Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lernen Herausforderung: Fehlerbehandlung | Fortgeschrittene BigQuery-Anwendungen und Optimierung
BigQuery Grundlagen

Herausforderung: Fehlerbehandlung

Swipe um das Menü anzuzeigen

Aufgabe

Überarbeiten Sie die bereitgestellte Abfrage unter Verwendung der Tabelle sales_data, sodass sie robust, fehlertolerant und im Umgang mit inkonsistenten Daten zuverlässig ist.

  1. Implementierung fehlertoleranter Berechnungen zur Vermeidung von Laufzeitfehlern:
  • Verwendung von SAFE_DIVIDE für Divisionen, um Division durch Null zu verhindern;
    • Einsatz von COALESCE in der Spalte sales_price, um NULL-Werte durch 0 zu ersetzen;
  • Sicherstellung, dass die Abfrage berechnete Spalten fehlerfrei zurückgibt.
  1. Sicheres Navigieren in Arrays zur Vermeidung von Indexüberschreitungen:
  • Nutzung von SAFE_OFFSET zum Extrahieren von Elementen aus Arrays;
  • Sicherstellen, dass fehlende Indizes NULL zurückgeben, anstatt die Abfrage zum Absturz zu bringen.
  1. Wahrung der strukturellen Integrität und Hinzufügen von Validierungskennzeichen:
    • Behandlung von LEFT JOIN-Nullwerten durch Ersetzen fehlender verbundener Werte mit "Unknown";
  • Hinzufügen einer neuen Spalte zur Kennzeichnung potenzieller Datenqualitätsprobleme (z. B. fehlende Daten, negativer Preis, ungültige Menge);
  • Sicherstellen, dass die finale Abfrage Datenprobleme zur Fehlersuche sichtbar hält, anstatt sie stillschweigend herauszufiltern.
Note
Hinweis

Robuste Fehlerbehandlung basiert auf drei Säulen: Sichere Division, Sicherer Array-Zugriff und Nullwertbehandlung. Eine Abfrage ist nur so stark wie ihre Fähigkeit, mit unerwarteten Daten umzugehen.

War alles klar?

Wie können wir es verbessern?

Danke für Ihr Feedback!

Abschnitt 4. Kapitel 4

Fragen Sie AI

expand

Fragen Sie AI

ChatGPT

Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen

Abschnitt 4. Kapitel 4
some-alt