# Wzorce ETL / ELT / ETLT (Data Engineering) > ETL vs ELT vs ETLT, batch vs micro-batch vs streaming, idempotencja, obsługa błędów, dead letter queues, jakość danych, lineage - 20 pytań z rozmów - Senior - [Pytania z rozmów: Data Engineering](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne.md) ## 1. Jaka jest główna różnica między ETL a ELT? **Odpowiedź** W ETL (Extract-Transform-Load) dane są transformowane na serwerze pośrednim przed załadowaniem do miejsca docelowego. W ELT (Extract-Load-Transform) surowe dane są najpierw ładowane do miejsca docelowego (zazwyczaj cloud data warehouse), a następnie transformowane bezpośrednio w nim przy użyciu jego mocy obliczeniowej. ELT stał się popularny z chmurowymi data warehouse'ami jak BigQuery, Snowflake czy Redshift, które oferują elastyczną moc obliczeniową. ## 2. Jaka jest główna zaleta podejścia ELT w porównaniu z tradycyjnym ETL? **Odpowiedź** Podejście ELT wykorzystuje elastyczną moc obliczeniową nowoczesnych chmurowych data warehouse'ów (BigQuery, Snowflake, Redshift). Zamiast utrzymywać oddzielną infrastrukturę transformacji, która może stać się wąskim gardłem, transformacje bezpośrednio wykorzystują możliwości skalowania data warehouse. Zmniejsza to złożoność operacyjną i umożliwia przetwarzanie znacznie większych wolumenów danych bez ręcznego provisioningu zasobów. ## 3. Czym jest wzorzec ETLT i kiedy jest istotny? **Odpowiedź** ETLT łączy oba podejścia: pierwsza lekka transformacja jest wykonywana podczas ekstrakcji (czyszczenie, filtrowanie, anonimizacja), następnie dane są ładowane, a bardziej złożone transformacje są stosowane w data warehouse. Ten wzorzec jest przydatny, gdy określone transformacje muszą być wykonane wcześniej z powodów compliance (maskowanie wrażliwych danych przed załadowaniem), redukcji wolumenu (wczesne filtrowanie) lub normalizacji heterogenicznych formatów źródłowych. ## Jeszcze 17 dostępnych pytań - Czym jest idempotencja w kontekście pipeline'ów danych? - Jak zaimplementować idempotencję podczas ładowania danych do tabeli? Zarejestruj się za darmo: https://sharpskill.dev/pl/login ## Inne tematy rekrutacyjne Data Engineering - [Linux & Shell - Podstawy](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/linux-shell-basics.md): 20 pytań, Junior - [Git & GitHub - Podstawy](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/git-github-fundamentals.md): 20 pytań, Junior - [Zaawansowany Python dla Data Engineering](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/python-advanced-de.md): 25 pytań, Junior - [Docker - Podstawy](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/docker-fundamentals.md): 25 pytań, Junior - [Google Cloud Platform - Podstawy](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/gcp-fundamentals.md): 20 pytań, Junior - [CI/CD i jakość kodu](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/ci-cd-code-quality.md): 20 pytań, Mid-Level - [Docker Compose](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/docker-compose.md): 20 pytań, Mid-Level - [FastAPI - API danych](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/fastapi.md): 20 pytań, Mid-Level - [Zaawansowany SQL dla Data Engineering](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/sql-advanced-de.md): 20 pytań, Mid-Level - [Data Lake - Architektura i wprowadzanie danych](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/data-lake.md): 20 pytań, Mid-Level - [BigQuery dla Data Engineering](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/bigquery-de.md): 20 pytań, Mid-Level - [PostgreSQL - Administracja](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/postgresql-admin.md): 20 pytań, Mid-Level - [Data Modeling dla Data Engineering](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/data-modeling-de.md): 20 pytań, Mid-Level - [Fivetran & Airbyte - Pozyskiwanie danych](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/fivetran-airbyte.md): 20 pytań, Mid-Level - [dbt - Podstawy](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/dbt-fundamentals-de.md): 20 pytań, Mid-Level - [Apache Airflow - Podstawy](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/airflow-fundamentals.md): 20 pytań, Mid-Level - [Kubernetes - Podstawy](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/kubernetes-fundamentals.md): 20 pytań, Mid-Level - [dbt - Zaawansowane funkcje](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/dbt-advanced-de.md): 20 pytań, Senior - [Apache Airflow - Zaawansowany](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/airflow-advanced.md): 20 pytań, Senior - [Airflow + dbt - Orkiestracja pipeline'ów](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/airflow-dbt-integration.md): 20 pytań, Senior - [PySpark - Przetwarzanie na dużą skalę](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/pyspark.md): 20 pytań, Senior - [Google Pub/Sub - Streaming danych](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/pubsub-streaming.md): 20 pytań, Senior - [Apache Beam & Dataflow](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/apache-beam-dataflow.md): 20 pytań, Senior - [Kubernetes - Produkcja i skalowanie](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/kubernetes-advanced.md): 20 pytań, Senior - [Terraform - Infrastructure as Code](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/terraform.md): 20 pytań, Senior - [Bazy danych NoSQL](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/nosql-databases.md): 20 pytań, Senior - [Nowoczesna Data Architecture](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/data-architecture.md): 20 pytań, Senior - [Monitorowanie i obserwowalność](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/monitoring-observability.md): 20 pytań, Senior - [IAM i bezpieczeństwo danych](https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/iam-security-de.md): 20 pytań, Senior --- Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack. HTML version of this page: https://sharpskill.dev/pl/technologies/data-engineering/pytania-rekrutacyjne/etl-elt-patterns