Data Engineer

Miért keres új munkát?

Milyen fizikai JOIN típusok léteznek a Spark-ben?

Miért veszhetnek el az adatok? Adj néhány okot.

Middle

Островок

Miért fontolgatod most az új ajánlatokat?

Meséljen magáról: tapasztalatok, feladatok, funkciók vagy eredmények, amelyekre büszke.

Van tapasztalata a FastAPI-val?

Middle

Aston

dict1 = { (1, 2), [3, 4, 5] : 0 } var = 1, 2

Middle

МТС

Mesélj egy érdekes feladatról a cégnél az elmúlt 2,5 évben, például a ClickHouse-szal kapcsolatban.

Milyen helyzetben romolhat a szótár szerinti keresés a legrosszabb esetre?

Middle

Островок

Hogyan oldottad meg az optimalizációs problémákat, amikor a lekérdezés hosszú ideig tartott és teljes szkennelt? Hogyan közelítettél egy ilyen új feladathoz?

def extract_from_s3(**kwargs): df = pd.read_csv("s3://my-bucket/data/transactions_{}.csv".format(datetime.now().strftime("%Y-%m-%d"))) kwargs["ti"].xcom_push(key="df", value=df.to_dict()) def load_to_raw_table(**kwargs): df = pd.DataFrame(kwargs["ti"].xcom_pull(task_ids="extract", key="df")) rows = [tuple(r) for r in df[["transaction_id", "user_id", "amount", "created_at"]].to_numpy()] CLICKHOUSE_CLIENT.execute( "INSERT INTO raw.transactions (transaction_id, user_id, amount, created_at) VALUES", rows ) def build_aggregate_view(): query = """ INSERT INTO datamarts.daily_revenue_per_country SELECT toDate(r.created_at) as event_date, u.country, sum(r.amount) as total_revenue FROM raw.transactions r LEFT JOIN core.userMetadata u ON r.user_id = u.UserId WHERE toDate(r.created_at) = '{}' GROUP BY event_date, u.country """.format(datetime.now().strftime("%Y-%m-%d")) CLICKHOUSE_CLIENT.execute(query) transactions_sensor = S3KeySensor( task_id="transactions_sensor", bucket_key="data/transactions_{}.csv".format(datetime.now().strftime("%Y-%m-%d")), bucket_name="my-bucket", aws_conn_id="aws_default", timeout=600, poke_interval=30, mode="poke" ) extract = PythonOperator( task_id="extract", python_callable=extract_from_s3, provide_context=True ) load = PythonOperator( task_id="load", python_callable=load_to_raw_table, provide_context=True ) aggregate = PythonOperator( task_id="aggregate", python_callable=build_aggregate_view ) transactions_sensor >> extract >> load >> aggregate

Mit csinál a depends_on_past paraméter az Airflow-ban?

Middle

Островок

Miért volt szükséged általában a Data Vault-ra?

Meséljen a replikáció beállítási feladatról, amit megoldott.

Használta-e a rekordok hash összehasonlítási módszerét a forrás és a cél tábla közötti különbség kiszámítására?

Mi történik, ha alkalmazod a `s ** 2`-t a `s = [1, 2, 3]` listára?

Hasonlítsa össze az ETL és ELT megközelítéseket: mi a különbség, és mikor alkalmazza mindegyiket?

Hogyan dolgoztak a 1C-vel: közvetlenül az adatbázisból szereztek adatokat, vagy egy buszon keresztül vagy más módon?

Middle+

Лига Цифровой Экономики

Milyen adatbázisokkal dolgozott? Hogyan működik a MongoDB és hogyan skálázódik?

Hogyan határozták meg, hogy a bejegyzés már létezik, és nem kell újra rögzíteni?

Middle+

Лига Цифровой Экономики