{"id":1724,"date":"2024-06-03T18:53:01","date_gmt":"2024-06-03T16:53:01","guid":{"rendered":"https:\/\/ittester.sk\/automatisiertes-testen\/etl-testing-fragen-zum-gesprach\/"},"modified":"2024-07-11T09:43:48","modified_gmt":"2024-07-11T07:43:48","slug":"etl-testing-fragen-zum-gesprach","status":"publish","type":"post","link":"https:\/\/ittester.sk\/de\/vorstellungsgesprach-fragen\/etl-testing-fragen-zum-gesprach\/","title":{"rendered":"28 Interviewfragen und -antworten f\u00fcr ETL-Tests"},"content":{"rendered":"\n<p>ETL-Tests werden verwendet, um die Korrektheit der Datenmigration von der Quelldatenbank in die Zieldatenbank sowie die \u00dcberpr\u00fcfung der Transformationsregeln zu verifizieren.<\/p>\n\n<p>In diesem Artikel haben wir eine Liste mit h\u00e4ufig gestellten Fragen zu ETL-Testing-Interviews zusammengestellt.  <\/p>\n\n<h2 class=\"wp-block-heading\">Fragen und Antworten zum ETL-Test<\/h2>\n\n<p><strong>Frage.1. Was ist ETL?<\/strong><\/p>\n\n<p>A: Die Abk\u00fcrzung ETL steht f\u00fcr Extrahieren, Transformieren und Laden. Diese drei Funktionen sind Datenbankfunktionen und werden an Daten ausgef\u00fchrt, um sie aus einer oder mehreren Quellen (Datenbank) in eine andere (Datenbank) zu ziehen.<\/p>\n\n<p><strong>Frage.2. Was ist der ETL-Prozess?<\/strong><\/p>\n\n<p>A: Der ETL-Prozess besteht aus drei Schritten:<\/p>\n\n<ul class=\"wp-block-list\">\n<li><strong>Extraktion<\/strong> &#8211; In diesem Schritt werden die Daten aus einer oder mehreren Quelldatenbanken extrahiert.<\/li>\n\n\n\n<li><strong>Transformation<\/strong> &#8211; In diesem zweiten Schritt werden die Daten in ein f\u00fcr die Zieldatenbank geeignetes Format umgewandelt.<\/li>\n\n\n\n<li><strong>Laden<\/strong> &#8211; die transformierten Daten werden schlie\u00dflich in die Zieldatenbank geladen.<\/li>\n<\/ul>\n\n<p><strong>Frage.3. Was sind ETL-Tests? Oder wie wichtig ist das ETL-Testen?<\/strong><\/p>\n\n<p>Antwort: ETL-Tests werden durchgef\u00fchrt, um die Genauigkeit der in die Zieldatenbank geladenen Daten zu gew\u00e4hrleisten. Es stellt auch sicher, dass die erforderlichen Datenumwandlungsregeln befolgt werden und dass w\u00e4hrend des ETL-Prozesses keine Daten verloren gehen.  <\/p>\n\n<p><strong>Frage. 4. Was sind die verschiedenen Herausforderungen bei ETL-Tests?<\/strong><\/p>\n\n<p>A: Die verschiedenen Herausforderungen bei ETL-Tests sind:<\/p>\n\n<ul class=\"wp-block-list\">\n<li>Unverf\u00fcgbarkeit von Testdaten, da ETL-Tests gro\u00dfe Mengen an Testdaten erfordern.  <\/li>\n\n\n\n<li>Mangel an qualifizierten Ressourcen, da ETL-Tests komplexe SQL-Abfragen erfordern.<\/li>\n\n\n\n<li>Die Entwicklung von Testf\u00e4llen ist schwierig, da ETL-Tests die Arbeit mit gro\u00dfen Datenmengen erfordern.<\/li>\n\n\n\n<li>Die verf\u00fcgbaren Testdaten decken m\u00f6glicherweise nicht alle m\u00f6glichen Szenarien ab.<\/li>\n\n\n\n<li>Datenverlust w\u00e4hrend der ETL-Tests.<\/li>\n<\/ul>\n\n<p><strong>Frage.5. Was sind die vier Arten von ETL-Tests? Erl\u00e4utern Sie kurz jedes dieser Elemente.<\/strong><\/p>\n\n<p>Antwort: Dies ist eine der am h\u00e4ufigsten gestellten Fragen in einem ETL-Testgespr\u00e4ch.  <\/p>\n\n<ul class=\"wp-block-list\">\n<li>Testen eines neuen Data Warehouse &#8211; Bei dieser Art von Test wird ein neues Data Warehouse von Grund auf neu erstellt. Die Eingabedaten erhalten Sie vom Kunden.