fa
Feedback

فریب کلاهبرداران را نخورید! تل‌متریو این کانال‌ها را شناسایی و برچسب‌گذاری می‌کند 👉 برای مشاهده برچسب، اشتراک تهیه کنید

BA & SA | 10000 Interview questions

BA & SA | 10000 Interview questions

رفتن به کانال در Telegram

Вопросы и задачи, которые задают на собеседованиях на позицию Бизнес и Системного аналитика. По вопросам сотрудничества- @DeliveryManager7

نمایش بیشتر

📈 تحلیل کانال تلگرام BA & SA | 10000 Interview questions

کانال BA & SA | 10000 Interview questions (@systemanalystinterview) در بخش زبانی روسی بازیگری فعال است. در حال حاضر جامعه شامل 10 098 مشترک است و جایگاه 3 915 را در دسته حرفه و رتبه 62 584 را در منطقه روسيا دارد.

📊 شاخص‌های مخاطب و پویایی

از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 10 098 مشترک جذب کرده است.

بر اساس آخرین داده‌ها در تاریخ 15 نوامبر, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر -88 و در ۲۴ ساعت گذشته برابر -6 بوده و همچنان دسترسی گسترده‌ای حفظ شده است.

  • وضعیت تأیید: تأیید نشده
  • نرخ تعامل (ER): میانگین تعامل مخاطب 8.31% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً N/A% واکنش نسبت به کل مشترکان کسب می‌کند.
  • دسترسی پست‌ها: هر پست به طور میانگین 0 بازدید دریافت می‌کند. در اولین روز معمولاً 0 بازدید جمع‌آوری می‌شود.
  • واکنش‌ها و تعامل: مخاطبان به‌طور فعال حمایت می‌کنند؛ میانگین واکنش به هر پست 0 است.
  • علایق موضوعی: محتوا بر موضوعات کلیدی مانند объяснение, индекс, user_id, субд, паттерн تمرکز دارد.

📝 توضیح و سیاست محتوایی

نویسنده این فضا را محل بیان دیدگاه‌های شخصی توصیف می‌کند:
“Вопросы и задачи, которые задают на собеседованиях на позицию Бизнес и Системного аналитика. По вопросам сотрудничества- @DeliveryManager7”

به لطف به‌روزرسانی‌های پرتکرار (آخرین داده در تاریخ 16 نوامبر, 2026)، کانال همواره به‌روز و دارای دسترسی بالاست. تحلیل‌ها نشان می‌دهد مخاطبان به‌طور فعال با محتوا تعامل دارند و آن را به نقطه اثرگذاری مهم در دسته حرفه تبدیل کرده‌اند.

10 098
مشترکین
-624 ساعت
-317 روز
-8830 روز
آرشیو پست ها
Продолжение к объяснению ❗️ 5. Почему шардинг по user_id (вариант D) неэффективен для этого запроса Шардинг (горизонтальное масштабирование) распределяет данные по физическим узлам на основе ключа (например, user_id). Запрос «действия за последние 30 дней» не ограничен по ключу шардирования — он требует данные за определённый период, но у разных пользователей эти данные лежат на разных узлах. Придётся выполнить запрос ко всем шардам (fan-out), собрать результаты и отсортировать. Это создаёт огромную сетевую нагрузку и задержки. Шардинг полезен, когда все запросы содержат ключ шардирования (например, «показать действия пользователя X»). Но в нашем случае запрос включает ещё и период, поэтому шардинг по user_id не даст partition pruning по времени. Шардинг требует дополнительной инфраструктуры (маршрутизаторы, балансировка) и усложняет операции JOIN и транзакции. Когда шардинг оправдан: если данные не имеют естественного временного разреза и запросы всегда содержат ключ шардирования (например, социальная сеть: все посты пользователя). 6. Дополнительные рекомендации для аналитика При проектировании таблиц с временными метками всегда задавайте вопрос: «Какой объём данных будет накоплен через год? Через три года?» Партиционирование должно быть заложено в требования к физической модели данных с самого начала. Это не оптимизация постфактум — добавить партиционирование на таблицу с миллиардами строк очень трудоёмко. Выбирайте ключ партиционирования так, чтобы он совпадал с условиями в самых частых запросах (здесь — action_time). Рассмотрите интервал партиционирования (день, неделя, месяц) в зависимости от частоты запросов и скорости роста. Не забывайте про локальные vs глобальные индексы: в большинстве СУБД (PostgreSQL, Oracle, MySQL) локальные индексы автоматически партицируются вместе с таблицей и обслуживаются независимо. Учитывайте операции обслуживания: партиционирование позволяет делать VACUUM, ANALYZE, REINDEX на отдельных партициях без простоя всей системы. Для ещё большей производительности можно комбинировать партиционирование с кластеризацией (физической сортировкой данных внутри партиции по user_id), но это требует дополнительного планирования. 7. Итог Партиционирование по времени с локальными индексами — единственный вариант, который одновременно: сокращает объём сканируемых данных (partition pruning), обеспечивает быстрый доступ по пользователю (локальный индекс), упрощает обслуживание и удаление старых данных (DROP PARTITION), масштабируется горизонтально без усложнения инфраструктуры. Это промышленный стандарт для систем с временными рядами (логи, события, метрики). Системный аналитик, закладывающий такое решение на этапе проектирования, предотвращает будущие проблемы с производительностью и стоимостью владения системой. 🎯

