1/9
Looks like no tags are added yet.

Partition
Noun (n.): Phân vùng, phần được chia ra.
Verb (v.): Phân chia, chia thành các phần hoặc phân vùng.
Trong Data Engineering, partition thường chỉ một phần dữ liệu được chia ra từ tập dữ liệu lớn để dễ quản lý, xử lý và tối ưu hiệu suất truy vấn. Ví dụ, một bảng Delta trong Microsoft Fabric có thể được partition theo ngày hoặc tháng.
Ví dụ 1 — Noun
"Each partition contains data for a specific month."
Mỗi phân vùng chứa dữ liệu của một tháng cụ thể.
Ví dụ 2 — Verb
"We partition the sales data by date."
Chúng ta phân vùng dữ liệu bán hàng theo ngày.
Ví dụ 3 — Microsoft Fabric
"Partition pruning allows Spark to scan only the relevant partitions."
Partition pruning cho phép Spark chỉ quét những phân vùng dữ liệu liên quan, giúp tăng hiệu suất truy vấn.
Mẹo ghi nhớ: Part = Phần → Partition = Phân vùng → Partitioning = Quá trình phân vùng.

cardinality
Noun (n.): Số lượng phần tử; số lượng giá trị phân biệt; lực lượng của một tập hợp.
IPA: /ˌkɑːr.dɪˈnæl.ə.ti/
Trong Data Engineering, cardinality thường có hai ý nghĩa chính:
1. Column Cardinality: Số lượng giá trị khác nhau (distinct values) trong một cột dữ liệu.
High cardinality: Nhiều giá trị khác nhau, ví dụ CustomerID, OrderID.
Low cardinality: Ít giá trị khác nhau, ví dụ Gender, OrderStatus.
2. Relationship Cardinality: Mô tả số lượng bản ghi có thể liên kết giữa hai bảng, như One-to-One (1:1), One-to-Many (1:N), Many-to-Many (N:N).
Ví dụ 1 — Column Cardinality
"The CustomerID column has high cardinality because it contains many unique values."
Cột CustomerID có cardinality cao vì chứa nhiều giá trị khác nhau.
Ví dụ 2 — Relationship Cardinality
"The relationship between Customers and Orders has one-to-many cardinality."
Mối quan hệ giữa bảng Customers và Orders có cardinality một-nhiều.
Ví dụ 3 — Microsoft Fabric
"High-cardinality columns can reduce compression efficiency in Power BI semantic models."
Các cột có cardinality cao có thể làm giảm hiệu quả nén dữ liệu trong Power BI semantic models.
Mẹo ghi nhớ:
Cardinality = How many? (Có bao nhiêu?)
Column cardinality: Có bao nhiêu giá trị khác nhau?
Relationship cardinality: Một bản ghi liên kết được với bao nhiêu bản ghi khác?
Phân biệt: Cardinality ≠ Total row count.
Một bảng có 1 triệu dòng nhưng cột Status chỉ chứa 3 giá trị khác nhau thì cardinality của cột đó chỉ bằng 3.
Data warehouse
A centralized repository that stores large volumes of structured data optimized for querying and business analysis.

Result in
Phrasal verb (phr. v.): Dẫn đến, gây ra, tạo ra một kết quả.
Trong Data Engineering, result in thường được sử dụng để diễn tả mối quan hệ nguyên nhân → kết quả (cause → effect), đặc biệt khi mô tả tác động của một thao tác, cấu hình hoặc thay đổi đến hiệu suất, dữ liệu hay chi phí.
Cấu trúc:
S + result(s) in + Noun / V-ing
Ví dụ 1 — Data Engineering
"Filtering data early can result in faster query execution."
Lọc dữ liệu sớm có thể dẫn đến việc thực thi truy vấn nhanh hơn.
Ví dụ 2 — Performance
"Poor partitioning can result in slower query performance."
Phân vùng dữ liệu không hợp lý có thể dẫn đến hiệu suất truy vấn chậm hơn.
Ví dụ 3 — Microsoft Fabric
"Enabling incremental refresh can result in reduced processing time."
Bật incremental refresh có thể giúp giảm thời gian xử lý.
