποιημένη μορφή.
Σε ένα σχήμα νιφάδας χιονιού, το επίπεδο της ομαλοποίησης αυξάνεται. Ο πίνακας γεγονότων εδώ παραμένει ο ίδιος με το σχήμα αστεριών. Ωστόσο, οι πίνακες διαστάσεων είναι κανονικοποιημένοι. Λόγω πολλών στρωμάτων πινάκων διαστάσεων, μοιάζει με νιφάδα χιονιού και έτσι ονομάζεται σχήμα νιφάδας χιονιού.
qtp συνεντεύξεις ερωτήσεις και απαντήσεις για έμπειρους
Σχήμα 3:
Ε # 5) Ποιο σχήμα χρησιμοποιήσατε στο έργο σας και γιατί;
Q # 6) Ποιο σχήμα είναι καλύτερο - αστέρι ή νιφάδα χιονιού;
Απάντηση: (Συνδυασμένη για Q # 5 & 6): Η επιλογή ενός σχήματος εξαρτάται πάντα από τις απαιτήσεις και τα σενάρια του έργου.
Επειδή το σχήμα αστεριού είναι σε μη κανονικοποιημένη μορφή, χρειάζεστε λιγότερες συνδέσεις για ένα ερώτημα. Το ερώτημα είναι απλό και εκτελείται πιο γρήγορα σε ένα σχήμα αστεριού. Ερχόμενοι στο σχήμα νιφάδας χιονιού, δεδομένου ότι είναι σε κανονικοποιημένη μορφή, θα απαιτήσει έναν αριθμό συνδέσεων σε σύγκριση με ένα σχήμα αστεριού, το ερώτημα θα είναι περίπλοκο και η εκτέλεση θα είναι πιο αργή από το σχήμα αστεριού.
Μια άλλη σημαντική διαφορά μεταξύ αυτών των δύο σχημάτων είναι ότι το σχήμα νιφάδας χιονιού δεν περιέχει περιττά δεδομένα και επομένως είναι εύκολο να διατηρηθεί. Αντίθετα, το σχήμα αστεριών έχει υψηλό επίπεδο πλεονασμού και επομένως είναι δύσκολο να διατηρηθεί.
Τώρα, ποιο να επιλέξετε για το έργο σας; Εάν ο σκοπός του έργου σας είναι να κάνετε περισσότερη ανάλυση διαστάσεων, θα πρέπει να ακολουθήσετε ένα σχήμα νιφάδας χιονιού. Για παράδειγμα, αν πρέπει να το μάθετε αυτό 'Πόσοι συνδρομητές συνδέονται με ένα συγκεκριμένο πρόγραμμα που είναι ενεργό αυτήν τη στιγμή;' - πηγαίνετε με το μοντέλο νιφάδας χιονιού.
Εάν ο σκοπός του έργου σας είναι να κάνετε περισσότερη ανάλυση μετρήσεων, θα πρέπει να ακολουθήσετε ένα σχήμα αστεριού. Για παράδειγμα, αν πρέπει να το μάθετε αυτό 'Ποιο είναι το ποσό της αξίωσης που καταβάλλεται σε έναν συγκεκριμένο συνδρομητή;' - πηγαίνετε με ένα σχήμα αστεριού.
Στο έργο μου, χρησιμοποιήσαμε το σχήμα νιφάδας χιονιού επειδή έπρεπε να κάνουμε ανάλυση σε διάφορες διαστάσεις και να δημιουργήσουμε συνοπτικές αναφορές για την επιχείρηση. Ένας άλλος λόγος για τη χρήση σχήματος νιφάδας χιονιού ήταν ότι ήταν λιγότερη κατανάλωση μνήμης.
Ε # 7) Τι καταλαβαίνετε από τη διάσταση και το χαρακτηριστικό;
Απάντηση: Οι διαστάσεις αντιπροσωπεύουν ποιοτικά δεδομένα. Για παράδειγμα, σχέδιο, προϊόν, κατηγορία είναι όλες οι διαστάσεις.
