Data Engineer

Kde môžete vidieť denníky úloh v Airflow?

Ako funguje ClickHouse a v čom sa líši od PostgreSQL?

Ako spracováva Pandas chýbajúce údaje?

Threading, multiprocessing, asyncio: aký je rozdiel a kedy je lepšie čo použiť?

Kde sa v Airflow objavuje paralelizmus?

Ako parsovať veľké XML súbory v ZIP a ich načítať do ClickHouse pomocou Pythonu?

Aký je rozdiel medzi generátormi a zoznamami v Pythone?

Ako ovplyvňuje ORDER BY tabuľku ClickHouse a ktoré kľúče je lepšie vybrať?

Aké typy indexov sú v PostgreSQL?

Ako aktualizovať tabuľku v ClickHouse tak, aby si používatelia nič nevšimli (atomová výmena)?

Čo je GIL (Global Interpreter Lock)?

Prečo je Pandas lepší ako bežné zoznamy a slovníky v Pythone?

Ako nezabiť Jupyter alebo Pandas kvôli pamäti?

Z čoho sa zvyčajne skladajú logy úloh Airflow?

Čo je to idempotentnosť v DAG/úlohe v Airflow?

Na čo sú okienkové funkcie?

Ako v Airflow vytvoriť veľa rovnakých úloh paralelne (napríklad nahrať veľa rovnakých súborov)?

Ako veľkosť zrna ovplyvňuje tabuľu ClickHouse?

Aký je rozdiel medzi WHERE a HAVING?

Ako funguje JOIN v ClickHouse?