Découvrez les services data de Google Cloud et apprenez à choisir le bon outil pour analyser, traiter et stocker des données.
Les flashcards combinées à la répétition espacée renforcent la mémorisation active. Vous révisez au bon moment, vous retenez plus durablement, et vous mesurez vos progrès carte après carte.
Carte 1
Explorer rapidement de gros volumes de données pour aider à la décision.
Explication
BigQuery est conçu pour analyser de grandes quantités de données afin de produire des indicateurs et des rapports stratégiques.
Erreur fréquente
Le confondre avec une base de données transactionnelle pour gérer les opérations quotidiennes en temps réel.
Carte 2
Gérer en continu d’énormes flux de données avec accès à faible latence.
Explication
Bigtable sert surtout aux charges à très grand volume nécessitant des lectures et écritures très rapides et régulières.
Erreur fréquente
Imaginer que Bigtable est fait pour les mêmes usages analytiques ad hoc que BigQuery.
Carte 3
Quand l’application utilise une base relationnelle classique avec schéma structuré.
Explication
Cloud SQL convient aux applications qui dépendent de bases relationnelles traditionnelles comme MySQL ou PostgreSQL.
Erreur fréquente
Penser que Cloud SQL remplace automatiquement l’entrepôt de données analytique de l’entreprise.
Carte 4
Des objets applicatifs structurés par documents, comme profils et paramètres utilisateurs.
Explication
Firestore stocke les données comme des documents hiérarchiques, pratiques pour représenter directement des objets métier d’applications.
Erreur fréquente
L’utiliser comme un simple tableur géant avec des jointures complexes entre collections.
Carte 5
Transformer et déplacer les données entre sources, zones de traitement et cibles.
Explication
Dataflow exécute des pipelines qui lisent, transforment et écrivent les données, en batch ou en continu.
Erreur fréquente
Le confondre avec un outil de visualisation ou un simple ordonnanceur de tâches.
Carte 6
Transmettre des événements de manière asynchrone entre producteurs et consommateurs.
Explication
Pub/Sub joue le rôle de bus de messages, séparant les applications qui émettent des événements de celles qui les traitent.
Erreur fréquente
Le considérer comme un stockage long terme ou un outil de requêtage analytique.
Carte 7
Sous forme de tables structurées en colonnes interrogeables par un langage de requête.
Explication
BigQuery expose des tables colonnes sur lesquelles on exécute des requêtes analytiques pour agréger et filtrer les données.
Erreur fréquente
Supposer que BigQuery stocke les données comme des objets applicatifs complexes imbriqués.
Carte 8
Des lignes identifiées par une clé, contenant des colonnes réparties sur plusieurs nœuds.
Explication
Chaque ligne de Bigtable est adressée par une clé unique, ce qui permet de répartir automatiquement les données sur un cluster.
Erreur fréquente
Croire qu’il fonctionne comme un système relationnel classique avec jointures et schémas rigides.
Carte 9
Un schéma relationnel fixe avec tables, colonnes typées et relations explicites.
Explication
Cloud SQL repose sur les concepts de bases relationnelles, avec schémas définis, contraintes et langage SQL transactionnel.
Erreur fréquente
Penser que la structure des données peut changer fréquemment sans migration ni contrôle de schéma.
Carte 10
En collections contenant des documents, eux-mêmes pouvant avoir des sous-collections.
Explication
La structure en collections et documents de Firestore reflète souvent l’organisation naturelle des objets d’une application.
Erreur fréquente
Tenter de reproduire une modélisation relationnelle complète avec nombreuses jointures explicites.
Créez votre compte Memia pour débloquer ce deck et lancer vos sessions de révision avec suivi de progression.