Data Engineer

¿Dónde se pueden ver los registros de tareas en Airflow?

¿Cómo funciona ClickHouse y en qué se diferencia de PostgreSQL?

¿Cómo maneja Pandas los datos faltantes?

Hilos, multiprocesamiento, asyncio: ¿cuál es la diferencia y cuándo es mejor usar qué?

¿Dónde aparece el paralelismo en Airflow?

¿Cómo analizar archivos XML grandes en ZIP y cargarlos en ClickHouse usando Python?

¿Cómo afecta ORDER BY a la tabla ClickHouse y qué claves es mejor elegir?

¿Por qué Pandas es mejor que las listas y diccionarios normales en Python?

¿Qué tipos de índices existen en PostgreSQL?

¿En qué se diferencian los generadores de las listas en Python?

¿Cómo actualizar una tabla en ClickHouse de manera que los usuarios no noten nada (sustitución atómica)?

¿Qué es GIL (Global Interpreter Lock)?

¿Cómo no matar a Jupyter o Pandas por memoria?

¿De qué suelen estar compuestos los registros de tareas de Airflow?

¿Para qué sirven las funciones de ventana?

¿Cómo crear múltiples tareas iguales en Airflow en paralelo (por ejemplo, cargar muchos archivos iguales)?

¿Cómo funciona JOIN en ClickHouse?

¿Cuál es la diferencia entre WHERE y HAVING?

¿Cómo funciona la compresión en ClickHouse?

¿Qué motores de tablas en ClickHouse conoces y has utilizado?