<\/li>\n\n\n\n<li>Migrationstests &#8211; Diese Art von Tests ist erforderlich, wenn Daten von einer alten Datenbank in eine neue Datenbank migriert werden.<\/li>\n\n\n\n<li>\u00c4nderungsanfrage &#8211; Bei dieser Art von Test werden Daten aus verschiedenen Quellen abgerufen und in eine bestehende Datenbank geladen.<\/li>\n\n\n\n<li>Testen von Berichten &#8211; Beim Testen von Berichten werden die Richtigkeit der Daten, die Zugriffsrechte und das Layout der im Data Warehouse-System erstellten Berichte gepr\u00fcft.<\/li>\n<\/ul>\n\n<p><strong>Frage.6. Was ist das Star-Schema?<\/strong><\/p>\n\n<p>A: Ein Sternschema ist ein mehrdimensionales Schema, das zur Modellierung von Data-Warehousing-Systemen verwendet wird. Sie enth\u00e4lt eine oder mehrere Faktentabellen und mehrere Dimensionstabellen. Die Faktentabelle befindet sich in der Mitte und es sind mehrere Dimensionstabellen mit ihr verbunden, die die Form eines Sterns haben.  <\/p>\n\n<p><strong>Frage.7. Was ist das Snowflake-Schema?<\/strong><\/p>\n\n<p>Antwort Das Schneeflockenschema ist ein mehrdimensionales Schema, das zur Modellierung von Data-Warehousing-Systemen verwendet wird. Ein Snowflake-Schema enth\u00e4lt eine oder mehrere Faktentabellen, mehrere Dimensionstabellen und Subdimensionstabellen. Es ist eine Erweiterung des Sternmusters und \u00e4hnelt der Form einer Schneeflocke.<\/p>\n\n<p><strong>Frage.8. Was ist eine Faktentabelle?<\/strong><\/p>\n\n<p>Antwort: Die Faktentabelle im Dimensionsmodell enth\u00e4lt quantitative Informationen \u00fcber Fakten, die f\u00fcr das Gesch\u00e4ft relevant sind. Faktentabellen werden f\u00fcr Analysen verwendet und sind oft denormalisiert.<\/p>\n\n<p>Die Faktentabelle besteht aus zwei Arten von Spalten: den &#8222;Fremdschl\u00fcssel&#8220;-Spalten und den &#8222;Measures&#8220;-Spalten. Die &#8218;Foreign Key&#8216;-Spalten werden verwendet, um auf die Dimensionstabellen zu verweisen und die &#8218;Measures&#8216;-Spalten enthalten die zu analysierenden Daten.<\/p>\n\n<p>Einige Beispiele f\u00fcr Fakten sind die Anzahl der verkauften Produkte, die Anzahl der eingegangenen Bestellungen, usw.<\/p>\n\n<p><strong>Frage.9. Was sind die drei Arten von Fakten?<\/strong><\/p>\n\n<p>Antwort: Die drei Arten von Fakten sind:<\/p>\n\n<ul class=\"wp-block-list\">\n<li><strong>Additiv<\/strong> &#8211; additive Fakten sind Fakten, bei denen jede Dimension summiert werden kann.<\/li>\n\n\n\n<li><strong>Semiadditiv<\/strong> &#8211; Semiadditive Fakten sind Fakten, f\u00fcr die einige Dimensionen summiert werden k\u00f6nnen, aber nicht alle.<\/li>\n\n\n\n<li><strong>Nicht-additiv<\/strong> &#8211; Nicht-additive Fakten sind Fakten, bei denen keine der Dimensionen addiert werden kann.<\/li>\n<\/ul>\n\n<p><strong>Frage. 10. Was ist eine Transaktionsfaktentabelle?<\/strong><\/p>\n\n<p>Antwort: Die transaktionale Faktentabelle ist eine der drei Arten von Faktentabellen und die grundlegendste. In dieser Art von Faktentabelle wird jedes Ereignis nur einmal gespeichert und enth\u00e4lt die Daten der untersten Ebene. Au\u00dferdem ist die Anzahl der Zeilen in dieser Faktentabelle \u00e4hnlich wie die Anzahl der Zeilen in der Quelltabelle.  <\/p>\n\n<p><strong>Frage.11. Was ist eine Periodic Snapshot Fact Table?<\/strong><\/p>\n\n<p>A: In dieser Art von Faktentabelle kann ein Ereignis mehrfach gespeichert werden und erfasst den Zustand der Fakten in vordefinierten Zeitr\u00e4umen.