数据工程面试准备：SQL、Spark 和系统设计

资源截图

MP4 |视频：h264，1920×1080 |音频：AAC，44.1 KHz，2 Ch
语言：英语 |时长：6小时30米

你将学到什么

• 在冷漠和压力下回答任何 SQL 屏幕 – 窗口函数、间隙和孤岛以及每组前 N 个。
• 像在生产中实际调试过 Spark 的人一样解释 Spark 内部结构（随机播放、倾斜、AQE、广播连接）。
• 使用可重复、可重用的框架在白板上设计数据仓库或流处理管道。
• 对维度架构和缓慢变化的维度进行建模，并捍卫您选择的粒度。
• 诊断“为什么这个查询很慢？”并引导面试官逐步完成优化。
• 用生产级详细信息回答 Snowflake 和 Databricks 平台问题。
• 无需冻结即可处理实际成果、实时 SQL 测试以及编码/DSA 轮次。
• 通过体现高层所有权的 STAR 故事来深入探讨行为和项目。

要求

• 拥有大约 1-3 年的数据工程或分析工程实践经验（您已经构建或维护过真实的管道）。
• 工作 SQL — 您可以编写连接和聚合；我们将带您从那里达到面试级别。
• 对 Python 有基本的熟悉；之前接触过 Spark 或 PySpark 有帮助，但不是必需的。
• 如果您想运行平台示例，则需要免费的 Snowflake 和/或 Databricks 试用帐户（可选）。

描述

您拥有两三年的数据工程经验，可以构建运行的管道 – 但面试仍然感觉像是一场不同的游戏。招聘人员发送 SQL 屏幕，然后发送 Spark 性能测试，然后发送系统设计白板，而你永远无法确定他们实际评分的内容。本课程缩小了这一差距，让您获得录用机会。

您将在参加任何数据工程面试时为每一轮做好准备。我们将每个主题解读为面试官真正测试的内容 – 不仅仅是正确的答案，还有让候选人陷入困境的陷阱以及初级回答和高级回答之间的确切区别。该信号是让您升级并支付更多费用的楔子。

您将完成什么工作：

• SQL，四轮深度 – 连接和经典陷阱问题、窗口函数（#1 过滤器）、间隙和岛屿和每组前 N 等高级模式，以及“为什么这么慢？”优化回合。
• 数据建模和仓储 – 在白板上进行维度设计，缓慢改变维度，并捍卫您选择的粒度。
• Python 和 PySpark — 惯用的数据整理、分布式思维模型和 Spark 内部机制：洗牌、倾斜、AQE 和广播连接，就像实际调试过它们的人一样进行解释。
• 管道、流式传输和存储 – 在生产、Kafka 对话和 Parquet/Delta/Iceberg 文件格式问题中幸存的 ETL/ELT。
• 分布式系统、数据质量和云平台 – 分布式计算的基础知识、测试和可靠性以及生产级 Snowflake 和 Databricks 答案。
• 系统设计 – 一个可重复的框架，然后端到端解决真正的提示。
• 没有人准备的回合 – DE 仍然面临的编码/DSA 回合、带回家和实时 SQL 测试，以及通过展示所有权的 STAR 故事进行行为 + 项目深入研究。

它以完整的模拟面试挑战结束，因此您可以在计数之前排练整个循环。二十二个模块，七十五个重点课程——专为职业生涯早期到中期的数据工程师而设计，他们已经不再等待被选中。注册、进行代表并获得录用通知。

本课程适合谁

• 职业生涯早期到中期的数据工程师（“2-3 年经验”群体）正在积极面试或即将开始面试。
• 分析工程师、ETL/BI 开发人员和数据分析师正在晋升为数据工程角色。
• 自学成才和训练营数据工程师，可以构建管道，但在面试循环中总是停滞不前。
• 目标是升级或更高等级的在职 DE，希望了解面试官的真实意图并向高级人员发出信号。