Welke Databricks-interviewvragen kan ik verwachten?

Databricks-interviews beginnen met Delta Lake, omdat het platform daarop is gebouwd. Wees voorbereid om uit te leggen wat een Delta-tabel toevoegt aan gewone Parquet-bestanden: een transactielogboek waarin elke commit wordt vastgelegd. Dit maakt atomische schrijfbewerkingen, consistente leesbewerkingen en het opvragen van een eerdere versie van een tabel mogelijk. De vervolgvragen zijn voorspelbaar: hoe time travel werkt (een eerdere momentopname van het logboek lezen), wat VACUUM verwijdert en waarom dit beperkt hoe ver je terug kunt gaan, en hoe MERGE upserts en change-data-capturepatronen implementeert.

• Schemahandhaving en schema-evolutie. Schrijfbewerkingen die niet overeenkomen met het schema worden geweigerd, tenzij evolutie is ingeschakeld; leg uit wanneer je dit zou toestaan.
• OPTIMIZE en bestandsindeling. Kleine bestanden verslechteren de leesprestaties; compactie herschrijft ze, terwijl clustering of Z-ordering waarden bijeenplaatst waarop query's filteren.
• Streaming en batchverwerking op één tabel. Dezelfde Delta-tabel kan een streamingbestemming en een batchbron zijn; leg uit wat exactly-once betekent wanneer een Structured Streaming-taak naar Delta schrijft.
• Delta Live Tables en pipelines. Declaratieve pipelines met verwachtingen voor datakwaliteit; wees voorbereid om uit te leggen wat er gebeurt wanneer een rij niet aan een verwachting voldoet.

Geef antwoord aan de hand van het mechanisme. Zeggen dat Delta ACID ondersteunt, is de slogan; uitleggen dat het transactielogboek een gedeeltelijk mislukte schrijfbewerking onzichtbaar maakt voor lezers, is het antwoord.

Je hebt bronzen, zilveren en gouden lagen gebouwd en vermoedt dat de interviewer meer wil horen dan alleen de namen. Dat klopt; daarom geeft dit onderdeel de ontwerpredenering achter elke laag en de vragen waarmee die kennis wordt getest.

• Brons. Ruwe gegevensinvoer, alleen toevoegen, schema zoals het is binnengekomen. Vervolgvraag: waarom bewaar je überhaupt ruwe gegevens als zilver schoner is? Voor herverwerking en audits.
• Zilver. Opgeschoonde, gededupliceerde en geconformeerde records. Vervolgvraag: hoe dedupliceer je een stroom gebeurtenissen die te laat of dubbel kan binnenkomen, en welke rol speelt watermarking?
• Goud. Aggregaties en bedrijfstabellen voor analisten en dashboards. Vervolgvraag: wie is eigenaar van de definities en hoe voorkom je dat twee gouden tabellen verschillende omzetcijfers geven?
• Orkestratie. Jobs, taakafhankelijkheden, nieuwe pogingen en waarschuwingen. Vervolgvraag: hoe maak je een job idempotent, zodat een nieuwe uitvoering niets dubbel telt?
• Gegevensinvoer. Auto Loader voor incrementele bestandsdetectie, en waarom een naïeve directoryvermelding niet schaalbaar is.

Interviewers vragen ook naar kosten: waarom een cluster voor algemeen gebruik niet de juiste plaats is voor een geplande job, wanneer een jobcluster of serverless rekenkracht geschikt is, en hoe automatisch schalen en spotinstanties de rekening beïnvloeden. Benoem de beperking, kies het mechanisme en noem de kosten.

In seniorrondes krijg je een symptoom voorgelegd. Een representatief voorbeeld: een data-engineer die bij een winkelbedrijf solliciteert naar een platformfunctie, hoort dat een nachtelijke job waarin bestellingen aan een klantdimensie worden gekoppeld na een sterke datagroei niet langer minuten, maar uren duurt. Een sterk antwoord begint bij het queryplan en de Spark UI, niet bij een groter cluster: je controleert of de join een shuffle-join is geworden in plaats van een broadcast-join, of enkele sleutels scheef verdeeld zijn, of het aantal shufflepartities nog bij de gegevens past en of de brontabellen problemen met kleine bestanden hebben die OPTIMIZE kan oplossen. De interviewer beoordeelt de volgorde van je onderzoek.

Andere terugkerende scenario's zijn: een streamingjob waarvan de achterstand blijft groeien en de wisselwerking tussen triggerintervallen, statusgrootte en watermarks; een notebook dat voor de ene gebruiker werkt en voor de andere niet, wat meestal een machtigingsvraag is die leidt naar Unity Catalog, workspaces en service-principals; een tabel die volgens analisten verouderd is, wat een vraag over actualiteit en orkestratie is; en een verzoek om gegevens veilig beschikbaar te stellen aan een ander team, waarbij Delta Sharing en machtigingen op catalogusniveau aan bod komen.

Oefen deze vóór het echte gesprek hardop met vervolgvragen; de modus voor proefinterviews is ontwikkeld voor scenariovragen, en de bredere verzameling vragenbanken voor data- en technische functies staat onder interviewvragen per functie en onderwerp.

Bij gespreksrondes wel, met duidelijke beperkingen. De native desktopapp van SubcueAI voor macOS en Windows neemt het systeemgeluid en je microfoon op en toont korte antwoordsuggesties in een lokale overlay. Wanneer de interviewer dus vraagt wat een watermark doet bij deduplicatie van streaminggegevens, staat het mechanisme op je scherm terwijl je het in je eigen woorden uitlegt. De browserextensie ondersteunt gesprekken in browsertabbladen op Chrome en Edge door uitsluitend het geluid van het vergadertabblad op te nemen. Er neemt geen bot deel aan het gesprek en er wordt niets in de vergaderpagina geïnjecteerd; de installatiehandleiding staat op de pagina met de tutorial.

De beperkingen: een gesurveilleerde toets, een opgenomen scherm, een door het bedrijf beheerde laptop of een live notebookoefening waarbij je onder toezicht PySpark schrijft, vallen buiten het toepassingsgebied. Juist daar plaatsen Databricks-interviews vaak het moeilijkste onderdeel. De assistent is het sterkst bij vragen over architectuur en afwegingen. Upload eerst je cv, zodat de suggesties aansluiten op de pipelines die je echt hebt gebouwd; de cv-builder bevat dat profiel.