Ένας πίνακας διαστάσεων περιέχει περιγραφικά ή κειμενικά χαρακτηριστικά. Για παράδειγμα, η κατηγορία προϊόντος και το όνομα προϊόντος είναι τα χαρακτηριστικά της διάστασης του προϊόντος.
Q # 8) Τι είναι ένας πίνακας γεγονότων και γεγονότων;
Απάντηση: Τα γεγονότα αντιπροσωπεύουν ποσοτικά δεδομένα.
Για παράδειγμα, το καθαρό οφειλόμενο ποσό είναι γεγονός. Ένας πίνακας πληροφοριών περιέχει αριθμητικά δεδομένα και ξένα κλειδιά από σχετικούς πίνακες διαστάσεων. Ένα παράδειγμα του πίνακα γεγονότων φαίνεται από το σχήμα 2 που φαίνεται παραπάνω.
Ε # 9) Ποιοι είναι οι διαφορετικοί τύποι διαστάσεων που έχετε συναντήσει; Εξηγήστε καθένα από αυτά λεπτομερώς με ένα παράδειγμα;
Απάντηση: Υπάρχουν συνήθως πέντε τύποι διαστάσεων.
α) Διαμορφωμένες διαστάσεις : Μια διάσταση που χρησιμοποιείται ως μέρος διαφορετικών περιοχών ονομάζεται διαμορφωμένη διάσταση. Θα μπορούσε να χρησιμοποιηθεί με διαφορετικούς πίνακες γεγονότων σε μία μόνο βάση δεδομένων ή σε πολυάριθμες μάρκες δεδομένων / αποθήκες.
Για παράδειγμα, εάν η ιδιότητα συνδρομητή είναι συνδεδεμένη με δύο πίνακες γεγονότων - χρέωση και αξίωση, τότε η ιδιότητα συνδρομητή θα αντιμετωπίζεται ως διαμορφωμένη διάσταση.
β) Διάσταση σκουπιδιών : Πρόκειται για έναν πίνακα διαστάσεων που αποτελείται από χαρακτηριστικά που δεν έχουν θέση στον πίνακα γεγονότων ή σε κανέναν από τους τρέχοντες πίνακες ιδιοτήτων. Γενικά , αυτές είναι ιδιότητες όπως σημαίες ή δείκτες.
Για παράδειγμα, Μπορεί να είναι μια σημαία καταλληλότητας μέλους που έχει οριστεί ως «Y» ή «N» ή οποιαδήποτε άλλη ένδειξη ορίζεται ως true / false, τυχόν συγκεκριμένα σχόλια κ.λπ. εάν διατηρήσουμε όλα αυτά τα χαρακτηριστικά δείκτη στον πίνακα γεγονότων, τότε το μέγεθός του αυξάνεται. Έτσι , συνδυάζουμε όλα αυτά τα χαρακτηριστικά και βάζουμε έναν πίνακα διαστάσεων που ονομάζεται διάσταση σκουπιδιών με μοναδικά αναγνωριστικά ανεπιθύμητης αλληλογραφίας με έναν πιθανό συνδυασμό όλων των τιμών δεικτών.
γ) Διάσταση ρόλων : Αυτές είναι οι διαστάσεις που χρησιμοποιούνται για πολλαπλούς σκοπούς στην ίδια βάση δεδομένων.
Για παράδειγμα, μπορεί να χρησιμοποιηθεί μια ιδιότητα ημερομηνίας για 'Ημερομηνία αξίωσης', 'Ημερομηνία χρέωσης' ή 'Ημερομηνία προθεσμίας προγραμματισμού'. Έτσι , μια τέτοια διάσταση θα ονομάζεται διάσταση ρόλων. Το κύριο κλειδί της ιδιότητας Ημερομηνία θα συσχετιστεί με πολλά ξένα κλειδιά στον πίνακα γεγονότων.
