Data Engineer

Mi a különbség az EXPLAIN és az EXPLAIN ANALYZE között?

Mennyi idő alatt fog működni a beépített sorted használatával megoldás? Lehet-e gyorsabb megoldást kitalálni?

Dolgoztál már lekérdezés-optimalizálással? Hol kezdődik az optimalizálás?

Middle

МВидео

A git bisect használata közben olyan commit-tal találkoztál, amit nem lehet ellenőrizni a szükséges környezet hiánya miatt. Mit kell ilyenkor tenni? - Ismételd meg a git bisect start parancsot más hash-ekkel - Hagyd ki ezt a commit-ot a git bisect skip parancs segítségével - Állítsd vissza a bisect-et a git bisect reset parancs segítségével - Jelöld meg a commit-ot jóként a git bisect good parancs segítségével - Jelöld meg a commit-ot rosszként a git bisect bad parancs segítségével

Mit áldoz fel az adatbázis a gyors adatbetöltés során (COPY a Postgres-ben, BULK INSERT)?

A Greenplum melyik típushoz tartozik inkább — OLTP vagy OLAP?

Middle

МВидео

Mennyire mélyek a Python ismereteid, milyen könyvtárakat használtál?

Hogyan működik a MapReduce, különösen a Reduce szakasz?

Middle

Aston

Mit csinál az OPTIMIZE a ClickHouse-ban, és miért nem szabad gondolkodás nélkül futtatni?

Hogyan működik a tömörítés a ClickHouse-ban?

Mi az a partíció a ClickHouse-ban, és milyen elven választják ki?

Volt problémád az OpenAPI-val a Spring Boot 2-ről a 3-ra való átállás során?

Hogyan működik a Merge Join (összekapcsolás rendezéssel)?

Middle+

СБЕР

Botforgalom aránya A csalás elleni csapat kifejlesztett egy mechanizmust a botforgalom felismerésére az áruház weboldalán: amikor egy bot belép az oldalra, a URL paramétereibe hozzáadódik a "bot" szubsztring (kis- és nagybetűk figyelmen kívül hagyásával). Ha a user_id legalább egyszer decemberben botként lett azonosítva, akkor mindig botként kell kezelni. Tanulmányozza a felhasználók weboldali látogatásainak adathalmazát, és számolja ki a botok arányát a teljes felhasználószámhoz képest 2024 decemberében (kerekítse egy tizedesre). Bemeneti formátum Visits tábla: - event_date (date) — látogatás dátuma - user_id (int) — egyedi felhasználói azonosító - url (string) — az oldal, ahová a látogatás történt Az adatok nem tartalmaznak hiányzó vagy hibás értékeket. Kimeneti formátum A lekérdezésnek egy olyan táblát kell visszaadnia, amely a következő mezőket tartalmazza: - share (float) — a botok aránya a teljes felhasználószámhoz képest decemberben, egy tizedesre kerekítve.

Hogyan lehet adatokat törölni a ClickHouse-ból?

Mi az a VACUUM a PostgreSQL-ben? Mire való?

Hogyan olvasódik egy HDFS-fájl, például Parquet — teljes egészében vagy blokkokban?

Middle

Aston

Milyen a fizetési elvárásod?

Mi az azonosítás DAG/feladatban az Airflow-ban?

Milyen problémákat fedezhet fel a nyomonkövetés?