Data Engineer

Unde se pot vizualiza jurnalele sarcinilor în Airflow?

Se dau două tabele t1 și t2. Sarcina este să listezi toate tipurile de join pe care le cunoști și rezultatul interogării select * from t1 <join> t2 on t1.t = t2.t pentru fiecare dintre ele. |t1.t| ------ 1 2 4 null ------ |t2.t| ------ 1 3 null null

Middle

Купер

CREATE TABLE orders ( driver_id varchar, city varchar, order_id varchar ); -- Obțineți primii 10 șoferi după numărul de comenzi în fiecare oraș

Cum gestionează Pandas datele lipsă?

Vorbește-mi despre experiența ta profesională: sarcini, stiva de tehnologii

Unde funcționează mai bine compresia datelor — în stocarea pe coloane sau pe rânduri și de ce?

SELECT * FROM table1 AS t1 LEFT JOIN table2 AS t2 ON t1.date_start > t2.date_start

Care este diferența dintre RANK() și DENSE_RANK()?

SELECT * DIN tabelul1 CA t1 JOIN stânga tabelul2 CA t2 ON t1.date_start > t2.date_start d = { True: 42, 1: 2, 1.0: 100500 } print(d)

Ce sunt indicii în bazele de date, la ce servesc și care este structura lor internă?

Middle+

СБЕР

Analiza frecvenței vizitelor în cluburile de fitness Lucrați ca analist într-o rețea de cluburi de fitness. Aveți informații despre vizitele utilizatorilor și abonamentele pe care le cumpără. Este necesar să analizați eficiența utilizării abonamentelor. Calculați pentru fiecare tip de abonament: • numărul total de utilizatori care au folosit acest tip de abonament. Luați în considerare doar user_id unice; • numărul total de vizite pentru acest abonament. Luați în considerare toate vizitele utilizatorilor cu acest abonament; • proporția utilizatorilor acestui abonament în procent din numărul total de utilizatori (rotunjit la o zecimală). Pentru calcul, folosiți raportul dintre numărul de utilizatori cu acest abonament și numărul total de utilizatori unici. Fiecare utilizator poate avea doar un abonament. Sortați rezultatul după tipul abonamentului în ordine alfabetică. Formatul de intrare Tabelul memberships: • membership_id (int) — identificator unic al abonamentului • user_id (int) — identificator unic al utilizatorului • membership_type (text) — tipul abonamentului Tabelul visits: • visit_id (int) — identificator unic al vizitei • user_id (int) — identificator al utilizatorului • visit_date (timestamp) — data și ora vizitei Datele nu conțin valori lipsă sau incorecte. Formatul de ieșire Interogarea trebuie să returneze un tabel cu următoarele câmpuri în această ordine: • membership_type (text) — tipul abonamentului • users_count (int) — numărul de utilizatori unici cu acest tip de abonament • total_visits (int) — numărul total de vizite ale acestor utilizatori • user_share (numeric) — proporția utilizatorilor cu acest tip de abonament în procent din total, rotunjită la o zecimală Rezultatul trebuie sortat după tipul abonamentului în ordine alfabetică.

Cum să abordezi situația în care afacerea solicită un raport cu vizualizarea datelor despre o nouă promoție?

Unde apare paralelismul în Airflow?

Spune-mi ce ști despre stocarea datelor pe coloane și pe rânduri. Când și pe care trebuie să îl alegi și de ce?

Povestiți-ne despre experiența dvs. cu Greenplum, DBT și Data Vault. De ce ați trecut de la modelul fulg de zăpadă la Data Vault?

Middle

Купер

Cum lucrai cu Impala?

Middle

Aston

Care este diferența dintre un ciclu pe un șir de caractere și un ciclu pe un tuple în Python? Care sunt tipurile de bază și cum influențează acest lucru performanța?

Middle

Купер

Threading, multiprocessing, asyncio: care este diferența și când este mai bine să folosești ce?

Vorbește despre experiența ta de muncă în ultimele locuri, ce proiecte, ce tehnologie?

Middle+

СБЕР

Câtă memorie suplimentară necesită o soluție cu dicționar, fără a include datele returnate?