δ) Αργά μεταβαλλόμενη διάσταση (SCD): Αυτά είναι πιο σημαντικά μεταξύ όλων των διαστάσεων. Αυτές είναι οι διαστάσεις στις οποίες οι τιμές χαρακτηριστικών ποικίλλουν ανάλογα με το χρόνο. Παρακάτω είναι οι ποικίλοι τύποι SCD
- Τύπος-0: Αυτές είναι οι διαστάσεις όπου η τιμή χαρακτηριστικού παραμένει σταθερή με το χρόνο. Για παράδειγμα, Το DOB του συνδρομητή είναι SCD τύπου-0, επειδή θα παραμένει πάντα το ίδιο ανεξάρτητα από το χρόνο.
- Τύπος-1: Αυτές είναι οι διαστάσεις στις οποίες η προηγούμενη τιμή του χαρακτηριστικού αντικαθίσταται από την τρέχουσα τιμή. Δεν διατηρείται ιστορικό στην ιδιότητα Type-1. Για παράδειγμα, Η διεύθυνση του συνδρομητή (όπου η επιχείρηση απαιτεί να διατηρεί τη μόνη τρέχουσα διεύθυνση του συνδρομητή) μπορεί να είναι ιδιότητα τύπου-1.
- Τύπος-2: Αυτές είναι οι διαστάσεις όπου διατηρείται η απεριόριστη ιστορία. Για παράδειγμα, Διεύθυνση συνδρομητή (όπου η επιχείρηση απαιτεί να διατηρεί αρχείο όλων των προηγούμενων διευθύνσεων του συνδρομητή). Σε αυτήν την περίπτωση, στον πίνακα θα εισαχθούν πολλές σειρές για έναν συνδρομητή με τις διαφορετικές διευθύνσεις του. Θα υπάρχουν κάποιες στήλες που θα προσδιορίζουν την τρέχουσα διεύθυνση. Για παράδειγμα, «Ημερομηνία έναρξης» και «Ημερομηνία λήξης». Η σειρά όπου η τιμή 'Ημερομηνία λήξης' θα είναι κενή θα περιέχει την τρέχουσα διεύθυνση του συνδρομητή και όλες οι άλλες σειρές θα έχουν προηγούμενες διευθύνσεις του συνδρομητή.
- Τύπος-3: Αυτοί είναι ο τύπος διαστάσεων όπου διατηρείται περιορισμένο ιστορικό. Και χρησιμοποιούμε μια επιπλέον στήλη για να διατηρήσουμε το ιστορικό. Για παράδειγμα, Διεύθυνση συνδρομητή (όπου η επιχείρηση απαιτεί να διατηρεί αρχείο της τρέχουσας και μόνο μιας προηγούμενης διεύθυνσης). Σε αυτήν την περίπτωση, μπορούμε να διαλύσουμε τη στήλη «διεύθυνση» σε δύο διαφορετικές στήλες - «τρέχουσα διεύθυνση» και «προηγούμενη διεύθυνση». Έτσι, αντί να έχουμε πολλές σειρές, θα έχουμε μόνο μία σειρά που δείχνει την τρέχουσα καθώς και την προηγούμενη διεύθυνση του συνδρομητή.
- Τύπος-4: Σε αυτόν τον τύπο διάστασης, τα ιστορικά δεδομένα διατηρούνται σε ξεχωριστό πίνακα. Ο κύριος πίνακας διαστάσεων περιέχει μόνο τα τρέχοντα δεδομένα. Για παράδειγμα, Ο κύριος πίνακας διαστάσεων θα έχει μόνο μία σειρά ανά συνδρομητή που έχει την τρέχουσα διεύθυνσή του. Όλες οι άλλες προηγούμενες διευθύνσεις του συνδρομητή θα διατηρηθούν στον ξεχωριστό πίνακα ιστορικού. Αυτός ο τύπος διάστασης δεν χρησιμοποιείται ποτέ.