Mẹo ghi nhớ:
Result = Kết quả
Result in = Dẫn đến kết quả
Result from = Bắt nguồn từ, là kết quả của
Phân biệt quan trọng:
A results in B: A gây ra B.
B results from A: B là kết quả của A.
Ví dụ:
"Data skew results in poor performance."
Data skew dẫn đến hiệu suất kém.
"Poor performance results from data skew."
Hiệu suất kém bắt nguồn từ data skew.
Từ đồng nghĩa: Lead to, Cause, Bring about.
Considering /kənˈsɪd.ər.ɪŋ/
Preposition (prep.): Xét đến, tính đến, cân nhắc một yếu tố.
Conjunction (conj.): Xét rằng, khi tính đến việc.
Verb (v-ing): Đang xem xét, đang cân nhắc (dạng V-ing của consider).
Trong Data Engineering, considering thường được sử dụng khi đánh giá các yếu tố như hiệu suất (performance), chi phí (cost), khối lượng dữ liệu (data volume) hoặc khả năng mở rộng (scalability) trước khi lựa chọn giải pháp kỹ thuật.
Cấu trúc thường gặp:
Considering + Noun: Xét đến một yếu tố.
Considering that + Clause: Xét đến việc rằng...
Consider + V-ing: Cân nhắc làm việc gì.
Ví dụ 1 — Preposition
"Considering the large data volume, we should optimize the query."
Xét đến khối lượng dữ liệu lớn, chúng ta nên tối ưu hóa truy vấn.
Ví dụ 2 — Verb (V-ing)
"We are considering migrating our data warehouse to Microsoft Fabric."
Chúng tôi đang cân nhắc chuyển data warehouse sang Microsoft Fabric.
Ví dụ 3 — Microsoft Fabric
"Considering that the data requires real-time analytics, a KQL database may be a better choice."
Xét đến việc dữ liệu yêu cầu phân tích thời gian thực, KQL database có thể là lựa chọn phù hợp hơn.
Mẹo ghi nhớ:
Consider: Xem xét, cân nhắc.
Considering: Xét đến, tính đến, đang cân nhắc.
Take into account: Tính đến, xem xét một yếu tố.
Phân biệt:
Consider doing something: Cân nhắc làm gì.
Considering something: Xét đến điều gì.
Consider something + adjective: Coi điều gì như thế nào.
Ví dụ:
"We consider this solution reliable."
Chúng tôi đánh giá giải pháp này là đáng tin cậy.
Lưu ý: Sau động từ consider thường dùng V-ing, không dùng to + Verb khi diễn tả việc cân nhắc thực hiện một hành động.


Granularity /ˌɡræn.jəˈlær.ə.ti/
Noun (n.): Mức độ chi tiết, độ chi tiết, mức độ phân chia nhỏ của dữ liệu.
IPA: /ˌɡræn.jəˈlær.ə.ti/
Trong Data Engineering, granularity thể hiện mức độ chi tiết của dữ liệu (level of detail) khi lưu trữ, xử lý hoặc phân tích.
Có hai khái niệm quan trọng:
Fine-grained (High granularity): Dữ liệu có mức độ chi tiết cao, ví dụ doanh thu theo từng giao dịch, dữ liệu theo từng giây.
Coarse-grained (Low granularity): Dữ liệu có mức độ chi tiết thấp, thường đã được tổng hợp, ví dụ doanh thu theo tháng, dữ liệu theo ngày.
Trong Microsoft Fabric, granularity ảnh hưởng đến cách thiết kế bảng dữ liệu, aggregation, performance và storage.
Ví dụ 1 — Data Engineering
"The granularity of this dataset is at the transaction level."
Mức độ chi tiết của tập dữ liệu này là ở cấp độ từng giao dịch.
Ví dụ 2 — Aggregation
"Reducing data granularity can improve query performance."
Giảm mức độ chi tiết của dữ liệu có thể cải thiện hiệu suất truy vấn.
Ví dụ 3 — Microsoft Fabric
"Choose the appropriate granularity when designing fact tables in a Fabric warehouse."
Hãy lựa chọn mức độ chi tiết phù hợp khi thiết kế các bảng fact trong Fabric warehouse.
Mẹo ghi nhớ:
Granule = Hạt nhỏ.
