Jaké otázky o Snowflake mohu u pohovoru očekávat?

Pohovory o Snowflake začínají architekturou, protože na ní závisí všechny další otázky. Buďte připraveni vlastními slovy popsat tři vrstvy: úložnou vrstvu, která uchovává data v komprimovaných sloupcových mikroparticích v cloudovém objektovém úložišti; výpočetní vrstvu virtuálních skladů, z nichž každý je nezávislým clusterem spouštějícím dotazy; a vrstvu cloudových služeb, která zajišťuje ověřování, metadata, parsování a optimalizaci dotazů i transakce. První doplňující otázka zní, proč je oddělení úložiště od výpočetního výkonu důležité. Odpovědí je nezávislost: několik týmů může nad stejnými daty provozovat vlastní sklady, aniž by soupeřily o stejné procesory, a za výpočetní výkon platíte pouze tehdy, když sklad běží.

• Virtuální sklady. Velikosti, auto-suspend a auto-resume a multi-cluster sklady pro souběžné zpracování. Doplňující otázka: co větší sklad zrychlí a co nikoli?
• Mezipaměť výsledků a metadat. Opakovaný totožný dotaz může být obsloužen z mezipaměti výsledků; vysvětlete, co ji zneplatní.
• Edice a účty. Role, uživatelé a hierarchie rolí pro řízení přístupu; buďte připraveni vysvětlit, proč se oprávnění lépe škálují při přidělování rolím než uživatelům.
• Polostrukturovaná data. Typ VARIANT, způsob ukládání a dotazování JSON a kdy jej převést do sloupců.

Odpovězte popisem mechanismu a jednoho důsledku. Tvrzení, že se výpočetní výkon škáluje nezávisle, je jen slogan; tazatelé chtějí slyšet vysvětlení, že větší sklad pomůže při rozsáhlém průchodu dat, ale nepomůže malému dotazu omezenému latencí.

Snowflake používáte denně a obáváte se, že otázky půjdou hlouběji než SQL, které píšete. Půjdou, proto zde najdete model úložiště v pořadí, v jakém se na něj obvykle tazatelé ptají, včetně doplňující otázky ke každému bodu.

• Mikropartice. Data jsou uložena v neměnných blocích s metadaty o rozsazích hodnot v každém sloupci. Doplňující otázka: jak optimalizátor tato metadata používá k přeskočení oddílů a na čem závisí pruning?
• Clustering. Přirozené uspořádání vychází z pořadí načítání; clustering key reorganizuje velké tabulky tak, aby filtry nad těmito sloupci účinně prováděly pruning. Doplňující otázka: proč je clustering nákladem, nikoli výhodou zdarma, a jak rozhodnete, zda jej tabulka potřebuje?
• Profil dotazu. Kam se podívat, když je dotaz pomalý: počet prohledaných oddílů vůči celkovému počtu, odkládání dat do místního či vzdáleného úložiště a nekontrolovaně rostoucí spojení.
• Materializované pohledy a optimalizace vyhledávání. Co která možnost zrychluje a jaké náklady na údržbu přidává.
• Time Travel a Fail-safe. Dotazování nebo obnovení dat do stavu před změnou v rámci retenční doby; vysvětlete, že retenční doba je nastavení i náklad, a k čemu slouží Fail-safe.
• Zero-copy cloning. Klon sdílí podkladové mikropartice, dokud se jedna ze stran nezmění, proto je klonování velké tabulky rychlé a zpočátku bezplatné.

U každé funkce uveďte, co stojí. Tazatelé ve společnostech, které platí účet za Snowflake, sledují tento návyk více než znalost názvů funkcí.

Ve výběrových řízeních na seniorní pozice dostanete určitou situaci. Typický příklad: datovému inženýrovi, který se uchází o pozici u analytické platformy v pojišťovně, řeknou, že se měsíční účet za Snowflake zdvojnásobil, přestože objem dat téměř nevzrostl. Silná odpověď prověřuje v tomto pořadí: které sklady spotřebovaly nejvíce kreditů, zda je auto-suspend nastaven tak, aby nečinné sklady přestaly účtovat náklady, zda naplánovaná úloha neběží na předimenzovaném skladu, zda opakovaně načítané dashboardy neobcházejí mezipaměť výsledků a zda několik dotazů neprochází celé tabulky, protože filtrují podle sloupců, podle nichž data nejsou uspořádána. Tazatel hodnotí pořadí šetření, nikoli jediné řešení.

Další opakující se scénáře: průběžné načítání pomocí Snowpipe oproti naplánovaným načítáním COPY a latence každé možnosti; zachycování změn pomocí streamů a tasků a zajištění idempotence tasku; tabulka, kterou někdo omylem vyprázdnil, a její obnovení pomocí Time Travel; žádost o poskytnutí přístupu partnerovi pro čtení bez kopírování dat, kde přichází na řadu zabezpečené sdílení dat; a návrh rolí pro rostoucí organizaci. Uveďte omezení, zvolte mechanismus a řekněte, co stojí.

Před pohovorem si tyto scénáře nahlas nacvičte i s doplňujícími otázkami; režim simulovaného pohovoru pokládá situační otázky a reaguje na vaše odpovědi a další databáze otázek z oblasti dat a techniky najdete v části otázky k pohovoru podle role a tématu.

V konverzačních kolech ano, ale s jasnými omezeními. Nativní desktopová aplikace SubcueAI pro macOS a Windows zachycuje systémový zvuk a váš mikrofon a v místním překryvném okně zobrazuje krátké návrhy odpovědí. Když se tedy tazatel zeptá, co clustering key obětuje ve prospěch pruningu, uvidíte mechanismus na obrazovce a můžete jej vysvětlit vlastními slovy. Rozšíření prohlížeče pokrývá hovory na kartě prohlížeče v Chrome a Edge tím, že zachycuje pouze zvuk z karty se schůzkou. K hovoru se nepřipojuje žádný bot a do stránky schůzky se nic nevkládá; nastavení najdete na stránce s návodem.

Omezení: dozorovaný SQL test, nahrávaná obrazovka, firemně spravovaný notebook nebo živé cvičení, při němž píšete dotazy pod dohledem, jsou mimo rozsah použití. Aaron Cao, zakladatel SubcueAI, popisuje produkt jako nápovědu k tomu, co už znáte, nikoli jako náhradu vašich znalostí. Proto vychází z vašeho životopisu a vašeho vlastního způsobu vyjadřování; hranice použití jsou popsány v části o zjistitelnosti.