Name: Lọc mô hình dữ liệu trong phỏng vấn loại bỏ rất nhiều kỹ sư dữ liệu! Cách mô hình hóa các chiều thay đổi chậm (Data modeling interview filters so many data engineers! How to model slowly-changing dimensions)
Uploaded: 2026-03-28T09:25:04.000Z
Duration: 2 min 58 s
Description: Thousands of YouTube videos with English-Chinese subtitles! Now you can learn to understand native speakers, expand your vocabulary, and improve your pronunciation...

A lot of data engineers in data engineering interviews get filtered out in the data modeling round because they don't really understand it very well.

Rất nhiều kỹ sư dữ liệu trong các buổi phỏng vấn kỹ thuật dữ liệu bị loại ở vòng mô hình hóa dữ liệu vì họ không thực sự hiểu rõ về nó.

And if you ask around, like, "Oh, how do you learn data modeling?" some people might say, "Go read the Kimbell book." Some people say, "Go read the Inman book," or whatever, right?

Và nếu bạn hỏi xung quanh, kiểu như, "Ồ, bạn học mô hình hóa dữ liệu như thế nào?" một số người có thể nói, "Hãy đọc cuốn Kimbell book." Một số người nói, "Hãy đọc cuốn Inman book," hoặc bất cứ thứ gì, đúng không?

And, um, at least for me, the way that I learned data modeling was mostly through experience and, like, through testing things out and trying things out and experimenting while I've been on jobs.

Và, ừm, ít nhất là đối với tôi, cách tôi học mô hình hóa dữ liệu chủ yếu là thông qua kinh nghiệm và, kiểu như, thông qua việc thử nghiệm mọi thứ và làm thử mọi thứ và thử nghiệm khi tôi làm việc.

So that's been one of the ways that I've been able to kind of learn efficient data modeling.

Vì vậy, đó là một trong những cách tôi có thể học được cách mô hình hóa dữ liệu hiệu quả.

So here are a couple key components to efficient data modeling, right?

Vậy đây là một vài thành phần chính để mô hình hóa dữ liệu hiệu quả, đúng không?

So one is learning how to model dimensions effectively, right?

Một là học cách mô hình hóa các chiều một cách hiệu quả, đúng không?

So dimensions are interesting because they are, like, attributes of a noun, right?

Các chiều rất thú vị vì chúng giống như các thuộc tính của một danh từ, đúng không?

So maybe it's an attribute of a human, like a user, or maybe it's an attribute of, like, a listing, if it's an Airbnb or something.

Vậy có thể đó là thuộc tính của một con người, như người dùng, hoặc có thể đó là thuộc tính của, kiểu như, một danh sách, nếu đó là Airbnb hoặc thứ gì đó.

And some of these attributes are unchanging, right?

Và một số thuộc tính này là không thay đổi, đúng không?

Like, for example, my birthday is unchanging.

Ví dụ, ngày sinh của tôi là không thay đổi.

It's the same—like, that day I can't change.

Nó cũng vậy thôi—kiểu như, ngày đó tôi không thể thay đổi.

But other dimensions for me do change, right?

Nhưng các chiều khác đối với tôi thì có thay đổi, đúng không?

Like, my age, for example, changes over time, right?

Ví dụ, tuổi của tôi thay đổi theo thời gian, đúng không?

Right now I'm 29, but, you know, next year I'll be 30, right?

Hiện tại tôi 29 tuổi, nhưng sang năm tôi sẽ 30 tuổi, đúng không?

And that dimension is a changing dimension for me, right?

Và chiều đó là một chiều thay đổi đối với tôi, đúng không?

Same with things like maybe my favorite food over time changes as I, you know, learn more cultures and I eat more food.

Tương tự với những thứ như món ăn yêu thích của tôi theo thời gian thay đổi khi tôi, bạn biết đấy, học hỏi nhiều nền văn hóa hơn và tôi ăn nhiều món hơn.

I'm like, "Oh, actually, lasagna is no longer number one," right?

Tôi kiểu như, "Ồ, thực ra, lasagna không còn là số một nữa," đúng không?