Granular = Có tính chi tiết, được chia thành những phần nhỏ.
Granularity = Mức độ chi tiết.
Liên tưởng đến việc quan sát dữ liệu bằng kính hiển vi:
Fine granularity: Nhìn rất gần → Thấy từng chi tiết nhỏ.
Coarse granularity: Nhìn từ xa → Chỉ thấy bức tranh tổng thể.
Phân biệt quan trọng:
Granularity: Mức độ chi tiết của dữ liệu.
Cardinality: Số lượng giá trị phân biệt trong một cột hoặc số lượng liên kết giữa các bản ghi.
Partitioning: Chia dữ liệu thành các phân vùng để quản lý và tối ưu xử lý.
Từ liên quan: Granular (adj.), Fine-grained (adj.), Coarse-grained (adj.), Aggregation (n.).

Statement /ˈsteɪt.mənt/
Noun (n.): Câu lệnh, phát biểu, tuyên bố, lời khẳng định, bản báo cáo.
IPA: /ˈsteɪt.mənt/
Trong Data Engineering, statement thường được hiểu là câu lệnh (SQL statement) dùng để thực hiện một thao tác trên dữ liệu hoặc cơ sở dữ liệu.
Một statement có thể được sử dụng để truy vấn, thêm, sửa, xóa dữ liệu hoặc quản lý các đối tượng trong database.
Các loại SQL statements phổ biến:
SELECT statement: Câu lệnh truy vấn dữ liệu.
INSERT statement: Câu lệnh thêm dữ liệu.
UPDATE statement: Câu lệnh cập nhật dữ liệu.
DELETE statement: Câu lệnh xóa dữ liệu.
CREATE statement: Câu lệnh tạo đối tượng.
MERGE statement: Câu lệnh kết hợp các thao tác INSERT, UPDATE và DELETE tùy theo điều kiện.
Ngoài SQL, statement cũng có thể mang nghĩa là một phát biểu hoặc nhận định trong tài liệu kỹ thuật và câu hỏi DP-700.
Ví dụ 1 — SQL Statement
"Execute the following SQL statement to retrieve all records from the table."
Thực thi câu lệnh SQL sau để truy xuất tất cả bản ghi từ bảng.
Ví dụ 2 — Data Engineering
"The MERGE statement allows you to insert, update, or delete records based on matching conditions."
Câu lệnh MERGE cho phép thêm, cập nhật hoặc xóa các bản ghi dựa trên điều kiện khớp.
Ví dụ 3 — Microsoft Fabric / DP-700
"Which statement correctly describes the behavior of Delta Lake tables in Microsoft Fabric?"
Phát biểu nào mô tả chính xác cách hoạt động của các bảng Delta Lake trong Microsoft Fabric?
Mẹo ghi nhớ:
State (v.) = Phát biểu, trình bày, tuyên bố.
Statement (n.) = Điều được phát biểu hoặc câu lệnh.
SQL statement = Câu lệnh SQL.
Hãy liên tưởng:
Statement = Một câu đưa ra chỉ dẫn hoặc thông tin.
Trong SQL, đó là câu lệnh để database thực thi.
Trong câu hỏi DP-700, đó có thể là một phát biểu để bạn đánh giá đúng hoặc sai.
Phân biệt quan trọng:
1. Statement = Câu lệnh / Phát biểu
"Run the SQL statement."
Chạy câu lệnh SQL.
2. Query = Truy vấn
"Run a query to retrieve customer data."
Chạy một truy vấn để lấy dữ liệu khách hàng.
→ Query thường dùng để chỉ việc truy vấn dữ liệu, trong khi statement có nghĩa rộng hơn, bao gồm cả câu lệnh tạo bảng, cập nhật hoặc xóa dữ liệu.
3. Expression = Biểu thức
"The expression calculates the total sales amount."
Biểu thức tính tổng doanh thu.
→ Expression là thành phần được đánh giá để tạo ra một giá trị, có thể nằm bên trong một SQL statement.
Từ liên quan: State (v.), Query (n./v.), Expression (n.), Command (n.), Declare (v.).

Retrieve /rɪˈtriːv/
Verb (v.): Truy xuất, lấy ra, lấy lại, tìm và lấy về dữ liệu hoặc thông tin.