ε) Εκφυλισμένη διάσταση: Μια εκφυλισμένη διάσταση είναι μια διάσταση που δεν είναι γεγονός, αλλά εμφανίζεται στον πίνακα γεγονότων ως πρωτεύον κλειδί. Δεν έχει τον δικό του πίνακα διαστάσεων. Μπορούμε επίσης να το ονομάσουμε ως πίνακα διαστάσεων ενός χαρακτηριστικού.
Αλλά , Αντί να το διατηρούμε ξεχωριστά σε έναν πίνακα διαστάσεων και να προσθέτουμε έναν επιπλέον σύνδεσμο, τοποθετούμε αυτό το χαρακτηριστικό στον πίνακα γεγονότων απευθείας ως κλειδί. Δεδομένου ότι δεν έχει τον δικό του πίνακα διαστάσεων, δεν μπορεί ποτέ να λειτουργήσει ως ξένο κλειδί στον πίνακα γεγονότων.
Ερώτηση # 10) Δώστε την ιδέα σας σχετικά με το αληθές γεγονός; Και γιατί το χρησιμοποιούμε;
Απάντηση: Ο πίνακας γεγονότων χωρίς στοιχεία είναι ένας πίνακας γεγονότων που δεν περιέχει κανένα πραγματικό μέτρο. Έχει μόνο τα πλήκτρα διαστάσεων.
ποιος είναι ένας καλός ιστότοπος για να παρακολουθήσετε anime
Κατά καιρούς, ενδέχεται να προκύψουν ορισμένες καταστάσεις στην επιχείρηση όπου πρέπει να έχετε έναν πίνακα πραγματικών γεγονότων.
Για παράδειγμα, ας υποθέσουμε ότι διατηρείτε ένα σύστημα καταγραφής συμμετοχής υπαλλήλων, μπορείτε να έχετε έναν πίνακα πραγμάτων με τρία κλειδιά.
| Ταυτότητα Υπαλλήλου |
| Τμήμα_ID |
| Time_ID |
Μπορείτε να δείτε ότι ο παραπάνω πίνακας δεν περιέχει κανένα μέτρο. Τώρα, εάν θέλετε να απαντήσετε στην παρακάτω ερώτηση, μπορείτε εύκολα να χρησιμοποιήσετε τον παραπάνω ενιαίο πραγματικό πίνακα αντί να έχετε δύο ξεχωριστούς πίνακες γεγονότων:
«Πόσοι υπάλληλοι ενός συγκεκριμένου τμήματος ήταν παρόντες σε μια συγκεκριμένη ημέρα;»
Έτσι, ο αληθινός πίνακας γεγονότων προσφέρει ευελιξία στο σχεδιασμό.
Ε # 11) Διάκριση μεταξύ OLTP και OLAP;
Απάντηση: Το OLTP σημαίνει το Ηλεκτρονικό σύστημα επεξεργασίας συναλλαγών & OLAP σημαίνει το Ηλεκτρονικό σύστημα αναλυτικής επεξεργασίας . Το OLTP διατηρεί τα δεδομένα συναλλαγών της επιχείρησης και γενικά είναι πολύ ομαλοποιημένο. Αντίθετα, το OLAP προορίζεται για σκοπούς ανάλυσης και αναφοράς και είναι σε μη κανονικοποιημένη μορφή.
Αυτή η διαφορά μεταξύ OLAP και OLTP σάς δίνει επίσης τον τρόπο επιλογής του σχεδιασμού του σχήματος. Εάν το σύστημά σας είναι OLTP, θα πρέπει να ακολουθήσετε τη σχεδίαση σχήματος αστεριών και εάν το σύστημά σας είναι OLAP, θα πρέπει να ακολουθήσετε το σχήμα νιφάδας χιονιού.
Ε # 12) Τι καταλαβαίνετε από το data mart;
Απάντηση: Τα δεδομένα mart προορίζονται ως επί το πλείστον για έναν μοναχικό κλάδο επιχειρήσεων. Είναι σχεδιασμένα για μεμονωμένα τμήματα.
