Hangi Snowflake mülakat sorularını beklemeliyim?

Snowflake mülakatları mimariyle başlar çünkü sonraki her soru buna dayanır. Üç katmanı kendi sözlerinizle açıklamaya hazır olun: verileri bulut nesne depolamasında sıkıştırılmış, sütunlu mikro bölümlerde tutan depolama katmanı; her biri sorguları çalıştıran bağımsız bir küme olan sanal warehouse'lardan oluşan işleme katmanı; kimlik doğrulama, metadata, sorgu ayrıştırma ve optimizasyon ile işlemleri yöneten bulut hizmetleri katmanı. İlk devam sorusu, depolamayı işlemeden ayırmanın neden önemli olduğudur; cevap bağımsızlıktır: birkaç ekip aynı işlemciler için çekişmeden aynı veriler üzerinde kendi warehouse'larını çalıştırabilir ve işleme için yalnızca bir warehouse çalışırken ödeme yaparsınız.

• Sanal warehouse'lar. Boyutlar, otomatik askıya alma ve otomatik sürdürme ile eşzamanlılık için çok kümeli warehouse'lar. Devam sorusu: daha büyük bir warehouse neyi hızlandırır, neyi hızlandırmaz?
• Sonuç ve metadata önbelleğe alma. Tekrarlanan aynı sorgu sonuç önbelleğinden sunulabilir; bunu neyin geçersiz kıldığını açıklayın.
• Sürümler ve hesaplar. Erişim kontrolü için roller, kullanıcılar ve rol hiyerarşisi; izinleri kullanıcılara değil rollere vermenin neden ölçeklenebilir olduğunu açıklamaya hazır olun.
• Yarı yapılandırılmış veriler. VARIANT türü, JSON'ın nasıl depolanıp sorgulandığı ve ne zaman sütunlara düzleştirilmesi gerektiği.

Mekanizmayı ve bir sonucunu söyleyerek cevap verin. İşlemenin bağımsız ölçeklendiğini söylemek slogandır; daha büyük bir warehouse'un büyük bir taramaya yardımcı olduğunu ancak gecikmeyle sınırlı küçük bir sorgu için hiçbir şey yapmadığını açıklamak, mülakatçıların istediği düzeydir.

Snowflake'i her gün kullanıyorsunuz ve soruların yazdığınız SQL'in daha derinine ineceğinden endişeleniyorsunuz. İnecekler; bu nedenle depolama modeli, genellikle sorulduğu sırayla ve her maddenin devam sorusuyla birlikte şöyledir.

• Mikro bölümler. Veriler, her sütundaki değer aralıklarına ilişkin metadata içeren değiştirilemez parçalar hâlinde depolanır. Devam sorusu: optimizer bu metadata'yı bölümleri atlamak için nasıl kullanır ve budama neye bağlıdır?
• Kümeleme. Doğal kümeleme yükleme sırasından gelir; bir kümeleme anahtarı, bu sütunlardaki filtrelerin iyi budama yapabilmesi için büyük tabloları yeniden düzenler. Devam sorusu: kümeleme neden ücretsiz bir kazanç değil de maliyettir ve bir tablonun buna ihtiyacı olup olmadığına nasıl karar verirsiniz?
• Sorgu profili. Bir sorgu yavaş olduğunda bakılacak yerler: taranan bölümlerin toplam bölümlere oranı, yerel veya uzak depolamaya taşma ve kontrolden çıkan join'ler.
• Materialized view'lar ve arama optimizasyonu. Her birinin neyi hızlandırdığı ve eklediği bakım maliyeti.
• Time Travel ve Fail-safe. Verileri saklama süresi içinde bir değişiklikten önceki hâliyle sorgulama veya geri yükleme; saklama süresinin bir ayar ve maliyet olduğunu ve Fail-safe'in ne için kullanıldığını açıklayın.
• Sıfır kopyalı klonlama. Bir klon, taraflardan biri değişene kadar alttaki mikro bölümleri paylaşır; bu nedenle büyük bir tabloyu klonlamak hızlı ve başlangıçta ücretsizdir.

Her özellik için maliyetini belirtin. Snowflake faturası ödeyen şirketlerdeki mülakatçılar, özellik adlarından çok bu refleksi arar.

Kıdemli pozisyon mülakatlarında bir durum sunulur. Temsili bir örnek: bir sigorta şirketinde analitik platform rolü için görüşen veri mühendisine, veri hacmi neredeyse hiç artmadığı hâlde aylık Snowflake faturasının iki katına çıktığı söylenir. Güçlü bir cevap şu sırayla araştırır: hangi warehouse'lar en fazla kredi tüketti, otomatik askıya alma boşta kalan warehouse'ların faturalandırılmasını durduracak şekilde ayarlı mı, zamanlanmış bir iş gereğinden büyük bir warehouse'da mı çalışıyor, tekrarlanan dashboard'lar sonuç önbelleğini kaçırıyor mu ve birkaç sorgu, verilerin göre kümeleme yapılmadığı sütunlarda filtre uyguladığı için tüm tabloları mı tarıyor? Mülakatçı tek bir çözümü değil, araştırmanın sırasını değerlendirir.

Tekrarlanan diğer senaryolar: Snowpipe ile sürekli veri alımına karşı zamanlanmış COPY yüklemeleri ve her birinin sağladığı gecikme; stream'ler ve task'larla değişiklik yakalama ve bir task'ı nasıl idempotent hâle getirdiğiniz; birinin yanlışlıkla truncate ettiği bir tablo ve Time Travel'ın onu nasıl geri yüklediği; verileri kopyalamadan bir iş ortağına okuma erişimi verme talebi ki burada güvenli veri paylaşımı devreye girer; ayrıca büyüyen bir kuruluş için rol tasarımı. Kısıtı belirtin, mekanizmayı seçin ve maliyetini söyleyin.

Mülakattan önce bunları devam sorularıyla birlikte sesli olarak prova edin; deneme mülakatı modu senaryo soruları yöneltip cevaplarınızı zorlar, diğer veri ve mühendislik soru bankaları ise role ve konuya göre mülakat soruları altında toplanmıştır.

Sohbet biçimindeki turlarda, dürüst sınırlar dâhilinde evet. SubcueAI'ın yerel macOS ve Windows masaüstü uygulaması sistem sesini ve mikrofonunuzu yakalayıp yerel bir katmanda kısa cevap önerileri gösterir; böylece mülakatçı bir kümeleme anahtarının budama karşılığında neyi feda ettiğini sorduğunda, siz bunu kendi sözlerinizle açıklarken mekanizma ekranınızda olur. Tarayıcı uzantısı, yalnızca toplantı sekmesinin sesini yakalayarak Chrome ve Edge'deki tarayıcı sekmesi görüşmelerini kapsar. Görüşmeye hiçbir bot katılmaz ve toplantı sayfasına hiçbir şey enjekte edilmez; kurulum eğitim sayfasındadır.

Sınırlar şunlardır: gözetimli bir SQL değerlendirmesi, kaydedilen bir ekran, şirket tarafından yönetilen bir dizüstü bilgisayar veya gözlem altında sorgu yazdığınız canlı bir alıştırma kapsam dışıdır. SubcueAI'ın kurucusu Aaron Cao, ürünü bilginizin yerine geçen bir şey değil, zaten bildiklerinizi hatırlatan bir ipucu olarak tanımlar; bu nedenle özgeçmişiniz ve kendi ifade biçiminiz üzerinden çalışır. Sınırlar tespit edilebilirlik kümesinde açıklanmıştır.