🧑‍🎓Объяснение: 1. Масштаб проблемы и математика 10 млн записей в день → ≈ 300 млн записей в месяц, ≈ 3.6 млрд в год. Типичная строка лога: user_id (8 байт) + action_time (8 байт) + action_type (2 байта) + details (переменная). Оценим средний размер строки в 100 байт. Размер таблицы за месяц: 300 млн × 100 байт = 30 ГБ. Размер за год: 360 ГБ (без учёта индексов и накладных расходов). Индекс на (user_id, action_time) в такой таблице займёт не менее 20–30% от объёма данных (B-дерево, ссылки на строки). Это ещё + 100 ГБ через год. Запрос «за последние 30 дней» будет читать 1/12 часть от годового объёма (если нет партиционирования). Но даже чтение 30 ГБ с диска — это секунды или минуты, даже при полном сканировании индекса. Однако проблема не только в объёме, но и в структуре доступа. 2. Почему вариант A (просто индекс) не спасёт Индекс (user_id, action_time) ускоряет поиск по конкретному пользователю, но данные в таблице физически разбросаны по всей её территории (записи вставляются в хронологическом порядке, но для одного пользователя они распределены по всем блокам). Чтобы получить все действия пользователя за 30 дней, СУБД должна: Найти в индексе все записи для этого user_id за указанный период (это быстро). Выполнить случайные чтения (random I/O) каждой строки из таблицы по указателям из индекса. При большом количестве строк (например, у активного пользователя 1000 действий за месяц) это приведёт к тысячам случайных обращений к диску. Даже если используется covering index (включить все нужные поля в индекс), то индекс сам по себе станет огромным и его сканирование за 30 дней всё равно потребует чтения миллионов записей индекса. Индекс не решает проблему устаревания данных: удаление старых записей (например, через год) потребует тяжёлого DELETE с блокировками и фрагментацией. 3. Почему партиционирование (вариант B) — оптимальное решение Партиционирование по диапазону дат (например, по месяцам) — стандартный паттерн для временных рядов. Оно даёт: ✅ Partition Pruning (отсечение партиций) Планировщик запроса понимает, что условие action_time BETWEEN ... AND ... затрагивает только определённые партиции (например, текущий и предыдущий месяц). Он не будет сканировать остальные партиции с данными за прошлые годы. Вместо 360 ГБ читается максимум 30–60 ГБ (1–2 партиции). ✅ Локальные индексы Индекс по user_id внутри каждой партиции имеет гораздо меньшую высоту B-дерева (т.к. работает с 30 млн строк, а не с 3.6 млрд). Это ускоряет поиск и снижает потребление памяти. ✅ Управление жизненным циклом данных Удаление старых данных — это DROP PARTITION, а не DELETE. Операция занимает миллисекунды и не вызывает фрагментации. Архивация: партицию можно быстро отсоединить от таблицы (DETACH PARTITION) и сохранить как отдельную таблицу или файл. Обслуживание (реиндексация, анализ) можно проводить на отдельных партициях, не блокируя всю таблицу. ✅ Производительность записи Записи распределяются по партициям в соответствии с датой. Это не создаёт «горячих точек» (hotspots) — вставки идут в текущую партицию, но это нормально. Если нужно распределить нагрузку ещё сильнее, можно использовать субпартиционирование (например, по дням или по хешу user_id внутри месяца). 4. Почему MongoDB (вариант C) — не лучший выбор Ограничение размера документа: BSON-документ не может превышать 16 МБ. У активного пользователя за несколько лет действий может накопиться гораздо больше (даже за месяц — тысячи событий, JSON с ними легко превысит 16 МБ). Запросы внутри документа: Если хранить все действия в массиве, то выборка за последние 30 дней потребует разбора всего массива и фильтрации на стороне приложения — это неэффективно и нагружает сеть. Индексирование: MongoDB поддерживает индексы на полях вложенных массивов, но при частых обновлениях документа (добавлении нового действия) происходит перезапись всего документа — это дорого и вызывает фрагментацию. Транзакционность: Если нужны транзакции или сложные joins (например, с пользователями), MongoDB не подходит. Когда MongoDB хороша: для редких изменений и чтения всего документа целиком.

