Data Engineer

Πού μπορείτε να δείτε τα αρχεία καταγραφής εργασιών στο Airflow;

CREATE TABLE orders ( driver_id varchar, city varchar, order_id varchar ); -- Λάβετε τους 10 κορυφαίους οδηγούς ανά αριθμό παραγγελιών σε κάθε πόλη

Δίνονται δύο πίνακες t1 και t2. Το καθήκον είναι να καταγράψετε όλους τους τύπους join που γνωρίζετε και το αποτέλεσμα του ερωτήματος select * from t1 <join> t2 on t1.t = t2.t για καθέναν από αυτούς. |t1.t| ------ 1 2 4 null ------ |t2.t| ------ 1 3 null null

Middle

Купер

Πού λειτουργεί καλύτερα η συμπίεση δεδομένων — στην αποθήκευση κατά στήλες ή κατά γραμμές και γιατί;

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

ΕΠΙΛΕΞΤΕ * ΑΠΟ table1 ΩΣ t1 ΑΡΙΣΤΕΡΗ JOIN table2 ΩΣ t2 ON t1.date_start > t2.date_start d = { True: 42, 1: 2, 1.0: 100500 } print(d)

Τι είναι οι δείκτες στις βάσεις δεδομένων, ποιος είναι ο σκοπός τους και ποια είναι η εσωτερική δομή τους;

Middle+

СБЕР

Ποια είναι η διαφορά μεταξύ ενός βρόχου πάνω σε μια συμβολοσειρά και ενός βρόχου πάνω σε ένα tuple στην Python; Ποιοι τύποι είναι βασικοί και πώς επηρεάζει αυτό την απόδοση;

Middle

Купер

Ανάλυση επισκεψιμότητας σε γυμναστήρια Εργάζεστε ως αναλυτής σε ένα δίκτυο γυμναστηρίων. Έχετε πληροφορίες σχετικά με τις επισκέψεις χρηστών και τις συνδρομές που αγοράζουν. Είναι απαραίτητο να αναλύσετε την αποτελεσματικότητα της χρήσης των συνδρομών. Υπολογίστε για κάθε τύπο συνδρομής: • τον συνολικό αριθμό χρηστών που χρησιμοποίησαν αυτόν τον τύπο συνδρομής. Λαμβάνοντας υπόψη μόνο μοναδικά user_id; • τον συνολικό αριθμό επισκέψεων για αυτήν τη συνδρομή. Λαμβάνοντας υπόψη όλες τις επισκέψεις χρηστών με αυτήν τη συνδρομή; • το ποσοστό χρηστών αυτής της συνδρομής επί του συνολικού αριθμού χρηστών (στρογγυλοποιημένο σε ένα δεκαδικό). Για τον υπολογισμό, χρησιμοποιήστε τη σχέση μεταξύ του αριθμού χρηστών με αυτήν τη συνδρομή και του συνολικού αριθμού μοναδικών χρηστών. Κάθε χρήστης μπορεί να έχει μόνο μία συνδρομή. Τα αποτελέσματα ταξινομήστε κατά τύπο συνδρομής σε αλφαβητική σειρά. Μορφή εισόδου Πίνακας memberships: • membership_id (int) — μοναδικός αναγνωριστικός αριθμός συνδρομής • user_id (int) — μοναδικός αναγνωριστικός αριθμός χρήστη • membership_type (text) — τύπος συνδρομής Πίνακας visits: • visit_id (int) — μοναδικός αναγνωριστικός αριθμός επίσκεψης • user_id (int) — αναγνωριστικός αριθμός χρήστη • visit_date (timestamp) — ημερομηνία και ώρα επίσκεψης Τα δεδομένα δεν περιέχουν κενά ή λανθασμένες τιμές. Μορφή εξόδου Το ερώτημα πρέπει να επιστρέφει έναν πίνακα με τα πεδία με την ακόλουθη σειρά: • membership_type (text) — τύπος συνδρομής • users_count (int) — αριθμός μοναδικών χρηστών με αυτόν τον τύπο συνδρομής • total_visits (int) — συνολικός αριθμός επισκέψεων αυτών των χρηστών • user_share (numeric) — ποσοστό χρηστών αυτού του τύπου συνδρομής επί του συνολικού αριθμού, στρογγυλοποιημένο σε ένα δεκαδικό Τα αποτελέσματα ταξινομημένα κατά τύπο συνδρομής σε αλφαβητική σειρά.

Threading, multiprocessing, asyncio: ποια είναι η διαφορά και πότε είναι καλύτερο να χρησιμοποιείτε τι;

Πείτε μας για την εμπειρία σας με Greenplum, DBT και Data Vault. Γιατί μεταβήκατε από το μοντέλο χιονονιφάδας στο Data Vault;

Middle

Купер

Πώς να προσεγγίσετε την κατάσταση όταν η επιχείρηση ζητά μια αναφορά με οπτικοποίηση δεδομένων για μια νέα προώθηση;

Πες μου τι ξέρεις για την αποθήκευση δεδομένων κατά στήλες και γραμμές. Πότε και ποιο πρέπει να επιλέξεις και γιατί;

Μίλησέ μου για την εργασιακή σου εμπειρία: καθήκοντα, τεχνολογική στοίβα

Ποια είναι η διαφορά μεταξύ RANK() και DENSE_RANK();

Πού εμφανίζεται ο παραλληλισμός στο Airflow;

Γιατί το Pandas είναι καλύτερο από τις κανονικές λίστες και λεξικά στην Python;

Πώς χειρίζεται το Pandas τα ελλιπή δεδομένα;

Πώς δούλευες με το Impala;

Middle

Aston

Πόση επιπλέον μνήμη απαιτεί μια λύση με λεξικό, χωρίς να υπολογίζονται τα επιστρεφόμενα δεδομένα;