Για παράδειγμα, Συνήθιζα να εργάζομαι για μια εταιρεία παροχής υγειονομικής ασφάλισης που είχε διαφορετικά τμήματα σε αυτήν, όπως Οικονομικά, Αναφορές, Πωλήσεις και ούτω καθεξής.
Είχαμε μια αποθήκη δεδομένων που κρατούσε τις πληροφορίες που αφορούσαν όλα αυτά τα τμήματα και στη συνέχεια έχουμε λίγα μαρκαρίσματα δεδομένων πάνω από αυτήν την αποθήκη δεδομένων. Αυτά τα DataMart ήταν ειδικά για κάθε τμήμα. Με απλά λόγια, μπορείτε να πείτε ότι το DataMart είναι ένα υποσύνολο μιας αποθήκης δεδομένων.
Ε # 13) Ποιοι είναι οι διαφορετικοί τύποι μέτρων;
Απάντηση: Έχουμε τρεις τύπους μέτρων, δηλαδή
- Μη πρόσθετα μέτρα
- Ημι-πρόσθετα μέτρα
- Πρόσθετα μέτρα
Τα μη πρόσθετα μέτρα είναι αυτά που δεν μπορούν να εφαρμοστούν συνάρτηση συνάθροισης. Για παράδειγμα, μια στήλη αναλογίας ή ποσοστού · μια σημαία ή μια στήλη δείκτη που υπάρχει στην πραγματικότητα, οι τιμές που διατηρούν τον πίνακα, όπως Y / N κ.λπ., είναι ένα μη πρόσθετο μέτρο.
Τα ημι-πρόσθετα είναι εκείνα πάνω από τα οποία μπορούν να εφαρμοστούν ορισμένες (αλλά όχι όλες) συναρτήσεις συνάθροισης. Για παράδειγμα, χρεώσεις ή υπόλοιπο λογαριασμού.
Τα πρόσθετα μέτρα είναι εκείνα πάνω από τα οποία μπορούν να εφαρμοστούν όλες οι συναρτήσεις συνάθροισης. Για παράδειγμα, μονάδες που αγοράστηκαν.
Q # 14) Τι είναι το Surrogate key; Πώς διαφέρει από το πρωτεύον κλειδί;
Απάντηση: Το κλειδί Surrogate είναι ένα μοναδικό αναγνωριστικό ή ένα κλειδί αριθμού ακολουθίας που δημιουργείται από το σύστημα και μπορεί να λειτουργήσει ως πρωτεύον κλειδί. Μπορεί να είναι μια στήλη ή ένας συνδυασμός στηλών. Σε αντίθεση με ένα πρωτεύον κλειδί, δεν λαμβάνεται από τα υπάρχοντα πεδία δεδομένων εφαρμογής.
Ε # 15) Είναι αλήθεια ότι όλες οι βάσεις δεδομένων πρέπει να βρίσκονται στο 3NF;
Απάντηση: Δεν είναι υποχρεωτική η βάση δεδομένων να βρίσκεται στο 3NF. Ωστόσο , Εάν ο σκοπός σας είναι η εύκολη συντήρηση δεδομένων, λιγότερος πλεονασμός και αποτελεσματική πρόσβαση, τότε θα πρέπει να πάτε με μια απενεργοποιημένη βάση δεδομένων.
Q # 16) Έχετε συναντήσει ποτέ το σενάριο των αναδρομικών σχέσεων; Εάν ναι, πώς το χειριστήκατε;
Απάντηση: Μια αναδρομική σχέση εμφανίζεται στην περίπτωση που μια οντότητα σχετίζεται με την ίδια. Ναι, έχω συναντήσει ένα τέτοιο σενάριο.
Μιλώντας για τον τομέα της υγειονομικής περίθαλψης, είναι πιθανό ένας πάροχος υγειονομικής περίθαλψης (ας πούμε, ένας γιατρός) να είναι ασθενής σε οποιονδήποτε άλλο πάροχο υγειονομικής περίθαλψης. Επειδή , Εάν ο ίδιος ο γιατρός αρρωστήσει και χρειάζεται χειρουργική επέμβαση, θα πρέπει να επισκεφθεί κάποιον άλλο γιατρό για να πάρει τη χειρουργική θεραπεία.