Нужны 7 девушек — заполнять карточки товаров на ВБ! Работа полностью на удаленке с зп до150 000 рублей в месяц. Без опыта, ну
Нужны 7 девушек — заполнять карточки товаров на ВБ! Работа полностью на удаленке с зп до150 000 рублей в месяц. Без опыта, нужен только телефон, занятость 3-6 часов в день. Всему обучат на бесплатном курсе и после возьму на работу: ✅ 3 дня уроков по 30 минут ✅ Домашки с проверкой и оплатой бонусами ✅ Плачу 10 тыс за каждую выполненную домашку Все кто пройдет курс, получат сертификат от школы с образовательной лицензией. ⚡ Набор заканчивается завтра. 👍 Для регистрации жмите кнопку "Зарегистрироваться" Зарегистрироваться #реклама 16+ course.wildmanager.ru О рекламодателе

№4740 категория вопросов: #DBMS

4740. Вы проектируете таблицу для хранения действий пользователей. Прогноз: 10 млн записей в день. Самый частый запрос: «показать все действия конкретного пользователя за последние 30 дней». Как обеспечить максимальную производительность?
Anonymous voting

90% каналов про AI и ИТ бесполезны Одни пересказывают новости. Другие копируют посты друг у друга. В итоге человек читает десятки каналов, но новых идей почти не появляется. Сегодня главная ценность - не количество информации, а сильные источники. Люди, которые действительно работают с технологиями и делятся практикой, а не пересказами. Поэтому мы собрали подборку сильных каналов про ит и искусственный интеллект. Внутри авторы, которые разбирают: новые AI-инструменты, технологии и продукты, стартапы, реальные кейсы использования нейросетей, вайб-кодинг и др. Это экономит время. Не нужно искать хорошие каналы по одному Ссылка для добавления➡️ https://t.me/addlist/3WsuUGbOgm8xYTAy Давайте поддержим каналы, чтобы качественного контента стало больше!

Ищу девушек заполнять карточки товаров на ВБ! Работа полностью на удаленке с зп до 150 000 рублей в месяц. Без опыта, нужен т
Ищу девушек заполнять карточки товаров на ВБ! Работа полностью на удаленке с зп до 150 000 рублей в месяц. Без опыта, нужен только телефон, занятость 3-6 часов в день. Всему обучат на бесплатном курсе и после возьму на работу: ✅ 3 дня уроков по 30 минут ✅ Домашки с проверкой и оплатой бонусами ✅ Плачу 10 тыс за каждую выполненную домашку Все кто пройдет курс, получат сертификат от школы с образовательной лицензией. ⚡ Набор заканчивается завтра. 👍 Для регистрации жмите кнопку "Зарегистрироваться" Зарегистрироваться #реклама 16+ course.wildmanager.ru О рекламодателе

Привет всем 👋 Собрали с коллегами интересные каналы про технологии, искусственный интеллект и современные цифровые инструмен
Привет всем 👋 Собрали с коллегами интересные каналы про технологии, искусственный интеллект и современные цифровые инструменты.
✅ Популярные нейросети: ChatGPT, Midjourney, DALL·E, Claude, Gemini, Stable Diffusion ✅ Программирование и разработку (для новичков и опытных) ✅ Полезные сервисы, боты и приложения ✅ Новости технологий и IT-индустрии ✅ Автоматизацию задач и работу с AI ✅ Использование нейросетей в ивент-сфере ✅ Опыт финансиста-программиста в работе с нейросетями
Подписывайтесь на папку и находите новые каналы, чтобы быть в курсе технологий и возможностей нейросетей. Успей подписаться по ссылке👉 https://t.me/addlist/feokA7WMeOMwYzIy Добавить свой канал в папку - тык