IPA: /rɪˈtriːv/
Trong Data Engineering, retrieve thường được sử dụng để mô tả hành động truy xuất dữ liệu (retrieve data) từ database, data warehouse, lakehouse hoặc các nguồn dữ liệu khác.
Đây là một động từ rất phổ biến trong tài liệu kỹ thuật và đề thi Microsoft DP-700, đặc biệt khi nói về SQL queries, APIs và data access.
Cấu trúc thường gặp:
Retrieve + Noun: Truy xuất một thứ gì đó.
Retrieve data from + Source: Truy xuất dữ liệu từ nguồn.
Retrieve information about + Something: Lấy thông tin về điều gì đó.
Ví dụ 1 — SQL
"Use a SELECT statement to retrieve data from the database."
Sử dụng câu lệnh SELECT để truy xuất dữ liệu từ cơ sở dữ liệu.
Ví dụ 2 — Data Engineering
"The pipeline retrieves customer records from the source system."
Pipeline truy xuất các bản ghi khách hàng từ hệ thống nguồn.
Ví dụ 3 — Microsoft Fabric / DP-700
"You need to retrieve the latest records from a Delta table in a Fabric lakehouse."
Bạn cần truy xuất các bản ghi mới nhất từ một bảng Delta trong Fabric lakehouse.
Mẹo ghi nhớ:
Retrieve = Lấy lại, lấy về.
Retrieve data = Truy xuất dữ liệu.
Data retrieval = Quá trình truy xuất dữ liệu.
Hãy tưởng tượng:
Database giống như một kho hàng chứa hàng triệu bản ghi.
Khi bạn thực hiện câu lệnh SELECT, hệ thống sẽ tìm và lấy những bản ghi cần thiết từ kho đó.
→ Hành động tìm và lấy dữ liệu chính là Retrieve.
Phân biệt quan trọng:
1. Retrieve = Truy xuất, lấy dữ liệu
"Retrieve customer information from the database."
Truy xuất thông tin khách hàng từ database.
2. Fetch = Lấy về, tìm nạp
"Fetch the next batch of records."
Lấy về batch bản ghi tiếp theo.
→ Fetch thường nhấn mạnh hành động lấy dữ liệu từ một nguồn, API hoặc cursor. Trong nhiều trường hợp, fetch và retrieve có thể thay thế nhau.
3. Extract = Trích xuất
"Extract data from SQL Server."
Trích xuất dữ liệu từ SQL Server.
→ Extract thường nhấn mạnh việc lấy dữ liệu ra khỏi hệ thống nguồn để phục vụ xử lý, di chuyển hoặc ETL/ELT.
4. Ingest = Nạp dữ liệu
"Ingest data into a Fabric lakehouse."
Nạp dữ liệu vào Fabric lakehouse.
→ Retrieve nhấn mạnh việc lấy dữ liệu, còn Ingest nhấn mạnh việc đưa dữ liệu vào hệ thống đích.
Từ liên quan:
Retrieval (n.): Sự truy xuất, quá trình lấy lại.
Retriever (n.): Thành phần hoặc công cụ truy xuất.
Data retrieval (n.): Quá trình truy xuất dữ liệu.
Information retrieval (n.): Truy xuất thông tin.
Cụm từ thường gặp trong DP-700:
Retrieve records: Truy xuất các bản ghi.
Retrieve data efficiently: Truy xuất dữ liệu hiệu quả.
Retrieve query results: Lấy kết quả truy vấn.
Retrieve metadata: Truy xuất metadata.
Retrieve the latest data: Truy xuất dữ liệu mới nhất.

Emit /iˈmɪt/
Verb (v.): Phát ra, phát đi, tạo ra và gửi đi (dữ liệu, sự kiện, tín hiệu hoặc kết quả).
IPA: /iˈmɪt/
Trong Data Engineering, emit thường được sử dụng để mô tả hành động phát ra dữ liệu hoặc sự kiện (emit data/events) từ một hệ thống, ứng dụng hoặc quá trình xử lý.
Đặc biệt trong Streaming Data, Apache Kafka, Spark Structured Streaming và Microsoft Fabric Eventstream, emit thường có nghĩa là tạo ra và gửi một event hoặc kết quả xử lý đến hệ thống tiếp theo.