Έτσι , σε αυτήν την περίπτωση, η οντότητα - ο πάροχος υγειονομικής περίθαλψης σχετίζεται με τον εαυτό της. Ένα ξένο κλειδί για τον αριθμό του παρόχου υγειονομικής ασφάλισης θα πρέπει να παρουσιάζεται στο αρχείο κάθε μέλους (ασθενής).
Ε # 17) Παραθέστε μερικά κοινά λάθη που συναντήθηκαν κατά τη μοντελοποίηση δεδομένων;
Απάντηση: Λίγα κοινά λάθη που συναντήθηκαν κατά τη μοντελοποίηση δεδομένων είναι:
- Δημιουργία τεράστιων μοντέλων δεδομένων : Τα μεγάλα μοντέλα δεδομένων μοιάζουν να έχουν περισσότερα σφάλματα σχεδίασης. Προσπαθήστε να περιορίσετε το μοντέλο δεδομένων σας σε όχι περισσότερους από 200 πίνακες.
- Έλλειψη σκοπού : Εάν δεν γνωρίζετε ότι προορίζεται η επιχειρηματική σας λύση, ενδέχεται να βρείτε ένα λανθασμένο μοντέλο δεδομένων. Επομένως, έχοντας σαφήνεια για τον επιχειρηματικό σκοπό, είναι πολύ σημαντικό να βρείτε το σωστό μοντέλο δεδομένων.
- Ακατάλληλη χρήση υποκατάστατων κλειδιών : Το εναλλακτικό κλειδί δεν πρέπει να χρησιμοποιείται άσκοπα. Χρησιμοποιήστε το υποκατάστατο κλειδί μόνο όταν το φυσικό κλειδί δεν μπορεί να εξυπηρετήσει το σκοπό ενός πρωτεύοντος κλειδιού.
- Περιττή απενεργοποίηση : Μην αποδιαμορφώσετε έως και αν δεν έχετε έναν σταθερό και ξεκάθαρο επιχειρηματικό λόγο για να το κάνετε, επειδή η απενεργοποίηση δημιουργεί περιττά δεδομένα τα οποία είναι δύσκολο να διατηρηθούν.
Q # 18) Ποιος είναι ο αριθμός των θυγατρικών πινάκων που μπορούν να δημιουργηθούν από έναν μόνο γονικό πίνακα;
Απάντηση: Ο αριθμός των θυγατρικών πινάκων που μπορούν να δημιουργηθούν από τον μοναδικό γονικό πίνακα είναι ίσος με τον αριθμό των πεδίων / στηλών στον γονικό πίνακα που δεν είναι κλειδιά.
Ε # 19) Τα στοιχεία υγείας των εργαζομένων είναι κρυμμένα από τον εργοδότη του από τον πάροχο υγειονομικής περίθαλψης. Ποιο επίπεδο απόκρυψης δεδομένων είναι αυτό; Εννοιολογική, φυσική ή εξωτερική;
Απάντηση: Αυτό είναι το σενάριο ενός εξωτερικού επιπέδου απόκρυψης δεδομένων.
Ε # 20) Ποια είναι η μορφή του πίνακα πληροφοριών και του πίνακα διαστάσεων;
Απάντηση: Γενικά, ο πίνακας γεγονότων είναι σε κανονικοποιημένη μορφή και ο πίνακας διαστάσεων είναι σε μη κανονικοποιημένη μορφή.
Ε # 21) Ποια στοιχεία θα χρειαστείτε για να βρείτε ένα εννοιολογικό μοντέλο σε ένα έργο τομέα υγειονομικής περίθαλψης;
Απάντηση: Για ένα έργο υγειονομικής περίθαλψης, οι παρακάτω λεπτομέρειες θα αρκούσαν στην απαίτηση σχεδιασμού ενός βασικού εννοιολογικού μοντέλου
- Διαφορετικές κατηγορίες σχεδίων και προϊόντων υγειονομικής περίθαλψης.