🧑‍🎓Объяснение: Это классическая «ловушка NULL» в SQL. Когда в подзапросе, формирующем список идентификаторов, встречается NULL, операция «NOT IN» ведёт себя неочевидно. Из-за трёхзначной логики SQL (TRUE, FALSE, UNKNOWN) сравнение с NULL даёт UNKNOWN. Если хотя бы одно значение в списке — NULL, то для любой проверяемой строки условие никогда не станет TRUE, и запрос не вернёт ни одной записи. Пример для понимания: Представьте, что у нас есть клиенты с ID 1, 2, 3. В таблице заказов есть ID клиентов: 1 и NULL. Запрос мысленно проверяет каждого клиента: Клиент 2 отсутствует в списке {1, NULL}? Сравнение с 1 даёт TRUE (2 не равно 1), но сравнение с NULL даёт UNKNOWN (2 не равно неизвестности). Итог — UNKNOWN, условие не выполняется. Аналогично для всех клиентов — ни один не проходит. Как избежать ошибки: Использовать проверку через NOT EXISTS (она корректно обрабатывает NULL). Исключить NULL из подзапроса, добавив условие WHERE customer_id IS NOT NULL. Вывод для аналитика: Всегда учитывайте возможность NULL в данных при написании запросов с отрицанием. Это частая причина некорректных отчётов и потери данных. 🎯

Нужны 12 человек для работы с искусственным интеллектом Требования: 18-45 лет Работа из дома. График свободный. Пришло задани
Нужны 12 человек для работы с искусственным интеллектом Требования: 18-45 лет Работа из дома. График свободный. Пришло задание — изучили — выполнили — получили свои деньги. Деньги вы получаете в зависимости от сложности задания. Например: За задание могут платить 500-10.000 рублей. 500 рублей — это около 5-30 минут. 10 000 руб. это 5-6 часов. Работа может быть разной: Оживить фото, создать видео, реставрировать старое фото и т.д. 💰 В среднем новичок получает до 150.000 руб в месяц. А опытный может и 300-500т. Мы обучим вас сами: ✅ 3 дня уроков по 30 минут ✅ Домашки с проверкой и оплатой бонусами ✅ Платим 10 тыс за каждую выполненную домашку ⚡ Набор заканчивается завтра. Для регистрации жмите кнопку "Зарегистрироваться": Зарегистрироваться #реклама 16+ neuromachina.ru О рекламодателе

Как выжать из технологий максимум ⠀ … снизить стоимость клиента до 45 рублей, делегировать искусственному интеллекту переписки, генерировать качественный контент за минуты ⠀ Все ответы в этой ПАПКЕ. Жмите и добавляйте себе. Мы собрали лучшие каналы: ⠀ ▪️Selarti. Виртуальные менеджеры ▪️Дубовсков. Психология кода ▪️Авдеев Алексей: управление разработкой ▪️Апазиди АйТи: про IT, разработку и менеджмент ⠀ Внутри ПАПКИ бонусы: ⠀ 🎁 промт для создания качественных офферов 🎁 промт для анализа конкурентов 🎁 промт для оценки упаковки. ⠀ Успевайте забрать. Через 3 дня удалю пост . ЗАБРАТЬ

4739. Аналитик ищет клиентов без заказов: «ID клиента отсутствует в списке ID заказов». В списке ID заказов есть NULL. Что вернет запрос?
Anonymous voting

№4739 категория вопросов: #SQL

Ищу желающих заполнять карточки товаров на ВБ! Нужно создавать карточки на ВБ. Ничего сложного. Работа полностью на удаленке
Ищу желающих заполнять карточки товаров на ВБ! Нужно создавать карточки на ВБ. Ничего сложного. Работа полностью на удаленке с зп до150 000 рублей в месяц. Без опыта, нужен только телефон, занятость 3-6 часов в день. Всему обучат на бесплатном курсе и после возьму на работу: ✅ 3 дня уроков по 30 минут ✅ Домашки с проверкой и оплатой бонусами ✅ Плачу 10 тыс за каждую выполненную домашку Все кто пройдет курс, получат сертификат от школы с образовательной лицензией. ⚡ Набор заканчивается завтра. 👍 Для регистрации жмите кнопку "Зарегистрироваться": Зарегистрироваться #реклама 16+ course.wildmanager.ru О рекламодателе

Устали всё делать сами? Ведёте блог, проводите диагностики, собираете воронки — а доход нестабилен, и клиентов всё так же мало? Холодный трафик не греется, заявки идут через раз, продажи держатся на вашей энергии 24/7? Хочется, чтобы работала система, а не только вы? Тогда читайте внимательно тут 👉 https://t.me/addlist/OSERohUGo5tkZWVi Доступ ограничен! Количество мест тоже! Скоро удалю подарки 🎁 Добавляй себе всю папку https://t.me/addlist/OSERohUGo5tkZWVi и Записывайся в подборку🫶