Cấu trúc thường gặp:
Emit + Event: Phát ra một sự kiện.
Emit + Data: Phát ra dữ liệu.
Emit + Result: Xuất ra kết quả.
Emit + Output: Tạo ra đầu ra.
Emit data to + Destination: Phát dữ liệu đến đích.
Ví dụ 1 — Data Streaming
"The application emits an event whenever a new order is created."
Ứng dụng phát ra một sự kiện mỗi khi một đơn hàng mới được tạo.
Ví dụ 2 — Apache Kafka
"The producer emits messages to a Kafka topic."
Producer phát các message đến một Kafka topic.
Ví dụ 3 — Microsoft Fabric / DP-700
"The eventstream emits aggregated results after each tumbling window closes."
Eventstream phát ra kết quả tổng hợp sau khi mỗi cửa sổ tumbling window đóng lại.
Mẹo ghi nhớ:
Emit = Phát ra.
Emission (n.) = Sự phát ra, sự phát thải.
Emitter (n.) = Bộ phận hoặc thành phần phát ra tín hiệu/dữ liệu.
Hãy liên tưởng:
Một hệ thống streaming giống như một chiếc máy liên tục tạo ra các sự kiện.
Mỗi khi có dữ liệu mới, hệ thống sẽ emit an event (phát ra một sự kiện) để các hệ thống khác tiếp nhận và xử lý.
Emit = Đẩy một thứ gì đó từ bên trong ra bên ngoài.
Phân biệt quan trọng:
1. Emit = Phát ra, tạo ra đầu ra
"The system emits a new event."
Hệ thống phát ra một sự kiện mới.
→ Nhấn mạnh việc một sự kiện hoặc dữ liệu được tạo ra và phát đi.
2. Produce = Sản xuất, tạo ra
"The Kafka producer produces messages."
Kafka producer tạo ra các message.
→ Trong Kafka, produce thường nhấn mạnh việc tạo và gửi message vào topic.
3. Publish = Công bố, phát hành
"The service publishes events to a message broker."
Dịch vụ phát hành các sự kiện đến message broker.
→ Publish nhấn mạnh việc đưa message hoặc event lên một kênh để các consumer có thể nhận.
4. Ingest = Thu nhận, nạp vào
"The eventstream ingests events from multiple sources."
Eventstream thu nhận các sự kiện từ nhiều nguồn.
→ Emit nhấn mạnh đầu ra (output), còn Ingest nhấn mạnh đầu vào (input).
5. Trigger = Kích hoạt
"The event triggers a pipeline."
Sự kiện kích hoạt một pipeline.
→ Emit là phát ra sự kiện, còn Trigger là kích hoạt một hành động.
Từ liên quan:
Emission (n.): Sự phát ra.
Emitter (n.): Thành phần phát.
Emitted (v2/v3, adj.): Đã phát ra, được phát ra.
Emitting (V-ing): Đang phát ra.
Cụm từ thường gặp trong DP-700:
Emit events: Phát ra các sự kiện.
Emit results: Xuất ra kết quả.
Emit output records: Xuất ra các bản ghi đầu ra.
Emit aggregated data: Phát ra dữ liệu đã tổng hợp.
Emit a notification: Phát ra thông báo.
Emit events in real time: Phát ra sự kiện theo thời gian thực.
Ghi nhớ nhanh:
Ingest → Process → Emit
Thu nhận dữ liệu → Xử lý dữ liệu → Phát ra kết quả.

Involve /ɪnˈvɑːlv/
Verb (v.): Bao gồm, liên quan đến, đòi hỏi, cần có, kéo theo hoặc khiến ai đó tham gia vào một hoạt động.
IPA: /ɪnˈvɑːlv/ (American English)
Trong Data Engineering, involve thường được sử dụng để mô tả một quy trình, nhiệm vụ hoặc giải pháp bao gồm những hoạt động gì, liên quan đến thành phần nào hoặc đòi hỏi những bước xử lý nào.
Đây là từ thường xuất hiện trong tài liệu kỹ thuật và câu hỏi Microsoft DP-700, đặc biệt khi mô tả quy trình ETL/ELT, data ingestion, data transformation và data pipeline.
