Question 1

Lệnh nào hiển thị thư mục làm việc hiện tại trong terminal Linux?

Accepted Answer

Lệnh pwd (print working directory) hiển thị đường dẫn tuyệt đối của thư mục hiện tại. Lệnh này rất cần thiết để xác định vị trí trong cây thư mục, đặc biệt khi điều hướng giữa nhiều thư mục hoặc trong các script bash.

Question 2

Lệnh nào khởi tạo một Git repository mới trong thư mục hiện có?

Accepted Answer

Lệnh git init tạo một Git repository mới trong thư mục hiện tại bằng cách khởi tạo thư mục con .git chứa tất cả các tệp cần thiết cho việc quản lý phiên bản. Lệnh này là bước đầu tiên để bắt đầu theo dõi các thay đổi của một dự án hiện có.

Question 3

Class trong Python là gì?

Accepted Answer

Class là một bản thiết kế (blueprint) định nghĩa cấu trúc và hành vi của các object. Nó đóng gói dữ liệu (thuộc tính) và các hàm (phương thức) hoạt động trên dữ liệu đó. Class cho phép tạo nhiều instance chia sẻ cùng cấu trúc nhưng với các giá trị khác nhau, điều này là cơ bản đối với lập trình hướng đối tượng.

Question 4

Docker container là gì?

Accepted Answer

Docker container là một instance có thể chạy được của một Docker image. Nó đóng gói một ứng dụng và tất cả các dependency của nó trong một môi trường biệt lập và di động. Không giống như máy ảo, container chia sẻ kernel của hệ thống host, làm cho chúng nhẹ hơn và khởi động nhanh hơn nhiều. Mỗi container có hệ thống tập tin, network stack và các tiến trình biệt lập riêng.

Question 5

Data Lake là gì?

Accepted Answer

Data Lake là một hệ thống lưu trữ tập trung có khả năng lưu trữ dữ liệu thô ở định dạng gốc, dù là có cấu trúc, bán cấu trúc hay phi cấu trúc. Không giống Data Warehouse áp đặt schema khi ghi (schema-on-write), Data Lake áp dụng schema khi đọc (schema-on-read), mang lại tính linh hoạt tối đa cho việc khám phá và phân tích dữ liệu.

Question 6

BigQuery sử dụng kiến trúc lưu trữ nào?

Accepted Answer

BigQuery sử dụng kiến trúc serverless với lưu trữ dạng cột gọi là Capacitor. Kiến trúc này tách biệt storage và compute, cho phép mở rộng độc lập và tính phí riêng biệt. Lưu trữ dạng cột được tối ưu hóa cho các truy vấn phân tích vì nó cho phép chỉ đọc các cột cần thiết, giảm đáng kể I/O.

Question 7

Tệp cấu hình PostgreSQL nào chứa các tham số chính của máy chủ như shared_buffers và work_mem?

Accepted Answer

Tệp postgresql.conf chứa các tham số cấu hình máy chủ PostgreSQL chính, bao gồm phân bổ bộ nhớ (shared_buffers, work_mem), cài đặt kết nối, ghi log và tối ưu hóa hiệu suất. Tệp này được đọc khi khởi động máy chủ và một số tham số yêu cầu khởi động lại hoàn toàn để có hiệu lực.

Question 8

Trong dbt, mục đích chính của macro Jinja là gì?

Accepted Answer

Macro Jinja cho phép tái sử dụng mã trên nhiều model dbt. Chúng hoạt động như các hàm nhận tham số và trả về mã SQL được tạo động. Điều này tránh trùng lặp mã và giúp dễ bảo trì các phép biến đổi phức tạp trong toàn bộ dự án.

Question 9

Sự khác biệt chính giữa ETL và ELT là gì?

Accepted Answer

Trong ETL (Extract-Transform-Load), dữ liệu được biến đổi trên một server trung gian trước khi được nạp vào đích. Trong ELT (Extract-Load-Transform), dữ liệu thô được nạp trực tiếp vào đích (thường là cloud data warehouse), sau đó được biến đổi trực tiếp trong đó bằng compute power của nó. ELT trở nên phổ biến với các cloud data warehouse như BigQuery, Snowflake hoặc Redshift cung cấp compute power đàn hồi.

Question 10

Vai trò chính của một Sensor trong Apache Airflow là gì?

Accepted Answer

Sensor là một operator đặc biệt chờ một điều kiện được đáp ứng trước khi tiếp tục thực thi DAG. Nó kiểm tra định kỳ (poke) xem điều kiện đã được thỏa mãn chưa, chẳng hạn như sự xuất hiện của tệp, tính khả dụng của partition hoặc trạng thái của một task khác. Sensors rất cần thiết để điều phối các workflow phụ thuộc vào các sự kiện bên ngoài.

Câu hỏi phỏng vấn Data Engineering

Sẵn sàng cho phỏng vấn Data Engineering?

Khám phá tất cả chủ đề Data Engineering

Linux & Shell - Cơ bản

Git & GitHub - Kiến thức cơ bản

Python nâng cao cho Data Engineering

Docker - Cơ bản

Google Cloud Platform - Cơ bản

CI/CD và chất lượng mã

Docker Compose

FastAPI - API dữ liệu

SQL nâng cao cho Data Engineering

Data Lake - Kiến trúc và nạp dữ liệu

BigQuery cho Data Engineering

PostgreSQL - Quản trị

Data Modeling cho Data Engineering

Fivetran & Airbyte - Nạp dữ liệu

dbt - Kiến thức cơ bản

Apache Airflow - Cơ bản

Kubernetes - Cơ Bản

dbt - Tính năng nâng cao

Mẫu ETL / ELT / ETLT

Apache Airflow - Nâng cao

Airflow + dbt - Điều phối pipeline

PySpark - Xử lý quy mô lớn

Google Pub/Sub - Streaming dữ liệu

Apache Beam & Dataflow

Kubernetes - Production và Scaling

Terraform - Infrastructure as Code

Cơ sở dữ liệu NoSQL

Data Architecture hiện đại

Giám sát và Khả năng quan sát

IAM và Bảo mật Dữ liệu

Nắm vững Data Engineering cho lần phỏng vấn tiếp theo