Data Engineer
¿Cómo solía manejar los errores y alertas en los pipelines?
Островок# qué muestra s = 'abracadabra' print(s[5][0][0][0]) print(s[::-2]) s = [1, 2, 3] print(s * 2)
¿Qué sucede en PostgreSQL después de ejecutar la consulta SELECT * FROM [tabla]?
# qué imprime s = 'Abracadabra' print(s[5][0]) b = 'a' b[0] print(s[::2]) s = [1, 2, 3] print(s * 2)
¿Con qué parámetros del motor Distributed en ClickHouse estás familiarizado?
¿Cómo describirías en código una comprobación de que un valor difiere significativamente de una distribución normal (esperada)?
Островок¿Cómo evitar que datos incorrectos cargados en la vitrina o en la tabla intermedia lleguen a las tuberías superiores?
Островок¿Hiciste verificaciones estadísticas?
Островок¿Con qué problemas se ha encontrado al trabajar con Greenplum?
¿Qué sucede físicamente durante un INSERT, UPDATE y DELETE en Greenplum; por qué después de un DELETE el espacio en disco no se libera y en qué se diferencia DELETE de TRUNCATE?
¿En qué se diferencian los requisitos de potencia de cálculo del almacenamiento en ETL y ELT?
Mostrar la cantidad de pedidos y "productos de la categoría necesaria en el pedido" para el año 2021 en las categorías "Ropa" y para 2022 en la categoría "Calzado" (vista final: 2 líneas. Campos: año, cantidad de productos, cantidad de pedidos) with cte as( select year(o.order_date) as year_orders, g.cat_1, count(distinct o.order_id) as count_orders, sum(g.quantity) as count_quan from Orders o join Goods g on o.order_id = g.order_id where (g.cat_1 = 'Ropa' and Year(o.order_date) = 2021) or (g.cat_1 = 'Calzado' and Year(o.order_date) = 2022) group by year_orders, g.cat_1 ) select year_orders, count_quan, count_orders from cte para 2025, los 3 principales en cada categoría por cantidad de ventas model with cte as( select cat_1, price, quantity, model, rank() over(partition by cat_1) as rk from Orders o join Goods g on o.order_id = g.order_id where Year(o.order_date) = 2025 ) para 2025, los 3 principales en cada categoría por suma de ventas model with cte as( select g.cat_1, g.model, (price * quantity), rank() over(partition by g.cat_1) as rk from Orders o join Goods g on o.order_id = g.order_id where Year(o.order_date) = 2025 ) with cte as( select g.cat_1, g.model, sum(price * quantity) as sum_, rank() over(partition by g.cat_1 order by sum() desc) as rk from Orders o join Goods g on o.order_id = g.order_id where Year(o.order_date) = 2025 ) with cte1 as( select g.cat_1, g.model, sum(price * quantity) as sum_total, from Orders o join Goods g on o.order_id = g.order_id where Year(o.order_date) = 2025 ), cte2 as(select g.cat_1, g.model, sum_total, rank() over(partition by g.cat_1 order sum_total desc) as rk from cte1 ) select g.cat_1, g.model, sum_total from cte2 where rk <=3 with cte1 as( select g.cat_1 as cat_name, g.model as model, sum(price * quantity) as sum_total, from Orders o join Goods g on o.order_id = g.order_id where Year(o.order_date) = 2025 group by Year(o.order_date), g.model ), cte2 as(select cat_name, model, sum_total, rank() over(partition by cat_name order sum_total desc) as rk from cte1 ) select cat_name, model, sum_total from cte2 where rk <=3
¿Qué es RDD en Apache Spark y en qué se diferencia de otras abstracciones de Spark?
¿Por qué decidió separar el ranking en una CTE aparte? ¿Por qué no se pudo usar directamente en la primera CTE?
¿Qué son los decoradores en Python?