Data Engineer
¿Qué es una inyección SQL?
¿Qué es VACUUM en PostgreSQL? ¿Para qué sirve?
¿Cómo resolver un problema en tiempo lineal O(n) usando un diccionario? ¿Qué hay que guardar en el diccionario para luego construir una cadena ordenada? ¿Cómo manejar los caracteres que no están en el orden?
Porcentaje de tráfico de bots El equipo de antifraude ha desarrollado un mecanismo para detectar tráfico de bots en el sitio de la tienda: cuando un bot ingresa al sitio, se añade la subcadena "bot" (sin distinguir mayúsculas o minúsculas) a los parámetros de su URL. Si el user_id fue identificado como bot al menos una vez en diciembre, siempre debe ser considerado como bot. Estudie el conjunto de datos con las visitas de los usuarios al sitio y calcule la proporción de bots respecto al total de usuarios en diciembre de 2024 (redondee a un decimal). Formato de entrada Tabla visits: - event_date (date) — fecha de la visita - user_id (int) — identificador único del usuario - url (string) — enlace por el que se realizó la visita Los datos no contienen valores faltantes o incorrectos. Formato de salida La consulta debe devolver una tabla con los campos: - share (float) — proporción de bots respecto al total de usuarios en diciembre, redondeada a un decimal.
Describe los métodos de optimización de consultas SQL que ha aplicado. ¿Cómo redujo el tiempo de ejecución de 12-15 segundos?
КуперExplique cómo funciona técnicamente Git LFS y qué ventajas ofrece en comparación con Git estándar al trabajar con archivos grandes.
¿Qué haces cuando te enfrentas a un problema en la línea de producción?
¿Qué sacrifica la base de datos al cargar datos rápidamente (COPY en Postgres, BULK INSERT)?
¿Qué es DAG en Airflow, de qué consta y cómo ejecuta Airflow un DAG?
¿Cuáles son sus expectativas salariales?
¿Qué problemas puede detectar una trazabilidad?
¿Qué es la idempotencia en DAG/tarea en Airflow?
Escribe un DAG para cargar datos a través de la API REST
¿Cómo funciona la compresión en ClickHouse?
Cuéntame sobre la arquitectura del almacenamiento: ¿cómo se dividió en capas, cuáles son las características de cada capa?
¿A qué tipo pertenece más Greenplum: OLTP o OLAP?
МВидео¿Cómo recuperar el trabajo de una rama remota si al intentar acceder a ella con `git checkout hotfix/missing-footer` recibes un mensaje de error diciendo que la rama no se encuentra?
¿Cómo puede ocurrir una inyección SQL a través del campo de entrada de fecha?
Esto es en tiempo real, ¿cómo se puede implementar entre Kafka y ClickHouse Spark?
МВидео¿Qué es YARN y para qué sirve?
Aston