<\/p>\n\n<p><strong>Frage.12. Was ist eine kumulative oder kumulative Snapshot-Faktentabelle?<\/strong><\/p>\n\n<p>Antwort: Die kumulierte Faktentabelle ist die anspruchsvollste aller Faktentabellentypen und kann verwendet werden, wenn ein Gesch\u00e4ftsprozess einen eindeutigen Anfang und ein eindeutiges Ende hat.  <\/p>\n\n<p><strong>Frage.13. Was bedeutet Grain im Zusammenhang mit einer Faktentabelle?<\/strong><\/p>\n\n<p>A: &#8222;Grain&#8220; in der Faktentabelle steht f\u00fcr die Detailstufe einer einzelnen Zeile.<\/p>\n\n<p><strong>Frage. 14. Was ist eine Faktentabelle ohne Fakten?<\/strong><\/p>\n\n<p>Antwort: Eine Faktentabelle ohne Fakten enth\u00e4lt keine Messungen oder Fakten. Au\u00dferdem enth\u00e4lt es nur &#8222;Fremdschl\u00fcssel&#8220;-Spalten, um die Beziehung zwischen den Dimensionen herzustellen.<\/p>\n\n<p><strong>Frage.15. Was ist eine Dimensionstabelle?<\/strong><\/p>\n\n<p>Antwort: Eine Dimensionstabelle ist eine der beiden Arten von Tabellen, die bei der Dimensionsmodellierung verwendet werden, die andere ist eine Faktentabelle. Die Dimensionstabelle beschreibt die Dimensionen oder beschreibenden Kriterien der Objekte in der Faktentabelle, z.B. Dimension Ort kann Stra\u00dfe, Stadt, Postleitzahl, Bundesland usw. enthalten.<\/p>\n\n<p><strong>Frage.16. Nennen Sie einige Arten von Dimensionen.<\/strong><\/p>\n\n<p>Antwort: Die folgenden Arten von Dimensionen sind:<\/p>\n\n<ul class=\"wp-block-list\">\n<li>Langsam wechselnde Dimension<\/li>\n\n\n\n<li>Konforme Dimension<\/li>\n\n\n\n<li>Schrott-Dimension\/Dreck-Dimension<\/li>\n\n\n\n<li>De-generierte Dimension<\/li>\n\n\n\n<li>Br\u00fccke Dimension<\/li>\n<\/ul>\n\n<p><strong>Frage .17. Was ist SCD?<\/strong><\/p>\n\n<p>A: SCD steht f\u00fcr Slowly Changing Dimensions. Dies ist eine Art von Dimension. SCDs sind Dimensionen, deren Attribute sich nicht regelm\u00e4\u00dfig, sondern im Laufe der Zeit \u00e4ndern.<\/p>\n\n<p>Zum Beispiel &#8211; Kundendimension. Die Attribute der Kundendimension, wie Adresse und Kundenname, \u00e4ndern sich nicht h\u00e4ufig.  <\/p>\n\n<p><strong>Frage.18. Welche Arten von SCD gibt es? Erl\u00e4utern Sie kurz jedes dieser Elemente.<\/strong><\/p>\n\n<p>Antwort: Arten von SCD:<\/p>\n\n<ul class=\"wp-block-list\">\n<li><strong>Typ 0<\/strong> &#8211; Bei diesem Typ \u00e4ndern sich die Attribute der Dimension nie, z.B. DoB &#8211; Geburtsdatum.<\/li>\n\n\n\n<li><strong>Typ 1<\/strong> &#8211; Bei dieser Art von SCD \u00fcberschreiben die neuen Informationen die alten Daten und es werden keine historischen \u00c4nderungen nachverfolgt. Zum Beispiel. das Attribut &#8222;Stadt&#8220; in der Dimension Kunde \u00e4ndern, wenn der Kunde die Stadt \u00e4ndert.  <\/li>\n\n\n\n<li><strong>Typ 2<\/strong> &#8211; Bei dieser Art von SCD werden neue Informationen zu einer neuen Zeile hinzugef\u00fcgt und die Verfolgung historischer \u00c4nderungen wird beibehalten. Dem neuen Datensatz wird ein neuer Prim\u00e4rschl\u00fcssel zugewiesen. z.B.. in dem obigen Beispiel der \u00c4nderung der Stadt wird ein neuer Datensatz hinzugef\u00fcgt, um eine neue Stadt hinzuzuf\u00fcgen.  <\/li>\n\n\n\n<li><strong>Typ 3<\/strong> &#8211; Bei diesem Typ wird nicht wie bei Typ 2 eine neue Zeile erstellt, sondern eine neue Spalte hinzugef\u00fcgt, z.B. im obigen Beispiel einer Stadt\u00e4nderung werden zwei zus\u00e4tzliche Spalten, &#8222;Neue Stadt&#8220; und &#8222;Jahr&#8220; oder &#8222;Datum&#8220;, hinzugef\u00fcgt.