Database NoSQL
GraphDB (Neo4j), Document DBs (MongoDB, Firestore), Wide Column (Cassandra, Bigtable), teorema CAP, casi d'uso
1Cos'è il teorema CAP e quali sono le sue tre proprietà?
Cos'è il teorema CAP e quali sono le sue tre proprietà?
Risposta
Il teorema CAP afferma che un sistema distribuito può garantire solo due delle tre proprietà simultaneamente: Consistency (tutti i nodi vedono gli stessi dati), Availability (il sistema risponde sempre) e Partition tolerance (il sistema continua a funzionare nonostante partizioni di rete). Questo teorema è fondamentale per comprendere i compromessi architetturali nei database NoSQL.
2Qual è la differenza principale tra un database Document (MongoDB) e un database Wide Column (Cassandra)?
Qual è la differenza principale tra un database Document (MongoDB) e un database Wide Column (Cassandra)?
Risposta
I database Document come MongoDB memorizzano documenti JSON/BSON con schemi flessibili e permettono query complesse su qualsiasi campo. I database Wide Column come Cassandra organizzano i dati in column family con partition key, ottimizzati per scritture massive e letture per chiave. MongoDB eccelle per dati gerarchici, Cassandra per serie temporali ad alta velocità.
3In quale caso d'uso si dovrebbe preferire Neo4j rispetto a MongoDB o Cassandra?
In quale caso d'uso si dovrebbe preferire Neo4j rispetto a MongoDB o Cassandra?
Risposta
Neo4j è un database graph ottimizzato per relazioni complesse multi-livello tra entità. Eccelle per reti sociali, sistemi di raccomandazione, rilevamento frodi e analisi delle dipendenze. Il linguaggio Cypher permette di attraversare milioni di relazioni in millisecondi, dove i join SQL o i lookup NoSQL sarebbero proibitivi in termini di prestazioni.
Cos'è una partition key in Cassandra e perché è critica per le prestazioni?
Qual è la sintassi Cypher per trovare tutti gli amici degli amici di un utente in Neo4j?
+17 domande da colloquio
Altri argomenti di colloquio Data Engineering
Linux & Shell - Fondamenti
Git & GitHub - Fondamenti
Python avanzato per Data Engineering
Docker - Fondamenti
Google Cloud Platform - Fondamenti
CI/CD e qualità del codice
Docker Compose
FastAPI - API per dati
SQL avanzato per il Data Engineering
Data Lake - Architettura e ingestione
BigQuery per il Data Engineering
PostgreSQL - Amministrazione
Data Modeling per Data Engineering
Fivetran & Airbyte - Ingestione dati
dbt - Fondamenti
Apache Airflow - Fondamenti
Kubernetes - Fondamenti
dbt - Funzionalità avanzate
Pattern ETL / ELT / ETLT
Apache Airflow - Avanzato
Airflow + dbt - Orchestrazione delle pipeline
PySpark - Elaborazione su larga scala
Google Pub/Sub - Streaming di dati
Apache Beam & Dataflow
Kubernetes - Produzione e scaling
Terraform - Infrastructure as Code
Data Architecture moderna
Monitoraggio e osservabilità
IAM e sicurezza dei dati
Padroneggia Data Engineering per il tuo prossimo colloquio
Accedi a tutte le domande, flashcards, test tecnici, esercizi di code review e simulatori di colloquio.
Inizia gratis