Data Engineer

Airflow-da tapşırıq loglarını haradan görə bilərik?

CREATE TABLE orders ( driver_id varchar, city varchar, order_id varchar ); -- Hər şəhərdə ən çox sifariş alan ilk 10 sürücünü əldə edin

İki cədvəl t1 və t2 verilir. Tapşırıq, bildiyiniz bütün join növlərini sadalamaq və sorğunun nəticəsini select * from t1 <join> t2 on t1.t = t2.t hər biri üçün. |t1.t| ------ 1 2 4 null ------ |t2.t| ------ 1 3 null null

Middle

Купер

Məlumatların sıxılması harada daha yaxşı işləyir — sütunlu və ya sətirli yaddaşda və niyə?

SELECT * FROM table1 AS t1 LEFT JOIN table2 AS t2 ON t1.date_start > t2.date_start

SEÇIN * Cədvəl1-dən t1 kimi SOL JOIN cədvəl2 kimi t2 ON t1.date_start > t2.date_start d = { True: 42, 1: 2, 1.0: 100500 } print(d)

Verilənlər bazalarında indekslər nədir, nə üçün lazımdır və onların daxili quruluşu necədir?

Middle+

СБЕР

Python-da sətir üzərində dövr və tuple üzərində dövr arasındakı fərq nədir? Hansı növlər əsasdır və bu performansa necə təsir edir?

Middle

Купер

Fitness klublarına ziyarətlərin analizi Siz fitness klublarının şəbəkəsində analitiksiniz. İstifadəçilərin ziyarətləri və onların aldığı abunəliklər haqqında məlumatınız var. Abunəliklərin istifadəsinin effektivliyini təhlil etmək lazımdır. Hər abunəlik növü üçün hesablayın: • Bu abunəlik növünü istifadə edən ümumi istifadəçi sayı. Yalnız unikal user_id-ləri nəzərə alın; • Bu abunəliklə edilən ümumi ziyarət sayı. Bu abunəliklə əlaqəli bütün istifadəçi ziyarətlərini nəzərə alın; • Bu abunəlik növündəki istifadəçilərin ümumi istifadəçi sayına nisbəti faizlə (bir ondalıq dəqiqliklə). Hesablama üçün, bu abunəlik növünə malik istifadəçi sayını ümumi unikal istifadəçi sayına bölün. Hər istifadəçi yalnız bir abunəyə sahib ola bilər. Nəticəni abunəlik növünə görə əlifba sırasına görə sıralayın. Giriş formatı Memberships cədvəli: • membership_id (int) — unikal abunəlik identifikatoru • user_id (int) — istifadəçi identifikatoru • membership_type (text) — abunəlik növü Visits cədvəli: • visit_id (int) — unikal ziyarət identifikatoru • user_id (int) — istifadəçi identifikatoru • visit_date (timestamp) — ziyarət tarixi və saatı Məlumatlar boş və ya düzgün olmayan dəyərlər içermir. Çıxış formatı Sorğu aşağıdakı sahələri sıralı şəkildə ehtiva edən cədvəl qaytarmalıdır: • membership_type (text) — abunəlik növü • users_count (int) — bu abunəlik növünə malik unikal istifadəçi sayı • total_visits (int) — bu abunəliklə əlaqəli istifadəçilərin ümumi ziyarət sayı • user_share (numeric) — bu abunəlik növünə malik istifadəçilərin ümumi istifadəçi sayına nisbəti faizlə, bir ondalıq dəqiqliklə, yuvarlaqlaşdırılmış. Nəticə abunəlik növünə görə əlifba sırasına görə sıralanır.

Threading, multiprocessing, asyncio: fərq nədir və nə zaman nə istifadə etmək daha yaxşıdır?

Greenplum, DBT və Data Vault ilə iş təcrübənizdən danışın. Niyə qar dənəsi modelindən Data Vault-a keçdiniz?

Middle

Купер

Yeni kampaniya ilə əlaqədar məlumatların vizuallaşdırılması ilə hesabat istəyən zaman vəziyyətə necə yanaşmaq olar?

Sütun və sətir məlumat saxlama haqqında nə bilirsən? Nə zaman və hansı seçilməlidir və niyə?

İş təcrübəniz haqqında danışın: tapşırıqlar, texnologiyalar yığını

RANK() və DENSE_RANK() arasındakı fərq nədir?

Airflow-də paralelləşmə harada görünür?

Niyə Pandas Python-da adi siyahılar və lüğətlərdən daha yaxşıdır?

Pandas necə itkin məlumatları işləyir?

Impala ilə necə işləyirdiniz?

Middle

Aston

Sözlük ilə həll nə qədər əlavə yaddaş tələb edir, geri qaytarılan məlumatlar nəzərə alınmadan?