Question 1

Quale comando mostra la directory di lavoro corrente in un terminale Linux?

Accepted Answer

Il comando pwd (print working directory) mostra il percorso assoluto della directory corrente. È essenziale per orientarsi nell'albero dei file, soprattutto durante la navigazione tra più cartelle o negli script bash.

Question 2

Quale comando inizializza un nuovo repository Git in una directory esistente?

Accepted Answer

Il comando git init crea un nuovo repository Git nella directory corrente inizializzando la sottodirectory .git che contiene tutti i file necessari al versionamento. Questo comando è il primo passo per iniziare a tracciare le modifiche di un progetto esistente.

Question 3

Cos'è una classe in Python?

Accepted Answer

Una classe è un modello (blueprint) che definisce la struttura e il comportamento degli oggetti. Incapsula dati (attributi) e funzioni (metodi) che operano su tali dati. Le classi permettono di creare più istanze che condividono la stessa struttura ma con valori diversi, il che è fondamentale per la programmazione orientata agli oggetti.

Question 4

Cos'è un container Docker?

Accepted Answer

Un container Docker è un'istanza eseguibile di un'immagine Docker. Incapsula un'applicazione e tutte le sue dipendenze in un ambiente isolato e portabile. A differenza delle macchine virtuali, i container condividono il kernel del sistema host, rendendoli molto più leggeri e veloci da avviare. Ogni container ha il proprio filesystem, il proprio stack di rete e i propri processi isolati.

Question 5

Cos'è un Data Lake?

Accepted Answer

Un Data Lake è un sistema di archiviazione centralizzato capace di memorizzare dati grezzi nel loro formato nativo, siano essi strutturati, semi-strutturati o non strutturati. A differenza del Data Warehouse che impone uno schema in scrittura (schema-on-write), il Data Lake applica lo schema in lettura (schema-on-read), offrendo massima flessibilità per l'esplorazione e l'analisi dei dati.

Question 6

Quale architettura di storage utilizza BigQuery?

Accepted Answer

BigQuery utilizza un'architettura serverless con storage colonnare chiamato Capacitor. Questa architettura separa storage e compute, consentendo scaling indipendente e fatturazione separata. Lo storage colonnare è ottimizzato per query analitiche poiché consente di leggere solo le colonne necessarie, riducendo significativamente l'I/O.

Question 7

Quale file di configurazione PostgreSQL contiene i parametri principali del server come shared_buffers e work_mem?

Accepted Answer

Il file postgresql.conf contiene i parametri di configurazione principali del server PostgreSQL, incluse le allocazioni di memoria (shared_buffers, work_mem), le impostazioni di connessione, il logging e il tuning delle prestazioni. Questo file viene letto all'avvio del server e alcuni parametri richiedono un riavvio completo per avere effetto.

Question 8

In dbt, qual è lo scopo principale delle macro Jinja?

Accepted Answer

Le macro Jinja permettono di riutilizzare il codice SQL in più modelli dbt. Funzionano come funzioni che accettano parametri e restituiscono codice SQL generato dinamicamente. Questo evita la duplicazione del codice e facilita la manutenzione di trasformazioni complesse nell'intero progetto.

Question 9

Qual è la principale differenza tra ETL ed ELT?

Accepted Answer

In ETL (Extract-Transform-Load), i dati vengono trasformati su un server intermedio prima di essere caricati nella destinazione. In ELT (Extract-Load-Transform), i dati grezzi vengono prima caricati nella destinazione (tipicamente un data warehouse cloud), poi trasformati direttamente al suo interno usando la sua potenza di calcolo. ELT è diventato popolare con i data warehouse cloud come BigQuery, Snowflake o Redshift che offrono potenza di calcolo elastica.

Question 10

Qual è il ruolo principale di un Sensor in Apache Airflow?

Accepted Answer

Un Sensor è un operatore speciale che attende che una condizione sia soddisfatta prima di continuare l'esecuzione del DAG. Verifica periodicamente (poke) se la condizione è soddisfatta, come l'arrivo di un file, la disponibilità di una partizione o lo stato di un altro task. I Sensors sono essenziali per orchestrare workflow dipendenti da eventi esterni.

Domande da colloquio su Data Engineering

Pronto per il tuo colloquio su Data Engineering?

Esplora tutti gli argomenti 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

Database NoSQL

Data Architecture moderna

Monitoraggio e osservabilità

IAM e sicurezza dei dati

Padroneggia Data Engineering per il tuo prossimo colloquio