Wat zijn indexen in databases, waar dienen ze voor en wat is hun interne structuur?
Data Engineer
Vertel over je werkervaring op je laatste plekken, welke projecten, welke stack?
Wat is het verschil tussen UNION en UNION ALL? Welke voorwaarden moeten worden voldaan?
Welke groepen SQL-operatoren ken je? Waar behoren ze toe?
Wat is de Catalyst-optimizer in Spark en welke specifieke optimalisaties voert hij uit (bijvoorbeeld predicate pushdown)?
Hoe werkt Hash Join?
Hoe controleert u de nauwkeurigheid van de gegevens bij het vertalen van een pipeline van SAS naar DBT?
Heb je gewerkt aan datakwaliteitsincidenten?
Waarom ontstaan deadlocks en welk mechanisme in databases zorgt voor de consistentie van gegevens bij parallelle verzoeken?
Wat is normalisatie? Aan welke vorm werken we voornamelijk?
Waarom hebben jullie specifiek voor DBT gekozen? Welke voordelen en nadelen zie je in dit framework?
Data Quality-controles — op welk stadium, welke controles, wat gebeurt er met ongeldige gegevens?
Vertel over een interessante taak in het bedrijf in de afgelopen 2,5 jaar, bijvoorbeeld gerelateerd aan ClickHouse.
Wat zijn de kenmerken en verschillen tussen Set en List in Python? Behalve de prestaties, welke andere kenmerken zijn er?
Hoe werkt Merge Join (samenvoeging met sortering)?
Werk je liever als expert individueel of in een ontwikkelteam?
Noem de volgorde van uitvoering van operaties in een SQL-query met SELECT, FROM, WHERE, GROUP BY, HAVING, ORDER BY, LIMIT van de eerste tot de laatste.
Welke distributievormen zijn er in Greenplum naast BY column en RANDOMLY?
We hebben een tabel met klanten (id, naam, adres, enz.), producten (id, naam, enz.), productbeweging (hier hebben we klant-id, product, datum, hoeveelheid, som), we moeten vinden welke producten op 1 januari zijn verkocht, alleen de unieke, en ook de naam van de koper en... tonen
Welke soorten fysieke verbindingen tussen tabellen bestaan er (Hash Join, Merge Join, Nested Loop)?