- Τύπος συνδρομής (ομάδα ή άτομο).
- Σύνολο παρόχων υγειονομικής περίθαλψης.
- Επισκόπηση διαδικασίας αξίωσης και χρέωσης.
Ε # 22) Δύσκολο: Εάν εφαρμοστεί ένας μοναδικός περιορισμός σε μια στήλη, θα προκαλέσει σφάλμα εάν προσπαθήσετε να εισαγάγετε δύο null σε αυτήν;
Απάντηση: Όχι, δεν θα ρίξει κανένα σφάλμα σε αυτήν την περίπτωση, επειδή μια τιμή null είναι άνιση με άλλη τιμή null. Έτσι, περισσότερα από ένα μηδενικά θα εισαχθούν στη στήλη χωρίς κανένα σφάλμα.
Ε # 23) Μπορείτε να παραθέσετε ένα παράδειγμα οντότητας δευτερεύοντος τύπου και υπερτύπου;
Απάντηση: Ναι, ας πούμε ότι έχουμε αυτές τις διαφορετικές οντότητες - όχημα, αυτοκίνητο, ποδήλατο, οικονομικό αυτοκίνητο, οικογενειακό αυτοκίνητο, σπορ αυτοκίνητο.
Εδώ, ένα όχημα είναι μια οντότητα υπερ-τύπου. Το αυτοκίνητο και το ποδήλατο είναι οντότητες του υποτύπου. Επιπλέον, τα οικονομικά αυτοκίνητα, τα σπορ αυτοκίνητα και τα οικογενειακά αυτοκίνητα είναι οντότητες υπο-τύπων του αυτοκινήτου σούπερ-τύπου.
Μια οντότητα υπερ-τύπου είναι αυτή που βρίσκεται σε υψηλότερο επίπεδο. Οι οντότητες δευτερεύοντος τύπου είναι αυτές που ομαδοποιούνται βάσει ορισμένων χαρακτηριστικών. Για παράδειγμα, όλα τα ποδήλατα είναι δίτροχα και όλα τα αυτοκίνητα είναι τετράτροχα. Και δεδομένου ότι και τα δύο είναι οχήματα, έτσι η οντότητα σούπερ τύπου είναι «όχημα».
Q # 24) Ποια είναι η σημασία των μεταδεδομένων;
Απάντηση: Τα μεταδεδομένα είναι δεδομένα σχετικά με δεδομένα. Σας λέει τι είδους δεδομένα αποθηκεύονται πραγματικά στο σύστημα, ποιος είναι ο σκοπός του και για ποιον προορίζονται.
συμπέρασμα
- Πρακτική κατανόηση του Μοντελοποίηση δεδομένων ιδέα και πώς ταιριάζει με τις αναθέσεις που έχετε κάνει είναι πολύ απαραίτητη για να σπάσετε μια συνέντευξη μοντελοποίησης δεδομένων.
- Τα πιο συνηθισμένα θέματα στο Μοντελοποίηση δεδομένων η συνέντευξη είναι - διαφορετικοί τύποι μοντέλων δεδομένων, τύποι σχημάτων, τύποι διαστάσεων και ομαλοποίηση.
- Να είστε καλά προετοιμασμένοι για ερωτήσεις βάσει σεναρίων.
Θα πρότεινα ότι κάθε φορά που απαντάτε σε μια ερώτηση στον ερευνητή, είναι καλύτερα να εξηγήσετε την ιδέα μέσω ενός παραδείγματος. Αυτό θα έδειχνε ότι έχετε εργαστεί πραγματικά σε αυτόν τον τομέα και κατανοείτε πολύ καλά τον πυρήνα της έννοιας.
Τα καλύτερα!!
πώς να περάσετε τον πίνακα ως παράμετρο στο java