Snowflake 面试中会遇到哪些问题？

Snowflake 面试通常从架构开始，因为后续每个问题都以此为基础。你需要能用自己的话描述三个层次：存储层将数据以压缩的列式微分区形式保存在云对象存储中；计算层由虚拟仓库组成，每个仓库都是运行查询的独立集群；云服务层负责身份验证、元数据、查询解析与优化，以及事务。第一个追问通常是为什么存储与计算分离很重要，答案在于独立性：多个团队可以使用各自的仓库访问同一份数据，不会争用相同的处理器，而且只有仓库运行时才需要支付计算费用。

• 虚拟仓库。规模、自动挂起与自动恢复，以及用于并发处理的多集群仓库。追问：更大的仓库能加速什么，又不能加速什么？
• 结果与元数据缓存。完全相同的重复查询可以直接使用结果缓存；请说明什么情况会使缓存失效。
• 版本与账户。角色、用户，以及用于访问控制的角色层级；需要说明为什么向角色而不是用户授予权限更易于扩展。
• 半结构化数据。VARIANT 类型、JSON 的存储与查询方式，以及何时应将其展开为列。

回答时要说明机制及其一个后果。说计算可以独立扩展只是一句口号；解释更大的仓库有助于大规模扫描，却无法改善受延迟限制的小型查询，才是面试官期望的深度。

你每天都使用 Snowflake，却担心问题会深入到日常编写的 SQL 之下。确实如此，因此下面按照通常的提问顺序介绍存储模型，并附上每一项常见的追问。

• 微分区。数据存储在不可变的数据块中，其中包含各列值范围的元数据。追问：优化器如何利用这些元数据跳过分区，分区剪枝又取决于什么？
• 聚类。自然聚类来自加载顺序；聚类键会重新组织大表，使针对相应列的筛选能够有效进行分区剪枝。追问：为什么聚类会产生成本，而不是免费的性能收益？如何判断一张表是否需要聚类？
• 查询剖析。查询缓慢时应检查哪些方面：扫描分区数与总分区数的对比、数据是否溢出到本地或远程存储，以及联接是否导致数据量激增。
• 物化视图与搜索优化。两者分别能加速什么，以及各自增加了哪些维护成本。
• Time Travel 与 Fail-safe。在保留期内查询或恢复更改前的数据；需要说明保留期是一项设置，也会产生成本，并解释 Fail-safe 的用途。
• 零复制克隆。在任意一方发生变化前，克隆与原对象共享底层微分区，因此克隆大表速度很快，且最初不产生额外存储费用。

谈到每项功能时，都要说明它的成本。对于需要支付 Snowflake 账单的公司，面试官更重视这种成本意识，而不只是功能名称。

高级职位的多轮面试会给出具体情景。一个典型例子是：某位应聘保险公司分析平台岗位的数据工程师得知，在数据量几乎没有增长的情况下，每月 Snowflake 账单却翻了一番。出色的回答会按顺序调查：哪些仓库消耗了最多额度；是否已设置自动挂起，让闲置仓库停止计费；某个计划任务是否运行在规模过大的仓库上；重复加载的仪表板是否未命中结果缓存；以及是否有少数查询因为筛选列并非数据的聚类依据而扫描整张表。面试官评估的是调查顺序，而不是某一个修复方案。

其他常见情景包括：比较使用 Snowpipe 持续摄取与定期执行 COPY 加载时各自的延迟；使用流和任务进行变更捕获，以及如何让任务具备幂等性；有人误截断表后如何使用 Time Travel 恢复；合作伙伴要求在不复制数据的情况下获得读取权限，此时应使用安全数据共享；以及如何为不断扩大的组织设计角色。先说明约束，再选择机制，并指出其成本。

面试前应大声演练这些问题及其追问；模拟面试模式会提出情景题并进一步追问，其他数据与工程题库则汇总在按职位和主题分类的面试问题中。

在对话式面试环节中可以，但要遵守明确的使用边界。SubcueAI 的原生 macOS 和 Windows 桌面应用会采集系统音频和你的麦克风音频，并在本地浮层中显示简短的回答建议。因此，当面试官询问聚类键为了实现分区剪枝需要付出什么代价时，相关机制会显示在你的屏幕上，而你可以用自己的话进行解释。浏览器扩展适用于 Chrome 和 Edge 中基于浏览器标签页的通话，并且只采集会议标签页的音频。不会有机器人加入通话，也不会向会议页面注入任何内容；设置方法请参阅教程页面。

使用边界包括：受监考的 SQL 测评、屏幕录制、公司管理的笔记本电脑，以及在他人观察下编写查询的实时练习，均不在适用范围内。SubcueAI 创始人 Aaron Cao 将产品描述为对你已有知识的提示，而不是知识的替代品；因此，它会根据你的简历和你自己的表达方式提供帮助。具体边界已整理在可检测性专题中。