Data Engineer

Cum se transferă date între sarcini în Airflow?

Ce comanda din directorul rădăcină al proiectului trebuie utilizată pentru a actualiza submodulul docs/ la cea mai recentă versiune din depozitul remote și pentru a pregăti această modificare pentru commit? git fetch docs/ && git merge docs/FETCH_HEAD git pull --recurse-submodules git submodule update --remote docs/ cd docs/ && git pull && cd .. && git commit -am "Actualizare" git submodule update --init docs/

Oferă un exemplu când ai reușit să îmbunătățești procesele sau instrumentele pentru echipă.

A fost creată structura tabelelor indicată în imagine. Este necesar să executați interogarea indicată în imagine. Ce tip de join trebuie utilizat în loc de [...], pentru ca în rezultat, pentru înregistrările cu type = 'table_aw' coloana 'naming' să fie completată, iar pentru înregistrările cu type = 'table2' — coloana 'serial_number'? create table multirelation( type varchar not null, entity_id integer not null ); create table table_aw( id integer primary key, naming varchar not null ); create table table2( id integer primary key, serial_number varchar not null ); -- structura tabelelor select m.type,m.entity_id, ta.naming, t2.serial_number from multirelation m [...] join table_aw ta on m.entity_id = ta.id and m.type='table_aw' [...] join table2 t2 on m.entity_id = t2.id and m.type='table2'; -- interogare Lăsați gol inner cross right left

Cine erau consumatorii de date și cum erau construite vitrinele?

Ce s-a întâmplat și cum poți recupera munca?

Care este diferența dintre Greenplum și PostgreSQL?

La ce salariu te aștepți?

Raport pentru compania logistică Ești un analist al unei companii logistice care ține evidența operațiunilor din depozite. Trebuie să întocmești un raport despre eficiența fiecărui depozit. Pentru fiecare depozit, calculează: • numărul total de operațiuni (count_operations); • numărul total de produse procesate în depozit (sum_quantity); • timpul mediu de procesare a unei operațiuni (avg_processing_time), luând în considerare doar operațiunile cu timp specificat (nu NULL), rotunjit la cel mai apropiat număr întreg; • numărul maxim și minim de produse procesate într-o singură operațiune (max_quantity, min_quantity); • numărul de operațiuni de fiecare tip («livrare», «expediere», «transfer») în coloane separate: supply_operations, shipment_operations, transfer_operations. Filtrează depozitele a căror număr total de operațiuni este mai mare de 2 și timpul mediu de procesare nu depășește 60 de minute. Ordonează rezultatul după ID-ul depozitului în ordine crescătoare. Formatul de intrare Tabelul operations: • operation_id (int) — identificator unic al operației • warehouse_id (int) — ID-ul depozitului • operation_type (text) — tipul operației: «livrare», «expediere», «transfer» • quantity (int) — numărul de unități ale produsului în operație • operation_date (timestamp) — data și ora operației • processing_time (int) — timpul de procesare al operației Coloana processing_time poate conține valori nule. Formatul de ieșire Interogarea trebuie să returneze un tabel cu câmpurile în următoarea ordine: • warehouse_id (int) — ID-ul unic al depozitului • count_operations (int) — numărul total de operațiuni efectuate în depozit • sum_quantity (int) — numărul total de produse procesate în depozit • avg_processing_time (numeric) — timpul mediu de procesare a operației (în minute), luând în considerare doar operațiunile cu timp nenul, rotunjit la cel mai apropiat număr întreg • max_quantity (int) — numărul maxim de produse procesate într-o singură operațiune • min_quantity (int) — numărul minim de produse procesate într-o singură operațiune • supply_operations (int) — numărul de operațiuni de tip «livrare» • shipment_operations (int) — numărul de operațiuni de tip «expediere» • transfer_operations (int) — numărul de operațiuni de tip «transfer»

Care sunt caracteristicile și diferențele dintre Set și List în Python? În afară de performanță, ce alte caracteristici există?

Middle

СБЕР

LEFT JOIN: tabel cu 10 înregistrări LEFT JOIN tabel cu 100 înregistrări. Care este numărul minim și maxim de rânduri pe care le poți obține?

Pe ce câmpuri ai distribuit datele în Greenplum?

Middle

Альфа-Банк

Ce verificări de calitate a datelor au fost efectuate în Data Vault?

Middle+

Лига Цифровой Экономики

Pe ecranul afișat există două structuri de date; în care dintre ele căutarea valorii 2 va fi mai rapidă și de ce?

SELECT client_id, ФИО, SUM(suma) AS total_amount FROM clients JOIN transactions ON clients.client_id = transactions.client_id WHERE дата = '2025-05-01' GROUP BY client_id, ФИО;

Middle

СБЕР

Cum îți organizezi de obicei munca asupra sarcinilor și cum urmărești progresul?

Există funcții și capabilități în Greenplum care nu sunt în MySQL obișnuit și alte dialecte?

Middle

Альфа-Банк

[nume] a întrebat: Cum se implementează stocarea datelor doar pentru 2 ani în ClickHouse?

Spune-mi, ce îți place să faci în timpul tău liber în afară de programare? Care sunt hobby-urile tale?

git submodule update --init