Testen Sie Ihr Verständnis von Datenspeicherung-Themen, indem Sie über 100 Data Warehousing-MC-Fragen beantworten.
Scrollen Sie nach unten, um loszulegen!
A. Oracle Essbase
B. IBM TM1
C. Microsoft SSAs
D. Alles das oben Genannte
A. Es ist gleich wie bei der Datenvalidierung
B. Die Harmonisierung von Daten kann nicht als Datenschrubben angesehen werden
C. Es beinhaltet die Datenreinigung
D. Die Standardisierung von Daten kann nicht als Datenschrubben angesehen werden
A. Schneeflockenschema
B. Entitätsbeziehungsmodell
C. Sternschema
D. Fakt -Konstellationsschema
A. Auswählen der Zellen einer Dimension von Datenwßrfel
B. ZusammenfĂźhrung der Zellen aller bis auf eine Dimension
C. ZusammenfĂźhrung der Zellen entlang einer Dimension
D. Auswahl aller bis auf eine Dimension des DatenwĂźrfels.
A. Datenverlauf aufrechtzuerhalten
B. Datenqualität zu verbessern
C. Daten aus mehreren Quellen in mehreren Datenbanken zu sammeln
D. Daten aus mehreren Quellsystemen zu integrieren
A. ODS
B. Reinraumtisch
C. BĂźhnenbereich
D. Keine eindeutige Reinigungsphase, Daten, die während MDX -Abfragen gereinigt wurden
A. Es verwendet die beiden Datenspeicherungsniveaus, um dichte und spärliche Datensätze zu verarbeiten
B. Es bietet UnterstĂźtzung fĂźr fortgeschrittene Abfragen und Abfrageverarbeitung fĂźr SQL -Abfragen Ăźber Star- und Snowflake -Schemas
C. Es erleichtert OLTP -Operationen in SQL
D. Es verwendet Array-basierte mehrdimensionale Speichermotoren
A. Es ist notwendig, die Betriebsdaten frei von lagernden Vorgängen zu halten
B. Es enthält Daten, die aus mehreren Quellen abgeleitet wurden
C. Ein Data Warehouse kann es sich nicht leisten, beschädigte Daten darin zuzulassen
D. Ein Data Warehouse enthält zusammengefasste Daten, während die Betriebsdatenbank Transaktionsdaten enthält
A. Angabe eines bestimmten Jahres und einer bestimmten Region
B. Randomisierung des Jahres und der Region
C. Angabe eines bestimmten Jahres
D. Randomisierung des Jahres
A. Faktentabelle
B. Kerntabelle
C. Metadatentisch
D. Dimensionstabelle
A. Kann groĂe Datenmengen bewältigen
B. Leistung kann langsam sein
C. Alle angegebenen Optionen sind gĂźltig
D. Kann Funktionen nutzen, die der relationalen Datenbank inhärent sind
A. Alle angegebenen Optionen sind gĂźltig
B. Data Warehouses enthalten Daten, die im Allgemeinen in einem regulären Intervall aus den Betriebsdatenbanken geladen werden
C. Der Zeithorizont eines Data Warehouse ist länger als der von Betriebssystemen
D. Data Warehouse hält sowohl historische als auch (nahezu) aktuelle Daten bei
A. Molap -WĂźrfel sind fĂźr schnelle Datenabrufe erstellt
B. Molap -Wßrfel sind optimal fßr das Schneiden und Wßrfelvorgängen
C. Die Daten werden in einem mehrdimensionalen WĂźrfel gespeichert.
D. Alle angegebenen Optionen sind gĂźltig
A. Dadurch kĂśnnen Benutzer Daten aus vielen verschiedenen Dimensionen oder Winkeln analysieren
B. Alle angegebenen Optionen sind gĂźltig
C. Es ist der Prozess der Analyse von Daten aus verschiedenen Perspektiven und Zusammenfassung in nĂźtzlichen Informationen
D. Es ist der Prozess, Korrelationen oder Muster zwischen verschiedenen Bereichen zu finden
A. Sql
B. ETL
C. Olap
D. OLTP
A. Inkrementelle Extraktion
B. Sowohl vollständige Extraktion als auch inkrementelle Extraktion
C. Vollständige Extraktion
D. Online -Extraktion
A. Alle angegebenen Optionen sind wahr
B. Es handelt sich um Kopie der Transaktionsdaten
C. Es soll die Berichterstattung und Analyse erleichtern
D. Es ist ein nichtflĂźchtiges zeitvariante Repository
A. Es wird durch zentralisierte Faktentische dargestellt
B. Es ist eine logische Anordnung von Tabellen in einer mehrdimensionalen Datenbank
C. Alles das oben Genannte
D. Es ist eine Variation des Sternschemas
A. Extrahieren, transformieren, laden
B. Testsprache extrahieren
C. Exportieren, Ăźbertragen, beladen
D. Exportieren, Ăźbersetzen, laden
A. Sternschema
B. Schneeflockenschema
C. Fakt -Konstellationsschema
D. Alle angegebenen Optionen sind gĂźltig
A. OLTP
