Google Pub/Sub - Daten-Streaming
Topics, Subscriptions, Push vs Pull, Ordering, Dead Lettering, Exactly-Once-Delivery, Monitoring, Schema Registry
1Was ist das wichtigste architektonische Merkmal von Google Pub/Sub?
Was ist das wichtigste architektonische Merkmal von Google Pub/Sub?
Antwort
Google Pub/Sub ist ein serverloser asynchroner Messaging-Dienst, der Nachrichtenproduzenten von Konsumenten entkoppelt. Publisher senden Nachrichten an Topics, ohne die Subscriber zu kennen, und Subscriber empfangen Nachrichten über Subscriptions, ohne die Publisher zu kennen. Diese Architektur ermöglicht unabhängige horizontale Skalierung auf beiden Seiten.
2Was ist der grundlegende Unterschied zwischen einem Topic und einer Subscription in Pub/Sub?
Was ist der grundlegende Unterschied zwischen einem Topic und einer Subscription in Pub/Sub?
Antwort
Ein Topic ist ein benannter Kanal, an den Publisher Nachrichten senden, während eine Subscription eine benannte Entität ist, die das Interesse eines Subscribers am Empfang von Nachrichten aus einem Topic darstellt. Ein Topic kann mehrere Subscriptions haben, und jede Subscription erhält eine Kopie jeder im Topic veröffentlichten Nachricht.
3Wann sollte eine Pull-Subscription einer Push-Subscription vorgezogen werden?
Wann sollte eine Pull-Subscription einer Push-Subscription vorgezogen werden?
Antwort
Eine Pull-Subscription ist vorzuziehen, wenn der Subscriber die Nachrichtenverbrauchsrate (Flow Control) steuern muss, große Batches verarbeitet oder wenn die Ausführungsumgebung keinen öffentlichen HTTPS-Endpunkt bereitstellen kann. Pull erleichtert auch die Bewältigung von Lastspitzen durch dynamische Anpassung der abgerufenen Nachrichtenanzahl.
Wie funktioniert der Acknowledgement-Mechanismus in Pub/Sub?
Welche Rolle spielt ein Dead Letter Topic in Pub/Sub?
+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
Apache Beam & Dataflow
Kubernetes - Produktion und Skalierung
Terraform - Infrastructure as Code
NoSQL-Datenbanken
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