Milyen Snowflake interjúkérdésekre számítsak?

A Snowflake-interjúk az architektúrával kezdődnek, mert minden későbbi kérdés erre épül. Készülj fel arra, hogy saját szavaiddal ismertesd a három réteget: a tárolási réteget, amely tömörített, oszlopalapú mikropartíciókban tárolja az adatokat a felhő objektumtárában; a virtuális raktárakból álló számítási réteget, amelyben minden raktár egy lekérdezéseket futtató, független fürt; valamint a felhőszolgáltatási réteget, amely a hitelesítést, a metaadatokat, a lekérdezések elemzését és optimalizálását, illetve a tranzakciókat kezeli. Az első további kérdés általában az, hogy miért fontos a tárhely és a számítási kapacitás szétválasztása. A válasz a függetlenség: több csapat is futtathatja saját raktárait ugyanazokon az adatokon anélkül, hogy ugyanazokért a processzorokért versengenének, és csak addig fizetsz a számítási kapacitásért, amíg egy raktár működik.

• Virtuális raktárak. Méretek, automatikus felfüggesztés és újraindítás, valamint többfürtös raktárak az egyidejű terheléshez. További kérdés: mit gyorsít fel egy nagyobb raktár, és mit nem?
• Eredmény- és metaadat-gyorsítótárazás. Egy ismételten, változatlanul futtatott lekérdezés kiszolgálható az eredmény-gyorsítótárból; magyarázd el, mi érvényteleníti azt.
• Kiadások és fiókok. Szerepkörök, felhasználók és a hozzáférés-vezérlés szerepkör-hierarchiája; készülj fel annak elmagyarázására, hogy miért skálázhatóbb szerepköröknek jogosultságot adni, mint felhasználóknak.
• Félig strukturált adatok. A VARIANT típus, a JSON tárolásának és lekérdezésének módja, valamint az, hogy mikor érdemes oszlopokká bontani.

A mechanizmust és annak egy következményét is ismertesd. Az, hogy a számítási kapacitás függetlenül skálázható, csak a jelmondat; az interjúztatók olyan szintű választ várnak, amely azt is elmagyarázza, hogy egy nagyobb raktár segít egy nagy adathalmaz átvizsgálásában, de semmit sem javít egy kis, késleltetés által korlátozott lekérdezésen.

Naponta használod a Snowflake-et, és attól tartasz, hogy a kérdések mélyebbre mennek az általad írt SQL-nél. Így lesz, ezért következzen a tárolási modell az interjúkon megszokott sorrendben, az egyes témákhoz tartozó további kérdésekkel együtt.

• Mikropartíciók. Az adatokat megváltoztathatatlan blokkokban tárolják, az egyes oszlopok értéktartományairól szóló metaadatokkal. További kérdés: hogyan használja az optimalizáló ezeket a metaadatokat a partíciók kihagyására, és mitől függ a metszés?
• Klaszterezés. A természetes klaszterezés a betöltési sorrendből adódik; a klaszterezési kulcs úgy szervezi át a nagy táblákat, hogy az adott oszlopokra alkalmazott szűrők hatékony metszést tegyenek lehetővé. További kérdés: miért költség a klaszterezés, nem pedig ingyenes előny, és hogyan döntöd el, hogy szüksége van-e rá egy táblának?
• Lekérdezési profil. Mit kell megvizsgálni, ha lassú egy lekérdezés: az átvizsgált partíciók számát az összeshez képest, a helyi vagy távoli tárhelyre történő kiírást és a robbanásszerűen növekvő összekapcsolásokat.
• Materializált nézetek és keresési optimalizálás. Mit gyorsít fel mindegyik, és milyen fenntartási költséggel járnak?
• Time Travel és Fail-safe. Az adatok módosítás előtti állapotának lekérdezése vagy visszaállítása a megőrzési időszakon belül; magyarázd el, hogy a megőrzési időszak egy beállítás és egyben költségtényező, illetve hogy mire szolgál a Fail-safe.
• Másolás nélküli klónozás. A klón mindaddig megosztja az alapul szolgáló mikropartíciókat, amíg valamelyik oldalon változás nem történik, ezért egy nagy tábla klónozása gyors és kezdetben ingyenes.

