რატომ bool([""]) აბრუნებს True-ს?
Data Engineer
მოხერხება #3 მოძებნეთ მომხმარებლები, რომელთა შეკვეთებს შორის დაშორება > 60 დღეა. ამ მომხმარებლებისთვის გამოიტანეთ მაქსიმალური დაშორება (gap_days). შეკვეთების სია: | order_id | customer_id | order_dt | |----------|-------------|------------| | 1 | 1 | [phone] | | 2 | 1 | [phone] | | 3 | 1 | [phone] | | 4 | 1 | [phone] | | 5 | 2 | [phone] | | 6 | 2 | [phone] | | 7 | 3 | [phone] | საბოლოო შედეგი: | customer_id | gap_days | |-------------|----------| | 1 | 123 | | 2 | 120 |
რა არის Spark-ის UDF-ების უარყოფითი მხარე და რა არის მათი მინუსი?
Spark-ში repartition და coalesce-ს შორის რა განსხვავებაა?
როგორ დავამარცხოთ მონაცემების შეუთავსებლობა?
რატომ შეიძლება დაკარგოს მონაცემებმა? მიეცით რამდენიმე მიზეზი.
როგორ აღწერდი კოდში იმას, რომ მნიშვნელობა მნიშვნელოვნად განსხვავდება ნორმალური (მოლოდინით) განაწილებიდან?
თქვენ მუშაობდით Python-ში კონტექსტის მენეჯერებთან? რა არის ეს და რა მიზნით გამოიყენება?
რა გესმით spill- ზე Spark-ში?
როგორ შევაჩეროთ არასწორი მონაცემების ჩატვირთვა ვიტრინაში ან შუა სვეტში და მათ ზედა პაიპლაინებში გადაცემა?
Airflow-ის დავალებებს შორის მონაცემების გადაცემის რა მეთოდებს იცით?
როგორ აკვირდებოდით მონაცემების ხარისხს?
Airflow-ში depends_on_past პარამეტრი რა აკეთებს?
თუ DAG-ის განრიგი @daily არის, მაშინ ის რეალურად როდის იწყება?
Python-ის ლექსიკონი მუტაბელური თუ უცვლელი ტიპია? რა მოთხოვნები აქვს მის გასაღებსა და მნიშვნელობებს?
შეასრულეთ სტატისტიკური შემოწმებები?
რა არის საძიებო ალგორითმული სირთულე ლექსიკონში ყველაზე უარესი შემთხვევისთვის?
როგორ დავიწყოთ მეორე DAG Airflow-ში პირველი წარმატებით დასრულების შემდეგ?