Data Engineer

Πού μπορείτε να δείτε τα αρχεία καταγραφής εργασιών στο Airflow;

Πώς λειτουργεί το ClickHouse και πώς διαφέρει από το PostgreSQL;

Πώς χειρίζεται το Pandas τα ελλιπή δεδομένα;

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

Πού εμφανίζεται ο παραλληλισμός στο Airflow;

Πώς να αναλύσετε μεγάλα αρχεία XML σε ZIP και να τα φορτώσετε στο ClickHouse χρησιμοποιώντας Python;

Πώς επηρεάζει το ORDER BY τον πίνακα ClickHouse και ποια κλειδιά είναι καλύτερο να επιλέξετε;

Ποιοι τύποι ευρετηρίων υπάρχουν στο PostgreSQL;

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

Ποια είναι η διαφορά μεταξύ γεννητριών και λιστών στην Python;

Πώς να ενημερώσετε έναν πίνακα στο ClickHouse ώστε οι χρήστες να μην καταλάβουν τίποτα (ατομική αντικατάσταση);

Τι είναι το GIL (Global Interpreter Lock);

Από τι αποτελούνται συνήθως τα αρχεία καταγραφής εργασιών του Airflow;

Πώς να μην σκοτώσετε το Jupyter ή το Pandas λόγω μνήμης;

Ποιος είναι ο σκοπός των συναρτήσεων παραθύρου;

Πώς δημιουργείτε πολλά ίδια tasks παράλληλα στο Airflow (π.χ., να φορτώσετε πολλά ίδια αρχεία);

Πώς λειτουργεί το JOIN στο ClickHouse;

Ποια είναι η διαφορά μεταξύ WHERE και HAVING;

Πώς λειτουργεί η συμπίεση στο ClickHouse;

Ποια μηχανήματα πινάκων στο ClickHouse γνωρίζετε και έχετε χρησιμοποιήσει;