Minden funkciónál mondd el, mibe kerül. A Snowflake-számlát fizető vállalatok interjúztatói jobban figyelnek erre a reflexre, mint a funkciók nevére.

A vezető pozíciókra irányuló interjúkörökben gyakran egy helyzetet vázolnak fel. Egy tipikus példa: egy biztosítótársaság analitikai platformjához jelentkező adatmérnöknek azt mondják, hogy a havi Snowflake-számla megduplázódott, miközben az adatmennyiség alig nőtt. Az erős válasz a következő sorrendben vizsgálódik: mely raktárak használták el a legtöbb kreditet; úgy van-e beállítva az automatikus felfüggesztés, hogy az üresjáratban lévő raktárak számlázása leálljon; túlméretezett raktáron fut-e egy ütemezett feladat; kihagyják-e az ismételten futó irányítópultok az eredmény-gyorsítótárat; és néhány lekérdezés azért vizsgál-e át teljes táblákat, mert olyan oszlopokra szűr, amelyek szerint az adatok nincsenek klaszterezve. Az interjúztató a vizsgálat sorrendjét értékeli, nem egyetlen javítást.

További visszatérő helyzetek: folyamatos adatbetöltés Snowpipe használatával az ütemezett COPY-betöltésekkel szemben, és az egyes megoldások késleltetése; változásrögzítés streamekkel és feladatokkal, valamint a feladat idempotenssé tétele; egy véletlenül csonkolt tábla visszaállítása Time Travel segítségével; olyan kérés, amelyben egy partnernek az adatok másolása nélkül kell olvasási hozzáférést adni, ahol a biztonságos adatmegosztás kerül előtérbe; valamint egy növekvő szervezet szerepköreinek megtervezése. Nevezd meg a korlátozást, válaszd ki a mechanizmust, és mondd el, mibe kerül.

Az interjú előtt gyakorold ezeket hangosan további kérdésekkel együtt; a próbainterjú mód helyzetkérdéseket tesz fel és megkérdőjelezi a válaszaidat, a többi adatos és mérnöki kérdésgyűjteményt pedig a szerepkör és témakör szerinti interjúkérdések alatt találod.

A beszélgetéses interjúkörökben igen, őszintén meghatározott korlátokkal. A SubcueAI natív macOS és Windows asztali alkalmazása rögzíti a rendszerhangot és a mikrofonodat, majd rövid válaszjavaslatokat jelenít meg egy helyi fedvényen. Így amikor az interjúztató megkérdezi, milyen kompromisszumot jelent a klaszterezési kulcs a metszésért cserébe, a mechanizmus ott van a képernyődön, miközben a saját szavaiddal magyarázod el. A böngészőbővítmény a Chrome és az Edge böngészőlapjain zajló hívásokat támogatja úgy, hogy kizárólag az értekezlet lapjának hangját rögzíti. Nem csatlakozik bot a híváshoz, és semmit sem illeszt be az értekezlet oldalába; a beállítás menetét az útmutató oldala ismerteti.

A korlátok: a felügyelt SQL-felmérés, a rögzített képernyő, a vállalat által felügyelt laptop és az olyan élő feladat, amelyben megfigyelés alatt írsz lekérdezéseket, kívül esik a hatókörön. Aaron Cao, a SubcueAI alapítója úgy írja le a terméket, mint emlékeztetőt arra, amit már tudsz, nem pedig annak helyettesítőjét; ezért az önéletrajzodból és a saját megfogalmazásaidból dolgozik. A korlátokat az észlelhetőségi témakör térképezi fel.