# Moderne Data Architecture (Data Engineering) > Data Lake vs Data Warehouse vs Lakehouse, Data Mesh, Data Contracts, Schema Registry, ADR, Governance, Data Catalog, Lineage - 20 Interview-Fragen - Senior - [Interview-Fragen: Data Engineering](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen.md) ## 1. Was ist der grundlegende Unterschied zwischen einem Data Lake und einem Data Warehouse? **Antwort** Ein Data Lake speichert Daten in ihrem nativen (rohen) Format mit Schema-Anwendung zur Lesezeit (schema-on-read) und ermöglicht große Flexibilität für die Exploration. Ein Data Warehouse erzwingt ein strukturiertes Schema zur Schreibzeit (schema-on-write) mit transformierten und für Analysen optimierten Daten. Data Lakes bevorzugen Flexibilität und kostengünstigen Massenspeicher, während Data Warehouses Abfrageleistung und Datenqualität bevorzugen. ## 2. Was ist der Hauptvorteil der Lakehouse-Architektur gegenüber getrennten Data-Lake- und Data-Warehouse-Architekturen? **Antwort** Die Lakehouse-Architektur kombiniert das Beste aus beiden Welten: den flexiblen und kostengünstigen Speicher des Data Lakes mit den ACID-Fähigkeiten, der Abfrageleistung und der Governance des Data Warehouses. Dies eliminiert Datenduplizierung zwischen Systemen, reduziert Synchronisationskosten und -komplexität und ermöglicht BI- und ML-Workloads auf derselben Plattform mit offenen Formaten wie Delta Lake, Iceberg oder Hudi. ## 3. Welches offene Tabellenformat ermöglicht ACID-Transaktionen auf einem Data Lake? **Antwort** Delta Lake, Apache Iceberg und Apache Hudi sind die drei wichtigsten offenen Tabellenformate, die ACID-Transaktionen auf einem Data Lake ermöglichen. Delta Lake, entwickelt von Databricks, verwendet ein Transaction Log, um Atomarität und Konsistenz zu garantieren. Iceberg, erstellt von Netflix, bietet erweiterte Partitionsverwaltung und Schema Evolution. Hudi, entwickelt von Uber, glänzt bei Upsert- und CDC-Szenarien. Diese Formate verwandeln einfachen Objektspeicher in ein Lakehouse mit transaktionalen Garantien. ## 17 weitere Fragen verfügbar - Was ist das grundlegende Prinzip von Data Mesh? - Was ist ein Data Contract im Kontext von Data Mesh? Kostenlos registrieren: https://sharpskill.dev/de/login ## Weitere Data Engineering-Interviewthemen - [Linux & Shell - Grundlagen](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/linux-shell-basics.md): 20 Fragen, Junior - [Git & GitHub - Grundlagen](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/git-github-fundamentals.md): 20 Fragen, Junior - [Fortgeschrittenes Python für Data Engineering](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/python-advanced-de.md): 25 Fragen, Junior - [Docker - Grundlagen](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/docker-fundamentals.md): 25 Fragen, Junior - [Google Cloud Platform - Grundlagen](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/gcp-fundamentals.md): 20 Fragen, Junior - [CI/CD und Codequalität](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/ci-cd-code-quality.md): 20 Fragen, Mid-Level - [Docker Compose](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/docker-compose.md): 20 Fragen, Mid-Level - [FastAPI - Daten-APIs](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/fastapi.md): 20 Fragen, Mid-Level - [Fortgeschrittenes SQL für Data Engineering](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/sql-advanced-de.md): 20 Fragen, Mid-Level - [Data Lake - Architektur und Ingestion](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/data-lake.md): 20 Fragen, Mid-Level - [BigQuery für Data Engineering](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/bigquery-de.md): 20 Fragen, Mid-Level - [PostgreSQL - Administration](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/postgresql-admin.md): 20 Fragen, Mid-Level - [Data Modeling für Data Engineering](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/data-modeling-de.md): 20 Fragen, Mid-Level - [Fivetran & Airbyte - Daten-Ingestion](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/fivetran-airbyte.md): 20 Fragen, Mid-Level - [dbt - Grundlagen](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/dbt-fundamentals-de.md): 20 Fragen, Mid-Level - [Apache Airflow - Grundlagen](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/airflow-fundamentals.md): 20 Fragen, Mid-Level - [Kubernetes - Grundlagen](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/kubernetes-fundamentals.md): 20 Fragen, Mid-Level - [dbt - Erweiterte Funktionen](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/dbt-advanced-de.md): 20 Fragen, Senior - [ETL- / ELT- / ETLT-Patterns](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/etl-elt-patterns.md): 20 Fragen, Senior - [Apache Airflow - Fortgeschritten](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/airflow-advanced.md): 20 Fragen, Senior - [Airflow + dbt - Pipeline-Orchestrierung](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/airflow-dbt-integration.md): 20 Fragen, Senior - [PySpark - Verarbeitung im großen Maßstab](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/pyspark.md): 20 Fragen, Senior - [Google Pub/Sub - Daten-Streaming](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/pubsub-streaming.md): 20 Fragen, Senior - [Apache Beam & Dataflow](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/apache-beam-dataflow.md): 20 Fragen, Senior - [Kubernetes - Produktion und Skalierung](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/kubernetes-advanced.md): 20 Fragen, Senior - [Terraform - Infrastructure as Code](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/terraform.md): 20 Fragen, Senior - [NoSQL-Datenbanken](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/nosql-databases.md): 20 Fragen, Senior - [Monitoring und Observability](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/monitoring-observability.md): 20 Fragen, Senior - [IAM und Datensicherheit](https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/iam-security-de.md): 20 Fragen, Senior --- Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack. HTML version of this page: https://sharpskill.dev/de/technologies/data-engineering/interviewfragen/data-architecture