Data Engineer
Ποια είναι τα πλεονεκτήματα και τα μειονεκτήματα των βάσεων δεδομένων γραμμής και στήλης; Ποιο είναι πιο αποτελεσματικό για ομαδοποίηση και σύγκλιση;
Τι τύπος ανάγνωσης χρησιμοποιείται στο Greenplum — γραμμής ή στήλης;
Ζήτημα σχεδιασμού αρχιτεκτονικής μικροϋπηρεσιών: πώς να παρέχετε δεδομένα για τον πίνακα παραγγελιών (προϊόντα, τιμές, παραγγελίες) στο frontend όταν υπάρχουν τρία ξεχωριστά μικροϋπηρεσίες;
Τι είναι ο δυναμικός τύπος;
Ποια φυσικά JOIN γνωρίζεις;
Ποια είναι τα formats διανομής στο Greenplum εκτός από BY column και RANDOMLY;
Είσαι εξοικειωμένος με τους OLAP κύβους; Όταν εργαζόμαστε με πολυδιάστατα δεδομένα, παρόμοια με έναν πίνακα Pivot στο Excel, αλλά για πιο γρήγορη αλληλεπίδραση με μεγάλα όγκο δεδομένων.
Έχετε εργαστεί με αυξήσεις και πλήρεις φορτώσεις; Πώς αντιμετωπίσατε τα διπλότυπα;
Πώς προτείνει το Git Flow να διαμορφωθεί μια νέα έκδοση της εφαρμογής; - Δημιουργώντας ένα νέο issue-branch - Δημιουργώντας ένα hotfix-branch από το master - Δημιουργώντας ένα ξεχωριστό release-branch από το develop - Κάνοντας άμεμο commit στο branch master - Συγχωνεύοντας απευθείας το branch master με το develop
Πώς να διαβάσετε ένα αρχείο 100 gigabyte σε Python;
Μίλησέ μου για το Greenplum — μορφές αποθήκευσης δεδομένων, γραμμική και στηλοειδή αποθήκευση.
Πώς γίνεται επέκταση προς τα πάνω (γεμίζοντας το NULL με την προηγούμενη μη μηδενική τιμή στην αντίστροφη κατεύθυνση);
Τι προσφέρει η μορφή Iceberg σε σύγκριση με το συνηθισμένο Parquet;
LEFT JOIN: πίνακας με 10 εγγραφές LEFT JOIN πίνακας με 100 εγγραφές. Ποιο είναι το ελάχιστο και το μέγιστο αριθμό γραμμών που μπορούν να προκύψουν;
Πώς λειτουργεί το JOIN στο ClickHouse;
Ποια μηχανήματα πινάκων στο ClickHouse γνωρίζετε και έχετε χρησιμοποιήσει;
Ποιες ελέγχους ποιότητας δεδομένων πραγματοποιήθηκαν στο Data Vault;
Ποιο είναι το πλεονέκτημα της αποθήκευσης κατά στήλη έναντι της αποθήκευσης κατά γραμμή;
Ποια είναι η διαφορά μεταξύ CTE και υποερώτησης;
Έχετε χρειαστεί ποτέ να γράψετε πακέτα σε Oracle;