B. Relationale Datenbank
C. ODS
D. OLAP- oder Mehrdimensionale Datenbank
A. Sternschema
B. Oltp
C. Olap
D. Schneeflockenschema
A. Wenn die beiden Quellen mehrere passende Spalten haben
B. Wenn die beiden Quellen eine primäre Keilbeziehung haben
C. Alles das oben Genannte
D. Wenn die beiden Quellen heterogen sind
A. Das atomarste Niveau, auf dem die Fakten definiert werden kĂśnnen
B. Die Rohdaten, aus denen die Fakten abgeleitet sind
C. Die Richtung entlang der additiven MaĂnahmen kĂśnnen kombiniert werden
D. das Verhältnis von Fakten zu Dimensionen
A. Bohrer
B. Herunterrollen
C. Aufrollen
D. AufreiĂen
A. Crossjoin
B. Alle Mitglieder
C. Blätter
D. Unterscheidbar
A. Forran
B. Mdx
C. Sql
D. SPSS
A. WĂźrfel
B. verbinden
C. Drehzahl
D. Scheibe
A. Transaktionsvolumen
B. Bruttogewinn
C. Kosten
D. Ausfallwahrscheinlichkeit
A. Es rotiert die Datenachsen in der Sicht, um eine alternative Präsentation von Daten bereitzustellen
B. Zwei aufeinanderfolgende Slice -Operationen in zwei verschiedenen Dimensionen
C. Es ist auch als Rotation bekannt
D. Alle angegebenen Optionen sind gĂźltig
A. CRC
B. (beide Entscheidungen)
C. (Keine dieser Entscheidungen)
D. PrĂźfspalten
A. /* diese Linie */
B. // diese Linie
C. ## diese Linie
D. -- diese Linie
A. Eine Zugriffsschicht, die eine Teilmenge eines Data Warehouse umfasst
B. Ein Online -Austausch, an dem Unternehmen Geschäftsinformationen tauschen kÜnnen
C. Ein Schema, das Daten zu Fakten und Dimensionen organisiert
D. Ein zentrales Repository, in dem separate Organisationen Daten sicher sichern kĂśnnen
A. Das Stern- und Schneeflockenschema enthält zwei Faktentische
B. Das Schneeflockenschema enthält zwei Faktentische
C. Faktenkonstellationsschema enthält zwei Faktentabellen
D. Sternschema enthält zwei Faktentische
A. Produktname, wenn eine Produktdimensionstabelle existiert
B. Speichern Sie UID, wenn ein Speicherdimensionstisch existiert
C. Einheiten verkauft
D. Nichts des oben Genannten
A. Betreff orientiert
B. FlĂźchtig
C. Nicht flĂźchtig
D. Integriert
A. Datenbank
B. Olap
C. Oltp
D. Data Warehousing Env
A. Aufrollen
B. Herunterrollen
C. AufreiĂen
D. Bohrer
A. Olap
B. OLTP
C. Sowohl OLAP als auch OLTP
D. Weder OLAP noch OLTP
A. Ein Array, in dem Daten gespeichert und durch mehrere Dimensionen gekennzeichnet sind
B. Nichts des oben Genannten
C. Ein dreidimensionales Array fĂźr die Online-Analyseverarbeitung
D. Ein Dimensional-Reduktions-Vorgang, der Daten zusammenfasst
A. Normalisierung
B. Alles das oben Genannte
C. Pivot -Tabellen
D. Primärschlßssel
A. Alle Optionen sind korrekt
B. Olap
C. Data Warehousing Env
D. Oltp
A. Es verwendet nur eine Ebene der Datenspeicherdarstellung, um spärliche Datensätze zu verarbeiten
B. Es verwendet nur eine Ebene der Datenspeicherdarstellung, um dichte Datensätze zu verarbeiten
C. Es verwendet eine Ebene der Datenspeicherdarstellung, um sowohl dichte als auch spärliche Datensätze zu verarbeiten
D. Es verwendet zwei Ebenen der Datenspeicherdarstellung, um dichte und spärliche Datensätze zu verarbeiten
A. Die WĂźrfeloperation fĂźhrt eine Auswahl von zwei oder mehr Dimensionen auf einem bestimmten WĂźrfel durch
B. Es bildet ein neues Unterkube, indem es eine oder mehrere Dimensionen auswählt
C. Die WĂźrfeloperation fĂźhrt eine Auswahl einer Dimension auf einem bestimmten WĂźrfel durch
D. Es navigiert die Daten von weniger detaillierten Daten bis hin zu sehr detaillierten Daten
A. WĂźrfel
B. Scheibe
C. rotieren
D. Drill-Across
A. Normalisierter Ansatz
B. Weder dimensionaler noch normalisierter Ansatz
C. Sowohl dimensional als auch normalisierter Ansatz
D. Dimensionsansatz
A. Delta, Byte-Dictionary, LZO
B. Meistens8, RunLength, roh
C. Byte-Dictionary, Lzo, Delta
D. Lzo, Delta, roh
A. Lesen und Schreiben
B. SchreibgeschĂźtzt
C. Nur schreiben
D. Schreiben Sie dekonditional
A. Integriertes Data Warehouse
B. PĂźnktlich Data Warehouse
C. Offline -Betriebsdatenlager
D. Offline -Data Warehouse
A. Relational
B. Mehrdimensional
C. Hybrid
D. Analytisch