<\/li>\n\n\n\n<li><strong>Typ 4<\/strong> &#8211; Bei dieser Art von SCD wird eine separate &#8222;Verlaufstabelle&#8220; oder Mini-Dimension erstellt, um \u00c4nderungen zu verfolgen. Die aktuellen Attributwerte werden in der Dimensionstabelle angezeigt, und alle \u00c4nderungen oder alten Werte werden in der Verlaufstabelle angezeigt.<\/li>\n\n\n\n<li><strong>Typ 5<\/strong> &#8211; Bei diesem Typ wird eine Minidimension vom Typ 4 verwendet und eine Referenz vom Typ 1, um die Minidimensionstabelle in der Basis-Bema\u00dfungstabelle zu referenzieren.  <\/li>\n\n\n\n<li><strong>Typ 6<\/strong> &#8211; Bei diesem Typ von SCD wird eine Kombination der Typen 1, 2 und 3 verwendet. Sie ist auch als &#8222;hybride&#8220; Methode bekannt.<\/li>\n<\/ul>\n\n<p><strong>Frage. 19. Was ist die konforme Dimension?<\/strong><\/p>\n\n<p>Antwort: Diese Arten von Dimensionen k\u00f6nnen an mehreren Stellen mit unterschiedlichen Faktentabellen entweder in einer einzigen Datenbank oder in mehreren Data Marts verwendet werden.<\/p>\n\n<p>Einige Beispiele f\u00fcr konforme Dimensionen sind die Kundendimension, die Produktdimension, die Zeitdimension, usw. z.B.. Die Produktdimension kann verwendet werden, um die Anzahl der verkauften Produkte und den erzielten Umsatz zu berechnen.<\/p>\n\n<p><strong>Frage 20. Was ist die Junk-Dimension oder Schmutzige Dimension?<\/strong><\/p>\n\n<p>Antwort: Wie der Name schon sagt, enthalten diese Dimensionen Junk-Attribute oder zuf\u00e4llige Attribute, die zu keiner bestimmten Dimension geh\u00f6ren. Solche Dimensionen werden erstellt, damit viele Fremdschl\u00fcssel in der Faktentabelle vermieden werden k\u00f6nnen.<\/p>\n\n<p><strong>Frage. 21. Was ist die Degenerierte Dimension?<\/strong><\/p>\n\n<p>Antwort Eine degenerierte Dimension ist eine Dimension, die keine eigene Dimension hat, sondern Teil einer Faktentabelle ist, z.B. die Bon- oder Rechnungsnummer hat keine eigene Dimensionstabelle. Da sie jedoch aus gesch\u00e4ftlicher Sicht sehr wichtig ist, wird sie in einer Faktentabelle gespeichert.<\/p>\n\n<p><strong>Frage.22. Was ist ein Data Mart?<\/strong><\/p>\n\n<p>A: Ein Data Mart ist eine Datenbank, die Daten enth\u00e4lt, die in einem der Segmente eines Data Warehouse gespeichert sind. Mit anderen Worten: Ein Data Mart ist eine Teilmenge eines Data Warehouse. Diese Data Warehouse-Segmente geh\u00f6ren in der Regel zu einzelnen Unternehmensbereichen wie Finanzen, Marketing, Vertrieb usw.  <\/p>\n\n<p><strong>Frage. 23. Was ist ein BUS-Diagramm?<\/strong><\/p>\n\n<p>Antwort: Das BUS-Schema enth\u00e4lt konforme Dimensionen. Mit anderen Worten: Es wird verwendet, um die gemeinsamen Dimensionen aller Data Warehouses in einem Unternehmen zu identifizieren.  <\/p>\n\n<p><strong>Frage. 24. Was sind die drei Ebenen des ETL-Zyklus? Erkl\u00e4ren Sie sie kurz.<\/strong><\/p>\n\n<p>Antwort: Die drei Schichten des ETL-Zyklus sind.<\/p>\n\n<ul class=\"wp-block-list\">\n<li><strong>Staging Layer<\/strong> &#8211; wird auch als Quellebene bezeichnet. Diese Ebene wird verwendet, um Daten aus verschiedenen Datenquellen zu speichern.  <\/li>\n\n\n\n<li><strong>Integrationsschicht<\/strong> &#8211; Nachdem die Quelldaten transformiert wurden, werden sie in der Integrationsschicht gespeichert. In dieser Schicht werden die Daten in einer Datenbank gespeichert.