Data Engineer

Co je ACID? Co znamená každé písmeno? Jak to souvisí s transakcemi?

Znáš formát Avro?

Pověz mi obecně o relačních databázích — co to je?

Měl jsi zkušenosti s Docker obrazy, nastavováním prostředí na virtuálním stroji?

Co je to utying (duck typing)?

Zmínil jsi procesy Docker, můžeš podrobněji vysvětlit, jak je to u vás zařízeno?

Kdy nepotřebujeme datové úložiště?

Jaká jsou omezení při používání hash tabulek?

Jak je organizováno vaše QA (kontrola kvality dat)?

Máš zkušenosti s Table Engine Join v ClickHouse?

Povězte mi o své zkušenosti s distribuovanými databázemi (Greenplum, ClickHouse)?

Lze vymyslet něco jiného než běžné CTE, vzhledem k tomu, že filtrování se stále provádí v paměti na celé tabulce?

Jaké jsou typy fyzických spojení (metody spojení)?

Co je to plán dotazů? K čemu jsou potřeba?

Představte si, že Data Vault není dostupný a je třeba spojit dvě široké tabulky. Jak byste to optimalizoval v Greenplum? A pokud by to bylo v ClickHouse?

Jaký je rozdíl mezi refaktoringem a optimalizací?

Co se ti momentálně na tvé práci nelíbí?

V jakém prostředí byl Spark spuštěn?

Máte zkušenosti s motory jako Trino nebo s tabulárními formáty (Iceberg, Parquet) v Spark?

Jaký je rozdíl mezi == a is v Pythonu?