Cấu trúc thường gặp:
Involve + Noun: Bao gồm hoặc liên quan đến điều gì.
Involve + V-ing: Đòi hỏi hoặc bao gồm việc làm gì.
Be involved in + Noun/V-ing: Tham gia hoặc có liên quan đến việc gì.
Involve someone in something: Cho ai đó tham gia vào việc gì.
Ví dụ 1 — Data Engineering
"Building a data pipeline involves extracting, transforming, and loading data."
Xây dựng một data pipeline bao gồm việc trích xuất, biến đổi và nạp dữ liệu.
Ví dụ 2 — Performance
"Optimizing query performance may involve partitioning large tables."
Tối ưu hóa hiệu suất truy vấn có thể đòi hỏi việc phân vùng các bảng lớn.
Ví dụ 3 — Microsoft Fabric / DP-700
"Implementing incremental data loading involves identifying and processing only new or modified records."
Triển khai tải dữ liệu tăng dần bao gồm việc xác định và xử lý chỉ những bản ghi mới hoặc đã thay đổi.
Mẹo ghi nhớ:
Involve = Có liên quan, bao gồm, đòi hỏi.
Involved = Có liên quan, tham gia.
Involvement = Sự tham gia, sự liên quan.
Hãy liên tưởng:
Một Data Pipeline có nhiều bước:
Extract → Transform → Load
Khi nói:
"Data engineering involves multiple processes."
Kỹ thuật dữ liệu bao gồm nhiều quy trình.
→ Involve = Một công việc có liên quan hoặc đòi hỏi những công việc khác bên trong nó.
Phân biệt quan trọng:
1. Involve = Bao gồm, đòi hỏi
"Data migration involves several steps."
Di chuyển dữ liệu bao gồm nhiều bước.
→ Nhấn mạnh các hoạt động hoặc yêu cầu cần thiết để thực hiện một công việc.
2. Include = Bao gồm
"The pipeline includes three activities."
Pipeline bao gồm ba activity.
→ Nhấn mạnh những thành phần nằm trong một tập hợp hoặc hệ thống.
3. Require = Yêu cầu, bắt buộc cần có
"This operation requires administrator permissions."
Thao tác này yêu cầu quyền quản trị viên.
→ Nhấn mạnh một điều kiện hoặc yêu cầu cần thiết.
4. Relate to = Liên quan đến
"This issue relates to data synchronization."
Vấn đề này liên quan đến việc đồng bộ dữ liệu.
→ Nhấn mạnh mối liên hệ giữa hai vấn đề.
5. Be involved in = Tham gia vào
"The data engineer is involved in designing the lakehouse architecture."
Data engineer tham gia vào việc thiết kế kiến trúc lakehouse.
→ Nhấn mạnh sự tham gia của một người hoặc một thành phần vào hoạt động nào đó.
Lưu ý ngữ pháp quan trọng:
Sau involve, nếu sử dụng một động từ để diễn tả hoạt động, thường dùng V-ing, không dùng to + Verb.
✅ "The process involves transforming data."
❌ "The process involves to transform data."
Từ liên quan:
Involved (adj.): Có liên quan, tham gia; phức tạp.
Involvement (n.): Sự tham gia, sự liên quan.
Involving (prep./V-ing): Liên quan đến, bao gồm.
Uninvolved (adj.): Không tham gia, không liên quan.
Cụm từ thường gặp trong DP-700:
Involve multiple steps: Bao gồm nhiều bước.
Involve data transformation: Bao gồm việc biến đổi dữ liệu.
Involve processing large datasets: Đòi hỏi xử lý các tập dữ liệu lớn.
Involve additional costs: Phát sinh hoặc kéo theo chi phí bổ sung.
Be involved in data ingestion: Tham gia vào quá trình nạp dữ liệu.
Tasks involving data processing: Các tác vụ liên quan đến xử lý dữ liệu.
Ghi nhớ nhanh:
Involve doing something: Bao gồm/đòi hỏi việc làm gì.
Be involved in something: Tham gia hoặc liên quan đến việc gì.
Involve additional costs: Kéo theo chi phí bổ sung.