Data Engineer

Hol nézheted meg az Airflow feladatnaplóit?

CREATE TABLE orders ( driver_id varchar, city varchar, order_id varchar ); -- Szerezze meg minden városban a top 10 sofőrt a megrendelések száma szerint

Adott két tábla t1 és t2. A feladat felsorolni az összes ismert join típusát és az eredményt a lekérdezés select * from t1 <join> t2 on t1.t = t2.t minden esetében. |t1.t| ------ 1 2 4 null ------ |t2.t| ------ 1 3 null null

Middle

Купер

Hol működik jobban az adatok tömörítése — oszlopos vagy soros tárolásban, és miért?

SELECT * FROM table1 AS t1 LEFT JOIN table2 AS t2 ON t1.date_start > t2.date_start

VÁLASZ ki * A table1-ből mint t1 BAL OLDALI JOIN table2 mint t2 ON t1.date_start > t2.date_start d = { True: 42, 1: 2, 1.0: 100500 } print(d)

Mi az index a adatbázisokban, mire szolgál és mi a belső szerkezete?

Middle+

СБЕР

Mi a különbség a karakterláncon való ciklus és a tuple-on való ciklus között Pythonban? Mely típusok alapvetőek, és hogyan befolyásolja ez a teljesítményt?

Middle

Купер

Fitness klubok látogatottsági elemzése Ön egy fitness klubokat hálózatban dolgozó elemzőként. Információkkal rendelkezik a felhasználók látogatásairól és az általuk vásárolt tagságokról. Elemzéseket kell végeznie a tagságok hatékonyságáról. Számolja ki minden tagságtípus esetén: • az ezen típusú tagságot használó felhasználók összes számát. Csak az egyedi user_id-ket vegye figyelembe; • az ezen tagsággal kapcsolatos összes látogatást. Vegye figyelembe az összes ilyen tagsággal rendelkező felhasználó látogatását; • az adott tagságtípusú felhasználók arányát százalékban az összes felhasználóhoz képest (kerekítve egy tizedesre). A számításhoz használja az adott tagságtípussal rendelkező felhasználók számának és az összes egyedi felhasználó számának arányát. Minden felhasználónak csak egy tagsága lehet. Rendezze az eredményt tagságtípus szerint alfabetikus sorrendbe. Bemeneti formátum Memberships táblázat: • membership_id (int) — egyedi tagságazonosító • user_id (int) — felhasználó azonosító • membership_type (text) — tagságtípus Visits táblázat: • visit_id (int) — egyedi látogatásazonosító • user_id (int) — felhasználó azonosító • visit_date (timestamp) — látogatás dátuma és időpontja Az adatok nem tartalmaznak hiányzó vagy hibás értékeket. Kimeneti formátum A lekérdezésnek olyan táblát kell visszaadnia, amely a következő mezőket tartalmazza ebben a sorrendben: • membership_type (text) — tagságtípus • users_count (int) — ezen típusú felhasználók száma • total_visits (int) — ezen felhasználók összes látogatásának száma • user_share (numeric) — ezen típusú felhasználók aránya százalékban az összes felhasználóhoz képest, egy tizedesre kerekítve Az eredményt tagságtípus szerint alfabetikus sorrendbe rendezze.

Threading, multiprocessing, asyncio: mi a különbség és mikor érdemes melyiket használni?

Meséljen a Greenplum, DBT és Data Vault használatával szerzett tapasztalatairól. Miért váltott a hópehely modellről a Data Vault-ra?

Middle

Купер

Hogyan közelítsük meg azt a helyzetet, amikor az üzlet egy új akció adatvizualizációval ellátott jelentést kér?

Mesélj arról, amit tudsz az oszlop- és soralapú adattárolásról. Mikor és melyiket kell választani, és miért?

Mesélj a munkatapasztalatodról: feladatok, technológiai stack

Mi a különbség a RANK() és a DENSE_RANK() között?

Hol jelenik meg párhuzamosság az Airflow-ban?

Miért jobb a Pandas, mint a szokásos listák és szótárak Pythonban?

Hogyan kezeli a Pandas a hiányzó adatokat?

Hogyan dolgoztál az Impala-val?

Middle

Aston

Mennyi extra memóriát igényel egy szótáras megoldás, a visszaküldött adatok nélkül?