NoSQL-Datenbanken
GraphDB (Neo4j), Document DBs (MongoDB, Firestore), Wide Column (Cassandra, Bigtable), CAP-Theorem, Anwendungsfälle
1Was ist das CAP-Theorem und welche drei Eigenschaften hat es?
Was ist das CAP-Theorem und welche drei Eigenschaften hat es?
Antwort
Das CAP-Theorem besagt, dass ein verteiltes System nur zwei von drei Eigenschaften gleichzeitig garantieren kann: Consistency (alle Knoten sehen dieselben Daten), Availability (das System antwortet immer) und Partition tolerance (das System funktioniert trotz Netzwerkpartitionen weiter). Dieses Theorem ist grundlegend für das Verständnis architektonischer Kompromisse in NoSQL-Datenbanken.
2Was ist der Hauptunterschied zwischen einer Document-Datenbank (MongoDB) und einer Wide-Column-Datenbank (Cassandra)?
Was ist der Hauptunterschied zwischen einer Document-Datenbank (MongoDB) und einer Wide-Column-Datenbank (Cassandra)?
Antwort
Document-Datenbanken wie MongoDB speichern JSON/BSON-Dokumente mit flexiblen Schemas und ermöglichen komplexe Abfragen auf jedem Feld. Wide-Column-Datenbanken wie Cassandra organisieren Daten in Column Families mit Partition Keys, optimiert für massive Schreibvorgänge und schlüsselbasierte Lesevorgänge. MongoDB glänzt bei hierarchischen Daten, Cassandra bei Zeitreihen mit hoher Geschwindigkeit.
3In welchem Anwendungsfall sollte Neo4j gegenüber MongoDB oder Cassandra bevorzugt werden?
In welchem Anwendungsfall sollte Neo4j gegenüber MongoDB oder Cassandra bevorzugt werden?
Antwort
Neo4j ist eine Graph-Datenbank, die für komplexe mehrstufige Beziehungen zwischen Entitäten optimiert ist. Sie glänzt bei sozialen Netzwerken, Empfehlungssystemen, Betrugserkennung und Abhängigkeitsanalysen. Die Cypher-Sprache ermöglicht das Durchlaufen von Millionen von Beziehungen in Millisekunden, wo SQL-Joins oder NoSQL-Lookups leistungstechnisch prohibitiv wären.
Was ist ein Partition Key in Cassandra und warum ist er für die Leistung entscheidend?
Wie lautet die Cypher-Syntax, um alle Freunde von Freunden eines Benutzers in Neo4j zu finden?
+17 Interview-Fragen
Weitere Data Engineering-Interviewthemen
Linux & Shell - Grundlagen
Git & GitHub - Grundlagen
Fortgeschrittenes Python für Data Engineering
Docker - Grundlagen
Google Cloud Platform - Grundlagen
CI/CD und Codequalität
Docker Compose
FastAPI - Daten-APIs
Fortgeschrittenes SQL für Data Engineering
Data Lake - Architektur und Ingestion
BigQuery für Data Engineering
PostgreSQL - Administration
Data Modeling für Data Engineering
Fivetran & Airbyte - Daten-Ingestion
dbt - Grundlagen
Apache Airflow - Grundlagen
Kubernetes - Grundlagen
dbt - Erweiterte Funktionen
ETL- / ELT- / ETLT-Patterns
Apache Airflow - Fortgeschritten
Airflow + dbt - Pipeline-Orchestrierung
PySpark - Verarbeitung im großen Maßstab
Google Pub/Sub - Daten-Streaming
Apache Beam & Dataflow
Kubernetes - Produktion und Skalierung
Terraform - Infrastructure as Code
Moderne Data Architecture
Monitoring und Observability
IAM und Datensicherheit
Meistere Data Engineering für dein nächstes Interview
Zugang zu allen Fragen, Flashcards, technischen Tests, Code-Review-Übungen und Interview-Simulatoren.
Kostenlos starten