# Data Architecture moderna (Data Engineering) > Data Lake vs Data Warehouse vs Lakehouse, Data Mesh, Data Contracts, schema registry, ADR, governance, data catalog, lineage - 20 domande da colloquio - Senior - [Domande da colloquio: Data Engineering](https://sharpskill.dev/it/technologies/data-engineering/domande-colloquio.md) ## 1. Qual è la differenza fondamentale tra un Data Lake e un Data Warehouse? **Risposta** Un Data Lake memorizza i dati nel loro formato nativo (grezzo) con uno schema applicato in lettura (schema-on-read), consentendo grande flessibilità per l'esplorazione. Un Data Warehouse impone uno schema strutturato in scrittura (schema-on-write) con dati trasformati e ottimizzati per l'analytics. I Data Lake privilegiano flessibilità e storage massivo a basso costo, mentre i Data Warehouse privilegiano la performance delle query analitiche e la qualità dei dati. ## 2. Qual è il principale vantaggio dell'architettura Lakehouse rispetto ad architetture Data Lake e Data Warehouse separate? **Risposta** L'architettura Lakehouse combina il meglio di entrambi i mondi: lo storage flessibile ed economico del Data Lake con le capacità ACID, le performance delle query e la governance del Data Warehouse. Questo elimina la duplicazione dei dati tra i sistemi, riduce costi e complessità di sincronizzazione, consentendo workload BI e ML sulla stessa piattaforma utilizzando formati aperti come Delta Lake, Iceberg o Hudi. ## 3. Quale formato di tabella aperto consente transazioni ACID su un Data Lake? **Risposta** Delta Lake, Apache Iceberg e Apache Hudi sono i tre principali formati di tabella aperti che abilitano transazioni ACID su un Data Lake. Delta Lake, sviluppato da Databricks, usa un transaction log per garantire atomicità e coerenza. Iceberg, creato da Netflix, offre gestione avanzata delle partizioni e schema evolution. Hudi, sviluppato da Uber, eccelle in scenari di upsert e CDC. Questi formati trasformano un semplice storage di oggetti in un Lakehouse con garanzie transazionali. ## Altre 17 domande disponibili - Qual è il principio fondamentale del Data Mesh? - Cos'è un Data Contract nel contesto del Data Mesh? Registrati gratis: https://sharpskill.dev/it/login ## Altri argomenti di colloquio Data Engineering - [Linux & Shell - Fondamenti](https://sharpskill.dev/it/technologies/data-engineering/domande-colloquio/linux-shell-basics.md): 20 domande, Junior - [Git & GitHub - Fondamenti](https://sharpskill.dev/it/technologies/data-engineering/domande-colloquio/git-github-fundamentals.md): 20 domande, Junior - [Python avanzato per Data Engineering](https://sharpskill.dev/it/technologies/data-engineering/domande-colloquio/python-advanced-de.md): 25 domande, Junior - [Docker - Fondamenti](https://sharpskill.dev/it/technologies/data-engineering/domande-colloquio/docker-fundamentals.md): 25 domande, Junior - [Google Cloud Platform - Fondamenti](https://sharpskill.dev/it/technologies/data-engineering/domande-colloquio/gcp-fundamentals.md): 20 domande, Junior - [CI/CD e qualità del codice](https://sharpskill.dev/it/technologies/data-engineering/domande-colloquio/ci-cd-code-quality.md): 20 domande, Mid-Level - [Docker Compose](https://sharpskill.dev/it/technologies/data-engineering/domande-colloquio/docker-compose.md): 20 domande, Mid-Level - [FastAPI - API per dati](https://sharpskill.dev/it/technologies/data-engineering/domande-colloquio/fastapi.md): 20 domande, Mid-Level - [SQL avanzato per il Data Engineering](https://sharpskill.dev/it/technologies/data-engineering/domande-colloquio/sql-advanced-de.md): 20 domande, Mid-Level - [Data Lake - Architettura e ingestione](https://sharpskill.dev/it/technologies/data-engineering/domande-colloquio/data-lake.md): 20 domande, Mid-Level - [BigQuery per il Data Engineering](https://sharpskill.dev/it/technologies/data-engineering/domande-colloquio/bigquery-de.md): 20 domande, Mid-Level - [PostgreSQL - Amministrazione](https://sharpskill.dev/it/technologies/data-engineering/domande-colloquio/postgresql-admin.md): 20 domande, Mid-Level - [Data Modeling per Data Engineering](https://sharpskill.dev/it/technologies/data-engineering/domande-colloquio/data-modeling-de.md): 20 domande, Mid-Level - [Fivetran & Airbyte - Ingestione dati](https://sharpskill.dev/it/technologies/data-engineering/domande-colloquio/fivetran-airbyte.md): 20 domande, Mid-Level - [dbt - Fondamenti](https://sharpskill.dev/it/technologies/data-engineering/domande-colloquio/dbt-fundamentals-de.md): 20 domande, Mid-Level - [Apache Airflow - Fondamenti](https://sharpskill.dev/it/technologies/data-engineering/domande-colloquio/airflow-fundamentals.md): 20 domande, Mid-Level - [Kubernetes - Fondamenti](https://sharpskill.dev/it/technologies/data-engineering/domande-colloquio/kubernetes-fundamentals.md): 20 domande, Mid-Level - [dbt - Funzionalità avanzate](https://sharpskill.dev/it/technologies/data-engineering/domande-colloquio/dbt-advanced-de.md): 20 domande, Senior - [Pattern ETL / ELT / ETLT](https://sharpskill.dev/it/technologies/data-engineering/domande-colloquio/etl-elt-patterns.md): 20 domande, Senior - [Apache Airflow - Avanzato](https://sharpskill.dev/it/technologies/data-engineering/domande-colloquio/airflow-advanced.md): 20 domande, Senior - [Airflow + dbt - Orchestrazione delle pipeline](https://sharpskill.dev/it/technologies/data-engineering/domande-colloquio/airflow-dbt-integration.md): 20 domande, Senior - [PySpark - Elaborazione su larga scala](https://sharpskill.dev/it/technologies/data-engineering/domande-colloquio/pyspark.md): 20 domande, Senior - [Google Pub/Sub - Streaming di dati](https://sharpskill.dev/it/technologies/data-engineering/domande-colloquio/pubsub-streaming.md): 20 domande, Senior - [Apache Beam & Dataflow](https://sharpskill.dev/it/technologies/data-engineering/domande-colloquio/apache-beam-dataflow.md): 20 domande, Senior - [Kubernetes - Produzione e scaling](https://sharpskill.dev/it/technologies/data-engineering/domande-colloquio/kubernetes-advanced.md): 20 domande, Senior - [Terraform - Infrastructure as Code](https://sharpskill.dev/it/technologies/data-engineering/domande-colloquio/terraform.md): 20 domande, Senior - [Database NoSQL](https://sharpskill.dev/it/technologies/data-engineering/domande-colloquio/nosql-databases.md): 20 domande, Senior - [Monitoraggio e osservabilità](https://sharpskill.dev/it/technologies/data-engineering/domande-colloquio/monitoring-observability.md): 20 domande, Senior - [IAM e sicurezza dei dati](https://sharpskill.dev/it/technologies/data-engineering/domande-colloquio/iam-security-de.md): 20 domande, Senior --- Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack. HTML version of this page: https://sharpskill.dev/it/technologies/data-engineering/domande-colloquio/data-architecture