Anong mga tanong sa Snowflake interview ang dapat kong asahan?

Nagsisimula ang mga Snowflake interview sa arkitektura dahil nakasalalay rito ang bawat susunod na tanong. Maging handang ilarawan sa sarili mong mga salita ang tatlong layer: isang storage layer na naglalaman ng data sa naka-compress at columnar na micro-partitions sa cloud object storage; isang compute layer ng virtual warehouses, na ang bawat isa ay hiwalay na cluster na nagpapatakbo ng mga query; at isang cloud services layer na nangangasiwa sa authentication, metadata, pag-parse at pag-optimize ng query, at mga transaksyon. Ang unang kasunod na tanong ay kung bakit mahalaga ang paghihiwalay ng storage at compute, at ang sagot ay kalayaan: maaaring patakbuhin ng ilang team ang sarili nilang warehouses gamit ang iisang data nang hindi nag-aagawan sa parehong processors, at nagbabayad ka lamang para sa compute habang tumatakbo ang warehouse.

• Virtual warehouses. Mga size, auto-suspend at auto-resume, at multi-cluster warehouses para sa concurrency. Kasunod na tanong: ano ang napapabilis ng mas malaking warehouse, at ano ang hindi?
• Result at metadata caching. Maaaring kunin sa result cache ang isang eksaktong query na inulit; ipaliwanag kung ano ang nagpapawalang-bisa rito.
• Editions at accounts. Mga role, user, at hierarchy ng role para sa access control; maging handang sabihin kung bakit mas nasusukat nang maayos ang pagbibigay ng access sa mga role kaysa sa mga user.
• Semi-structured data. Ang uri na VARIANT, kung paano iniimbak at kino-query ang JSON, at kung kailan ito dapat i-flatten sa mga column.

Sumagot gamit ang mekanismo at isang bunga nito. Isang slogan lamang ang sabihing nakapag-iisa ang pag-scale ng compute; ang antas na hinahanap ng mga interviewer ay ang pagpapaliwanag na nakatutulong ang mas malaking warehouse sa malawakang scan ngunit wala itong naitutulong sa maliit na query na nalilimitahan ng latency.

Araw-araw mong ginagamit ang Snowflake at nag-aalala kang maaaring lumalim ang mga tanong kaysa sa SQL na isinusulat mo. Mangyayari iyon, kaya narito ang storage model ayon sa karaniwang pagkakasunod-sunod ng pagtatanong, kasama ang kasunod na tanong para sa bawat item.

• Micro-partitions. Iniimbak ang data sa mga hindi nababagong chunk na may metadata tungkol sa mga saklaw ng value sa bawat column. Kasunod na tanong: paano ginagamit ng optimiser ang metadata na iyon upang laktawan ang mga partition, at saan nakasalalay ang pruning?
• Clustering. Nagmumula sa pagkakasunod-sunod ng pag-load ang natural clustering; inaayos muli ng clustering key ang malalaking table upang mahusay na makapag-prune ang mga filter sa mga column na iyon. Kasunod na tanong: bakit may gastos ang clustering sa halip na maging libreng pakinabang, at paano mo pagpapasiyahan kung kailangan ito ng isang table?
• Query profile. Saan titingin kapag mabagal ang query: mga partition na na-scan kumpara sa kabuuan, spilling sa local o remote storage, at mga join na biglang lumalaki.
• Materialised views at search optimisation. Ano ang pinapabilis ng bawat isa, at ang dagdag na gastos sa maintenance na kaakibat ng bawat isa.
• Time Travel at Fail-safe. Pag-query o pag-restore ng data sa kalagayan nito bago ang isang pagbabago, sa loob ng retention period; ipaliwanag na ang retention period ay isang setting at may gastos, at kung para saan ang Fail-safe.
• Zero-copy cloning. Parehong gumagamit ang clone at orihinal ng pinagbabatayang micro-partitions hanggang sa magbago ang alinman, kaya mabilis at walang paunang gastos ang pag-clone ng malaking table.

Para sa bawat feature, sabihin kung ano ang gastos nito. Mas pinakikinggan ng mga interviewer sa mga kumpanyang nagbabayad ng Snowflake bill ang ganitong likas na pagsasaalang-alang kaysa ang mga pangalan ng feature.

Naglalahad ng isang sitwasyon ang mga senior interview loop. Isang karaniwang halimbawa: sinabihan ang isang data engineer na nag-i-interview para sa analytics platform role sa isang insurance company na dumoble ang buwanang Snowflake bill kahit bahagya lamang lumaki ang dami ng data. Iniimbestigahan ito ng mahusay na sagot sa ganitong pagkakasunod-sunod: kung aling warehouses ang gumamit ng pinakamaraming credits, kung naka-set ang auto-suspend upang huminto sa pagsingil ang mga idle warehouse, kung tumatakbo ang isang scheduled job sa sobrang laking warehouse, kung hindi nagagamit ng mga inuulit na dashboard ang result cache, at kung ini-scan ng ilang query ang buong table dahil nagfi-filter ang mga ito sa mga column na hindi pinagbabatayan ng clustering ng data. Ang pagkakasunod-sunod ng imbestigasyon ang sinusuri ng interviewer, hindi ang isang solusyon lamang.

Iba pang paulit-ulit na sitwasyon: tuloy-tuloy na ingestion gamit ang Snowpipe kumpara sa mga nakaiskedyul na COPY load at kung anong latency ang ibinibigay ng bawat isa; change capture gamit ang streams at tasks at kung paano mo gagawing idempotent ang isang task; isang table na aksidenteng na-truncate at kung paano ito nire-restore ng Time Travel; isang kahilingang bigyan ang partner ng read access nang hindi kinokopya ang data, kung saan ginagamit ang secure data sharing; at pagdisenyo ng mga role para sa lumalaking organisasyon. Sabihin ang constraint, piliin ang mekanismo, at banggitin ang gastos nito.

Sanayin itong sabihin nang malakas kasama ang mga kasunod na tanong bago ang interview; nagpapatakbo ang mock interview mode ng mga tanong na nakabatay sa sitwasyon at nagbibigay ng mga pagtutol, at nakalap sa mga tanong sa interview ayon sa role at paksa ang iba pang question bank para sa data at engineering.

Sa mga conversational round, oo, nang may tapat na mga limitasyon. Kinukuha ng native macOS at Windows desktop app ng SubcueAI ang system audio at ang mikropono mo at nagpapakita ng maiikling mungkahing sagot sa isang local overlay, kaya kapag tinanong ng interviewer kung ano ang kapalit na halaga ng pruning gamit ang clustering key, makikita mo sa screen ang mekanismo habang ipinapaliwanag mo ito sa sarili mong mga salita. Saklaw ng browser extension ang mga browser-tab call sa Chrome at Edge sa pamamagitan ng pagkuha lamang sa audio ng meeting tab. Walang bot na sumasali sa call at walang inilalagay sa meeting page; nasa pahina ng tutorial ang setup.

Ang mga limitasyon: hindi saklaw ang proctored SQL assessment, recorded screen, company-managed laptop, o live exercise kung saan nagsusulat ka ng mga query habang inoobserbahan. Inilalarawan ni Aaron Cao, ang founder ng SubcueAI, ang produkto bilang isang prompt para sa alam mo na sa halip na isang pamalit dito, kaya gumagana ito mula sa resume mo at sa sarili mong paraan ng pagpapahayag; nakamapa ang mga hangganan sa detectability cluster.