Bases de datos NoSQL
GraphDB (Neo4j), Document DBs (MongoDB, Firestore), Wide Column (Cassandra, Bigtable), teorema CAP, casos de uso
1¿Qué es el teorema CAP y cuáles son sus tres propiedades?
¿Qué es el teorema CAP y cuáles son sus tres propiedades?
Respuesta
El teorema CAP establece que un sistema distribuido solo puede garantizar dos de tres propiedades simultáneamente: Consistency (todos los nodos ven los mismos datos), Availability (el sistema siempre responde) y Partition tolerance (el sistema sigue funcionando a pesar de particiones de red). Este teorema es fundamental para entender los compromisos arquitectónicos en bases NoSQL.
2¿Cuál es la diferencia principal entre una base de datos Document (MongoDB) y una base Wide Column (Cassandra)?
¿Cuál es la diferencia principal entre una base de datos Document (MongoDB) y una base Wide Column (Cassandra)?
Respuesta
Las bases Document como MongoDB almacenan documentos JSON/BSON con esquemas flexibles y permiten consultas complejas sobre cualquier campo. Las bases Wide Column como Cassandra organizan los datos en familias de columnas con partition keys, optimizadas para escrituras masivas y lecturas por clave. MongoDB destaca para datos jerárquicos, Cassandra para series temporales de alta velocidad.
3¿En qué caso de uso se debe preferir Neo4j sobre MongoDB o Cassandra?
¿En qué caso de uso se debe preferir Neo4j sobre MongoDB o Cassandra?
Respuesta
Neo4j es una base de datos de grafos optimizada para relaciones complejas y multinivel entre entidades. Destaca para redes sociales, sistemas de recomendación, detección de fraude y análisis de dependencias. El lenguaje Cypher permite atravesar millones de relaciones en milisegundos, donde los joins SQL o los lookups NoSQL serían prohibitivamente lentos en rendimiento.
¿Qué es una partition key en Cassandra y por qué es crítica para el rendimiento?
¿Cuál es la sintaxis Cypher para encontrar todos los amigos de los amigos de un usuario en Neo4j?
+17 preguntas de entrevista
Otros temas de entrevista Data Engineering
Linux & Shell - Fundamentos
Git & GitHub - Fundamentos
Python avanzado para Data Engineering
Docker - Fundamentos
Google Cloud Platform - Fundamentos
CI/CD y calidad de código
Docker Compose
FastAPI - APIs de datos
SQL avanzado para Data Engineering
Data Lake - Arquitectura e ingesta
BigQuery para Data Engineering
PostgreSQL - Administración
Data Modeling para Data Engineering
Fivetran & Airbyte - Ingesta de datos
dbt - Fundamentos
Apache Airflow - Fundamentos
Kubernetes - Fundamentos
dbt - Funcionalidades avanzadas
Patrones ETL / ELT / ETLT
Apache Airflow - Avanzado
Airflow + dbt - Orquestación de pipelines
PySpark - Procesamiento a gran escala
Google Pub/Sub - Streaming de datos
Apache Beam & Dataflow
Kubernetes - Producción y escalado
Terraform - Infrastructure as Code
Arquitectura Data moderna
Monitoreo y observabilidad
IAM y seguridad de datos
Domina Data Engineering para tu próxima entrevista
Accede a todas las preguntas, flashcards, tests técnicos, ejercicios de code review y simuladores de entrevista.
Empieza gratis