Maybe it's, uh, some sort of curry or some sort of other thing, right?

Có lẽ đó là, ừm, một loại cà ri nào đó hoặc một thứ gì đó khác, đúng không?

And so those are—the big thing I'm talking about here is understanding, like, when it's a fixed dimension, right, versus a slowly changing dimension, which is a dimension that kind of changes with time and has that, like, temporal component to it, like my favorite food.

Và vì vậy, những thứ đó—điều quan trọng tôi đang nói ở đây là hiểu, kiểu như, khi nào đó là một chiều cố định, đúng không, so với một chiều thay đổi chậm, là một chiều mà nó thay đổi theo thời gian và có cái, kiểu như, yếu tố thời gian đi kèm với nó, giốn

And so then you can kind of learn about the different ways to model slowly changing dimensions, uh, because fixed dimensions are really easy because it's just, like, a column and a user, right, ID, and

Và vì vậy bạn có thể tìm hiểu về các cách khác nhau để mô hình hóa chiều thay đổi chậm, vì chiều cố định rất dễ vì nó chỉ giống như một cột và một người dùng, đúng không, ID, và

then the dimension value, and that doesn't change.

sau đó là giá trị chiều, và cái đó không thay đổi.

But slowly changing dimensions, there's a—you know, there's type one, type two, type three.

Nhưng chiều thay đổi chậm, có loại một, loại hai, loại ba.

I really like, uh, the type two—SED type two way of modeling.

Tôi thực sự thích, ừm, cách mô hình hóa kiểu hai—SED kiểu hai.

I think that that's the most effective way.

Tôi nghĩ đó là cách hiệu quả nhất.

And how that works, right, is, uh, you can have multiple rows for a dimension,

Và cách hoạt động của nó, đúng không, là, ừm, bạn có thể có nhiều hàng cho một chiều,

but each row has a start date and an end date.

nhưng mỗi hàng có ngày bắt đầu và ngày kết thúc.

And, like, if it's the current one, the end date is just, like, really far into the future.

Và, giống như, nếu đó là cái hiện tại, ngày kết thúc chỉ là, giống như, rất xa trong tương lai.

It might be, like, 9999, like, it's like the year 9000 or whatever, right?

Nó có thể là, giống như, 9999, giống như, năm 9000 hoặc bất cứ điều gì, đúng không?

And it's like—so it's like that means it's, like, the current record.

Và đó là cách, giống như, bản ghi hiện tại.

And so that's how you can kind of get the SEDs to be—or, like, slowly changing dimensions to, like, be in a data model that you can easily use for, like, joins and queries and stuff like that.

Và đó là cách bạn có thể làm cho các chiều thay đổi chậm, hoặc là, các chiều thay đổi chậm, nằm trong mô hình dữ liệu mà bạn có thể dễ dàng sử dụng cho, giống như, các phép nối và truy vấn và những thứ tương tự.

And you can understand not just, like, what the current value is,

Và bạn có thể hiểu không chỉ, giống như, giá trị hiện tại là gì,

mà còn là những gì nó đã từng trong quá khứ.

And being able to have that historical context is also very important for, like, backfills and understanding your data sets.

Và việc có được bối cảnh lịch sử đó cũng rất quan trọng cho, giống như, việc điền dữ liệu và hiểu các tập dữ liệu của bạn.

So definitely keep learning more about data modeling.

Vì vậy, hãy tiếp tục tìm hiểu thêm về mô hình hóa dữ liệu.

I'm going to keep posting more videos, you know?

Tôi sẽ tiếp tục đăng nhiều video hơn, bạn biết đấy?

Keep, you know, follow to get more knowledge here.

Hãy tiếp tục, bạn biết đấy, theo dõi để có thêm kiến thức ở đây.

Lọc mô hình dữ liệu trong phỏng vấn loại bỏ rất nhiều kỹ sư dữ liệu! Cách mô hình hóa các chiều thay đổi chậm (Data modeling interview filters so many data engineers! How to model slowly-changing dimensions)