<\/li>\n\n\n\n<li><strong>Zugriffsebene<\/strong> &#8211; auch als Dimensionsebene bekannt. Es ist die Front-End-Schicht, die vom Endbenutzer zur Erstellung von Berichten verwendet wird.<\/li>\n<\/ul>\n\n<p><strong>Frage. 25. Was ist ein Bereitstellungsraum?<\/strong><\/p>\n\n<p>A: Ein Staging-Bereich wird auch als &#8222;Landezone&#8220; bezeichnet, in der Daten aus verschiedenen Quellen vor\u00fcbergehend gespeichert werden. Der Staging-Bereich ist wichtig, da alle Daten in einem Bereich verf\u00fcgbar sein sollten, bevor sie in das Data Warehouse oder Data Mart geladen werden. Es wird verwendet, um die Daten zu speichern und zu bereinigen, bevor sie in die Zieldatenbank \u00fcbertragen werden.<\/p>\n\n<p><strong>Frage. 26. Was ist ODS?<\/strong><\/p>\n\n<p>A: ODS steht f\u00fcr Operational Data Store. Es wird f\u00fcr die operative Berichterstattung \u00fcber Daten aus verschiedenen Data Warehouses verwendet. Sie enth\u00e4lt auch eine Momentaufnahme der neuesten Daten aus diesen Quellen.<\/p>\n\n<p><strong>Frage.27. Was sind aktive und passive Transformationen? Erkl\u00e4ren Sie sie kurz.<\/strong><\/p>\n\n<p>Antwort:  <\/p>\n\n<ul class=\"wp-block-list\">\n<li>Aktive Transformation &#8211; Bei dieser Art der Transformation \u00e4ndert sich die Anzahl der Zeilen, wenn Daten von der Quell- in die Zieldatenbank \u00fcbertragen werden.<\/li>\n\n\n\n<li>Passive Transformation &#8211; Bei dieser Art der Transformation \u00e4ndert sich die Anzahl der Zeilen nicht, wenn die Daten in die Zieldatenbank \u00fcbertragen werden.  <\/li>\n<\/ul>\n\n<p><strong>Frage. 28. Was ist Datenbereinigung?<\/strong><\/p>\n\n<p>A: Datenbereinigung ist der Prozess des Entfernens oder L\u00f6schens unerw\u00fcnschter Daten aus einem Data Warehouse. Dies geschieht normalerweise, um Speicherplatz in der Datenbank freizugeben.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>ETL-Tests werden verwendet, um die Korrektheit der Datenmigration von der Quelldatenbank in die Zieldatenbank sowie die \u00dcberpr\u00fcfung der Transformationsregeln zu verifizieren.<\/p>\n","protected":false},"author":8,"featured_media":1722,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[19],"tags":[],"class_list":["post-1724","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-vorstellungsgesprach-fragen"],"acf":[],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/ittester.sk\/de\/wp-json\/wp\/v2\/posts\/1724","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ittester.sk\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/ittester.sk\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/ittester.sk\/de\/wp-json\/wp\/v2\/users\/8"}],"replies":[{"embeddable":true,"href":"https:\/\/ittester.sk\/de\/wp-json\/wp\/v2\/comments?post=1724"}],"version-history":[{"count":3,"href":"https:\/\/ittester.sk\/de\/wp-json\/wp\/v2\/posts\/1724\/revisions"}],"predecessor-version":[{"id":1727,"href":"https:\/\/ittester.sk\/de\/wp-json\/wp\/v2\/posts\/1724\/revisions\/1727"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/ittester.sk\/de\/wp-json\/wp\/v2\/media\/1722"}],"wp:attachment":[{"href":"https:\/\/ittester.sk\/de\/wp-json\/wp\/v2\/media?parent=1724"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/ittester.sk\/de\/wp-json\/wp\/v2\/categories?post=1724"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/ittester.sk\/de\/wp-json\/wp\/v2\/tags?post=1724"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}