Data Engineer

Aké ďalšie parametre DDL/CREATE TABLE v ClickHouse poznáte, na čo vplývajú a v akých prípadoch sa používajú?

Ako implementovať nerovnomerné rozdelenie údajov vo vitríne: 50% na prvej a po 25% na ďalších dvoch?

Ako so bile ustvarjene tabele v klastru in kako ste rešili problem, ko je zaradi ZooKeeperja manjkala replika na shard-u?

Ako ste reševali težave z optimizacijo, ko je poizvedba trajala dolgo in je izvajala popoln sken? Kako bi pristopili k novi taki nalogi?

Ako ste presne čítali Parquet?

V ktorých prípadoch môže Materialized View v ClickHouse vynechať údaje alebo ich naopak zdvojnásobiť?

Stretli ste sa chybou ClickHouse `Too many parts` pri vkladaní? Ako ste ju riešili?

S akými knižnicami Python ste pracovali?

Povedajte nám viac o skreslení dát medzi shardami: ako bolo určené a ako bola použitá príslušná funkcia/mechanizmus?

Poznáte UDF (Používateľom definované funkcie) v ClickHouse, pracovali ste s nimi?

Ako ste opravili skreslenie dát podľa client_id, keď bol jeden klient výrazne väčší ako ostatní? Aké sú možnosti?

S akými parametrami motora Distributed v ClickHouse ste oboznámený?

Ako bi ste postopali s verigo Materialized View prek intermediære tabele ReplacingMergeTree, da pravilno napolnite podatke koji već postoje pre pokretanja nove MV?

Na ktorých poliach došlo k zlúčeniu údajov a ako sa v vitríne odstraňovali duplikáty?

S akou verziou Airflow ste pracovali?

Ako organizovať nalaganje podatkov v ClickHouse v veliki tabeli PostgreSQL, v katero nenehno prihajajo novi zapisi z monotonim naraščajočim primarnim ključem?

Poznáte ReplicatedQueue? Máte s ňou skúsenosti?