Data Engineer

Къде можете да видите логовете на задачите в Airflow?

Как работи ClickHouse и как се различава от PostgreSQL?

Как обработва Pandas липсващите данни?

Threading, multiprocessing, asyncio: каква е разликата и кога е по-добре да използвате кое?

Къде се появява паралелизмът в Airflow?

Как да парсирате големи XML файлове в ZIP и да ги заредите в ClickHouse с помощта на Python?

Каква е разликата между генератори и списъци в Python?

Как влияе ORDER BY върху таблицата ClickHouse и кои ключове е по-добре да изберете?

Какви видове индекси има в PostgreSQL?

Как да актуализирате таблица в ClickHouse така, че потребителите да не забележат нищо (атомарна замяна)?

Защо Pandas е по-добър от обикновените списъци и речници в Python?

Какво е GIL (Global Interpreter Lock)?

Как да не убиеш Jupyter или Pandas заради паметта?

От какво обикновено се състоят логовете на задачите в Airflow?

За какво са нужни оконните функции?

Какво е идемпотентност в DAG/задача в Airflow?

Как в Airflow да създадете много еднакви задачи паралелно (например, да качите много еднакви файлове)?

Как размерът на гранулите влияе върху таблицата ClickHouse?

Как работи JOIN в ClickHouse?

Каква е разликата между WHERE и HAVING?