CertifyDeckCargando contenido…
El temario oficial de Google Cloud Certified Associate Data Practitioner, organizado por dominio. Marca cada punto según lo vayas repasando.
Inicia sesión para guardar tu progreso entre sesiones.
Prepare and process data
En ETL los datos se transforman antes de llegar a BigQuery (Dataflow, Cloud Data Fusion), útil si ya existe un proceso o se quiere ahorrar recursos de BigQuery; en ELT se cargan sin procesar y se transforman dentro con SQL y Dataform, el enfoque que Google recomienda en general. ETLT combina una limpieza previa, por ejemplo de datos sensibles, con transformaciones SQL tras la carga; exportar resultados a otros sistemas es ETL inverso.
Introduction to loading, transforming, and exporting data ↗Migrate data pipelines ↗
Storage Transfer Service es el servicio gestionado para copias en línea desde Amazon S3, Azure, HDFS, sistemas de archivos locales con agentes u otros buckets, programadas o por eventos. Transfer Appliance es un dispositivo para grandes volúmenes sin ancho de banda suficiente; gcloud storage, para copias pequeñas. BigQuery Data Transfer Service carga en BigQuery datos de SaaS o Cloud Storage, y Database Migration Service migra bases de datos.
Data transfer options ↗Migrate to Google Cloud: Transfer your large datasets ↗
Knowledge Catalog (antes Dataplex) ofrece análisis de perfil, con estadísticas por columna como nulos, valores distintos y más frecuentes, y análisis de calidad automática, que validan tablas de BigQuery con reglas integradas o SQL, umbrales, ámbito incremental, puntuaciones y avisos por correo. En Dataform, las aserciones fallan si su consulta devuelve filas; con SQL se pueden contar nulos y duplicados.
BigQuery data preparation limpia tablas de BigQuery con sugerencias de Gemini, pasos de filtro, deduplicación y validación con tabla de errores; con SQL se usan SAFE_CAST, TRIM, UPPER, UPDATE y ROW_NUMBER. Wrangler de Cloud Data Fusion limpia de forma visual antes de cargar, solo en lotes; Dataflow limpia en streaming o por lotes, con plantillas y UDF o con Apache Beam, y envía filas fallidas a una tabla dead-letter.
Extract and load data into appropriate Google Cloud storage systems
BigQuery carga datos Avro, CSV, JSON, ORC y Parquet. Avro, Parquet y ORC son autodescriptivos: BigQuery obtiene el esquema de los propios datos y se leen en paralelo aunque usen códecs de compresión internos. El CSV no admite datos anidados ni repetidos, el JSON debe ir delimitado por saltos de línea, y para CSV y JSON hay que activar la detección automática del esquema o declararlo; gzip es su única compresión admitida y frena la carga.
BigQuery Data Transfer Service programa cargas gestionadas en BigQuery desde aplicaciones SaaS, Cloud Storage, otras nubes y almacenes de datos, sin código y con backfills. Database Migration Service migra bases de datos a Cloud SQL y AlloyDB para PostgreSQL, de forma continua o única. Dataflow ejecuta canalizaciones de Apache Beam o plantillas de Google, y Cloud Data Fusion diseña canalizaciones visuales sin código.
Introduction to the BigQuery Data Transfer Service ↗Database Migration Service overview ↗
BigQuery sirve para analizar con SQL grandes volúmenes de datos, y Cloud Storage guarda objetos no estructurados de cualquier formato. Cloud SQL es la base de datos relacional gestionada para MySQL, PostgreSQL y SQL Server; Spanner es relacional con coherencia transaccional a escala global; Bigtable es un almacén clave-valor de baja latencia para series temporales e IoT; Firestore es la base de datos de documentos sin servidor.
Un bucket regional guarda los datos en varias zonas de una región y no tiene cargos de replicación; birregión y multirregión replican de forma asíncrona entre regiones y siguen sirviendo si cae una región, y la birregión permite elegir las regiones y activar la replicación turbo. En BigQuery la multirregión no da redundancia regional; Cloud SQL con alta disponibilidad protege frente a la caída de una zona, no de una región.
Los datos estructurados siguen un esquema fijo y encajan en bases relacionales como Cloud SQL o en tablas de BigQuery; los semiestructurados, como JSON, llevan claves pero no un esquema rígido y encajan en Firestore o en columnas JSON de BigQuery. Los no estructurados (imágenes, audio, vídeo, texto libre) se guardan como objetos en Cloud Storage y se analizan desde BigQuery con tablas de objetos.
What is unstructured data? ↗Work with JSON data in GoogleSQL ↗
Con bq load (o la sentencia LOAD DATA) se cargan archivos locales o de Cloud Storage en tablas de BigQuery, y gcloud storage cp o rsync suben archivos a buckets. Storage Transfer Service mueve datos gestionados hacia Cloud Storage desde otras nubes, URLs o sistemas de archivos locales con agentes; BigQuery Data Transfer Service programa cargas a BigQuery desde Cloud Storage y SaaS, y las bibliotecas de cliente lo hacen desde código.
Practica por dominio oficial y revisa la explicación de cada respuesta.
Empezar a practicar