Դուք ստիպված եղաք իրականացնել ընդունումներ և դեմոներ հաճախորդների համար:
System Analyst
Հաշվետվությունը կարող է կիրառվել հետևյալ նպատակներով. - Սիստեմը պաշտպանել վնասակար ծրագրային ապահովումից - Տվյալների կոդավորումը բարձրացնել - Սերվերների անընդհատ աշխատանքը ապահովել - Ցանցի բեռնափոխադրումը բարձրացնել - Սիստեմում խափանումների և խնդիրների պատճառները հայտնաբերել - Ծրագրային ապահովման սխալների թերակատարումը և խնդիրների տեղերը գտնել
Որ գործառույթի ձևաչափով եք աշխատել՝ TК, GПХ կամ IP?
JSON-ը ուղղել Օգտագործողի պրոֆիլ [ "user_id": "6F9619FF-8B86-D011-B42D-00CF4FC964FF", "age": "30", "user_name": "Test User", "user_name": "Ivanov Ivan Ivanovich", "emails": { [ "email": "[email]", "main": true, ] [ "email": "[email]", "main": "false" ] } "city": "Sochi", "categories": {news, cars, it} ]
Դու գիտե՞ս, թե ինչպես են կոչվում միկրոսերվիսների համար կոնֆիգուրացիաները/կարգավորումները, որոնք ստացվում են Docker-ի միջավայրի փոփոխականների միջոցով։
Ձեզ տրամադրվեց պատրաստ թեմա JSON-ով, թե՞ դուք ինքներդ աշխատեցիք հաղորդագրությունների պայմանագրերի, բաժինների, սպառողների վրա։
Ի՞նչ կապ ունի բիզնեսը API նախագծման հետ: Նրանք քեզ ինչ կպատասխանեն?
Դու միայն միկրոսերվիսային ճարտարապետության փորձ ունե՞ս։
Կլինի՞ համակարգային վերլուծաբանի դերում բիզնես բաղադրիչ և ուղղակի շփում հաճախորդի հետ։
Կարող է FE-ը աշխատել միայն բրաուզերում: Ինչու՞: (գրեք ձեր պատասխանին կարճ հիմնավորում)
Կարո՞ղ է եղել, որ հաճախորդը դեմոյի ժամանակ ավելացնի նոր պահանջներ և նկատողություններ — ինչպես եք դա կարգավորել?
Ի՞նչ է ձեզ համար կարևոր աշխատանք ընտրելիս: Ինչին եք ուշադրություն դարձնում?
Պատմիր ՏЗ-ի մասին — ինչպես աշխատեցիր նրա հետ?
Կա՞ն աշխատանքի հետ LLM, ձայնային կոդավորում կամ սեփական միկրոսերվիսներ, թե՞ խոսքը ամբողջական պատրաստի արտադրանքի մասին է։
Պատմեք վերջին ժամանակներում աշխատած ձեր նախագծի մասին՝ ինչ էր դա, ինչ նպատակներ ու խնդիրներ ունեին և ձեր դերը ինչ էր։
Ներառական տվյալների բազաների օգտագործման հիմնական առավելությունները՝ - Խիստ տվյալների սխեմա և աջակցություն բարդ SQL հարցումների համար - Խիստ տվյալների ամբողջականության սահմանափակումների աջակցություն - Միջին արագությամբ մեծ տվյալների ծավալների մշակման և վերլուծության հնարավորություն - Մասշտաբայնություն և ճկունություն անստრუქტուր տվյալների հետ աշխատելու մեջ
Ի՞նչ գործիքների միջոցով դիտել եք լոգերը:
Հատկանշական առանձնահատկությունը հարաբերական տվյալների բազաների նկատմամբ ոչ-հարաբերականների է. - տվյալների պահպանումը աղյուսակներում՝ սյունակների և տողերի տեսքով - տվյալների բացահայտ տիպավորումը՝ տող, ամբողջ թիվ, բուլյան արժեք և այլն - մուտքի իրավունքների բաշխման ֆունկցիա հաշիվների համար - հիմնական և արտաքին բանալիների օգտագործում կապեր կառուցելու համար - տվյալների որոնումը արագացնելու համար ինդեքսավորման ֆունկցիայի առկայություն
Աշխատանքի հայտարարության մեջ նշված բոլոր տեխնոլոգիաները — SQL, պահեստավորման նախագծում, UX, BPMN, UML, MQ և այլ — վերաբերում են կոնկրետ նախագծին:
Երբ ինտեգրվում եք արտաքին CRM համակարգի (SOAP), պատասխանում կարող է լինել՝ - Fault AUTH_FAILED - Fault VALIDATION_ERROR (օրինակ՝ սխալ հեռախոսահամար) - timeout Լավագույն քարտեզագրում՝ AUTH_FAILED → 403, VALIDATION_ERROR → 400, timeout → 504 AUTH_FAILED → 500, VALIDATION_ERROR → 500, timeout → 200 AUTH_FAILED → 403, VALIDATION_ERROR → 404, timeout → 409 AUTH_FAILED → 401, VALIDATION_ERROR → 400, timeout → 504 Կարող եք վերադարձնել 200 կոդը, և պատասխան մարմնում {"error": }