Авто из Азии под ключ. Своя логистика = ваша выгода Импортируем автомобили из Китая, Японии и Кореи с 2015 года. Наше главное преимущество — собственная экспортная компания в Китае и стоянки во всех трёх странах. Это позволяет нам экономить ваши деньги и сокращать сроки доставки до минимума. Что вы получаете: ✅ Авто в наличии на наших стоянках — можно выбрать и сразу оформить ✅ Налаженные логистические маршруты без посредников ✅ Полное сопровождение: подбор, доставка, растаможка, оформление ✅ Аккредитация от ВТБ и Примсоцбанка — гарантия надёжности Работаем прозрачно на всех этапах. Команда экспертов с реальным опытом в логистике и автоподборе всегда на связи. Подпишитесь на наш канал — делимся инсайдами рынка, реальными кейсами и спецпредложениями для подписчиков. Подписаться #реклама О рекламодателе

Багов не обнаружено, только фичи В IT мы привыкли оптимизировать всё: код, процессы, деплой. Но почему-то редко оптимизируем
Багов не обнаружено, только фичи
В IT мы привыкли оптимизировать всё: код, процессы, деплой. Но почему-то редко оптимизируем то, что попадает к нам в голову каждый день
Собрали ламповую подборку тг-каналов, которая легко "подключается" к вашей ленте и не тянет за собой лишних зависимостей 🤌 Здесь про: 👩‍💻где грань между хайпом и реальным прогрессом в ИИ? 👩‍💻как устроены технологии, которые изменят рынок через год? 👩‍💻а как расти в профессии, когда вокруг кризис и неопределенность? 👩‍💻 тык на папку https://t.me/addlist/YTjh3sVqkJQ1MjQ6 P.S. Если у вас есть коллега, который всё еще читает новости по заголовкам — спасите его 🥺

🧑‍🎓Объяснение: Это классическая задача, где важно понимать разницу между WHERE и HAVING. WHERE применяется до группировки (GROUP BY) и фильтрует отдельные строки таблицы. HAVING применяется после группировки и фильтрует уже сгруппированные результаты (агрегатные функции, такие как SUM(), COUNT(), AVG()). В вашем случае SUM(sales_amount) вычисляется после группировки по товарам, поэтому условие должно быть в HAVING. Если написать WHERE SUM(sales_amount) > 100000, СУБД выдаст ошибку, потому что на момент выполнения WHERE агрегатные функции ещё не вычислены. Пример правильного запроса: ```sql SELECT product_id, SUM(sales_amount) as total_sales FROM sales GROUP BY product_id HAVING SUM(sales_amount) > 100000; ``` ❌ Почему не другие варианты: A — WHERE не работает с агрегатными функциями. C — FILTER существует в SQL, но это нестандартный синтаксис для агрегации (используется редко, например, в PostgreSQL для частичной агрегации), и здесь он не применим. D — условие нельзя поместить в SELECT, потому что оно должно отсеивать целые группы, а не просто отображать значение. Вывод для аналитика: При работе с группированными данными всегда используйте HAVING для фильтрации по агрегатам, а WHERE оставьте для фильтрации отдельных записей до группировки. Это фундаментальное правило SQL, которое помогает избежать ошибок в отчётах и анализах. 📊

"Потрясающие зефирные цветы с нуля" Бесплатный вебинар ❤️ Как своими руками научиться создавать реалистичные трендовые композиции и зарабатывать от 70 000 р/мес. в 2026 году ✨Раскрою все секреты создания реалистичных и самых трендовых цветов из зефира, которыми восхищаются Зефирные цветы - это не просто букеты, это настоящее искусство. Ваши творения станут украшением любого события, будь это свадьба, день рождения или корпоратив ✅На вебинаре узнаете не только основы создания зефирных цветов, но и глубокие знания о трендах и техниках. Разберем главные преимущества зефирной флористики + как выделяться среди флористов ✨Регистрируйтесь на вебинар и получите подарки: - Сертификат участника - Курс по food-фото - Гайд по оформлению соц. сетей кондитера - Cертификат участника мастер-класса Зарегистрироваться #реклама 16+ keycopastry.ru О рекламодателе

№4738 категория вопросов: #SQL