Data Engineer

Ismered az Avro formátumot?

Beszélj az összefüggő adatbázisokról általánosságban — mik is ezek?

Mi az az ACID? Mit jelent minden betű? Hogyan kapcsolódik ez a tranzakciókhoz?

Mikor nincs szükség adat tárolására?

Említetted a Docker folyamatokat, tudnál részletesebben mesélni arról, hogyan van ez nálatok szervezve?

Mi az a kacsázás (duck typing)?

Volt tapasztalatod Docker-képek, virtuális gépen környezet beállításával kapcsolatban?

Milyen korlátozások vannak a hash tábla használatában?

Hogyan van szervezve a QA (adatminőség-ellenőrzés)?

Milyen fizikai kapcsolatok (összekapcsolási módszerek) léteznek?

Mi a különbség a refaktorálás és az optimalizálás között?

Mi az a lekérdezési terv? Mire jó?

Van tapasztalatod a Table Engine Join használatában a ClickHouse-ban?

Meséljen a terjesztett adatbázisokkal (Greenplum, ClickHouse) szerzett tapasztalatairól.

Tegyük fel, hogy a Data Vault nem elérhető, és két széles táblát kell összekapcsolni. Hogyan optimalizálnád ezt Greenplumban? És ha ez ClickHouse-ban lenne?

Mi nem tetszik jelenleg a munkádban?

Van tapasztalata Trino típusú motorokkal vagy táblázatos formátumokkal (Iceberg, Parquet) a Spark-ban?

Lehet-e valami mást kitalálni a szokásos CTE helyett, figyelembe véve, hogy a szűrés továbbra is a memória egész területén történik a teljes táblán?

Miért volt szükséged általában a Data Vault-ra?

Milyen környezetben indult a Spark?