Data Engineer

Kde lze v Airflow zobrazit logy úloh?

Jak funguje ClickHouse a v čem se liší od PostgreSQL?

Jak Pandas zpracovává chybějící data?

Threading, multiprocessing, asyncio: jaký je rozdíl a kdy je lepší co použít?

Kde se v Airflow objevuje paralelismus?

Jak parsovat velké XML soubory v ZIP a nahrát je do ClickHouse pomocí Pythonu?

Jak ovlivňuje ORDER BY tabulku ClickHouse a které klíče je lepší vybírat?

V čem se generátory liší od seznamů v Pythonu?

Proč je Pandas lepší než běžné seznamy a slovníky v Pythonu?

Jaké typy indexů jsou v PostgreSQL?

Jak aktualizovat tabulku v ClickHouse tak, aby si uživatelé ničeho nevšimli (atomová výměna)?

Co je GIL (Global Interpreter Lock)?

Jak nezabít Jupyter nebo Pandas kvůli paměti?

Z čeho obvykle sestávají logy úloh Airflow?

Na co jsou okénkové funkce?

Jak v Airflow vytvořit mnoho stejných úkolů paralelně (například nahrát mnoho stejných souborů)?

Jaký je rozdíl mezi WHERE a HAVING?

Jak funguje JOIN v ClickHouse?

Jak funguje komprese v ClickHouse?

Co je to idempotence v DAG/úkolu v Airflow?