Question 1

Welk commando toont de huidige werkmap in een Linux-terminal?

Accepted Answer

Het commando pwd (print working directory) toont het absolute pad van de huidige map. Het is essentieel om jezelf te oriënteren in de bestandsstructuur, vooral bij het navigeren tussen meerdere mappen of in bash-scripts.

Question 2

Welk commando initialiseert een nieuwe Git-repository in een bestaande directory?

Accepted Answer

Het commando git init maakt een nieuwe Git-repository in de huidige directory door de .git-subdirectory te initialiseren die alle bestanden bevat die nodig zijn voor versiebeheer. Dit commando is de eerste stap om wijzigingen in een bestaand project te gaan volgen.

Question 3

Wat is een class in Python?

Accepted Answer

Een class is een blauwdruk (blueprint) die de structuur en het gedrag van objecten definieert. Het kapselt data (attributen) en functies (methoden) die op die data werken in. Classes maken het mogelijk meerdere instances te creëren die dezelfde structuur delen maar met verschillende waarden, wat fundamenteel is voor objectgeoriënteerd programmeren.

Question 4

Wat is een Docker-container?

Accepted Answer

Een Docker-container is een uitvoerbare instantie van een Docker-image. Het kapselt een applicatie en al zijn afhankelijkheden in een geïsoleerde en draagbare omgeving. In tegenstelling tot virtuele machines delen containers de kernel van het hostsysteem, waardoor ze veel lichter en sneller te starten zijn. Elke container heeft zijn eigen bestandssysteem, netwerkstack en geïsoleerde processen.

Question 5

Wat is een Data Lake?

Accepted Answer

Een Data Lake is een gecentraliseerd opslagsysteem dat ruwe data kan opslaan in hun oorspronkelijke formaat, of ze nu gestructureerd, semi-gestructureerd of ongestructureerd zijn. In tegenstelling tot een Data Warehouse dat een schema bij schrijven oplegt (schema-on-write), past een Data Lake het schema toe bij lezen (schema-on-read), wat maximale flexibiliteit biedt voor dataverkenning en -analyse.

Question 6

Welke opslagarchitectuur gebruikt BigQuery?

Accepted Answer

BigQuery gebruikt een serverless architectuur met kolomgebaseerde opslag genaamd Capacitor. Deze architectuur scheidt opslag en compute, waardoor onafhankelijke schaling en aparte facturering mogelijk zijn. Kolomopslag is geoptimaliseerd voor analytische queries omdat alleen de benodigde kolommen worden gelezen, wat de I/O aanzienlijk vermindert.

Question 7

Welk PostgreSQL-configuratiebestand bevat de belangrijkste serverparameters zoals shared_buffers en work_mem?

Accepted Answer

Het bestand postgresql.conf bevat de belangrijkste PostgreSQL-serverconfiguratieparameters, inclusief geheugentoewijzingen (shared_buffers, work_mem), verbindingsinstellingen, logging en prestatieafstemming. Dit bestand wordt gelezen bij het opstarten van de server en sommige parameters vereisen een volledige herstart om van kracht te worden.

Question 8

Wat is in dbt het hoofddoel van Jinja-macro's?

Accepted Answer

Jinja-macro's maken hergebruik van SQL-code over meerdere dbt-modellen mogelijk. Ze werken als functies die parameters accepteren en dynamisch gegenereerde SQL-code retourneren. Dit voorkomt codeduplicatie en maakt het onderhouden van complexe transformaties in het hele project eenvoudiger.

Question 9

Wat is het belangrijkste verschil tussen ETL en ELT?

Accepted Answer

Bij ETL (Extract-Transform-Load) worden gegevens getransformeerd op een tussenserver voordat ze in de bestemming worden geladen. Bij ELT (Extract-Load-Transform) worden ruwe gegevens eerst in de bestemming geladen (meestal een cloud data warehouse) en vervolgens direct daarin getransformeerd met behulp van de rekenkracht ervan. ELT is populair geworden bij cloud data warehouses zoals BigQuery, Snowflake of Redshift die elastische rekenkracht bieden.

Question 10

Wat is de hoofdrol van een Sensor in Apache Airflow?

Accepted Answer

Een Sensor is een speciale operator die wacht tot een voorwaarde is vervuld voordat de DAG-uitvoering wordt voortgezet. Hij controleert periodiek (poke) of aan de voorwaarde is voldaan, zoals de aankomst van een bestand, de beschikbaarheid van een partitie of de status van een andere taak. Sensors zijn essentieel voor het orkestreren van workflows die afhankelijk zijn van externe gebeurtenissen.

Data Engineering gespreksvragen

Klaar voor je Data Engineering gesprek?

Ontdek alle Data Engineering-onderwerpen

Linux & Shell - Grondbeginselen

Git & GitHub - Grondbeginselen

Geavanceerde Python voor Data Engineering

Docker - Basisbeginselen

Google Cloud Platform - Fundamenten

CI/CD en codekwaliteit

Docker Compose

FastAPI - Data-API's

Geavanceerde SQL voor Data Engineering

Data Lake - Architectuur en ingestie

BigQuery voor Data Engineering

PostgreSQL - Administratie

Data Modeling voor Data Engineering

Fivetran & Airbyte - Data-ingestie

dbt - Grondbeginselen

Apache Airflow - Grondbeginselen

Kubernetes - Fundamenten

dbt - Geavanceerde functies

ETL- / ELT- / ETLT-patronen

Apache Airflow - Gevorderd

Airflow + dbt - Pipeline-orkestratie

PySpark - Grootschalige verwerking

Google Pub/Sub - Datastreaming

Apache Beam & Dataflow

Kubernetes - Productie en scaling

Terraform - Infrastructure as Code

NoSQL-databases

Moderne Data Architecture

Monitoring en observability

IAM en gegevensbeveiliging

Beheers Data Engineering voor je volgende gesprek