Endi mavjud! Telegram Tadqiqoti 2025 — yilning asosiy insaytlari 
BA & SA | 10000 Interview questions
Kanalga Telegram’da o‘tish
Вопросы и задачи, которые задают на собеседованиях на позицию Бизнес и Системного аналитика. По вопросам сотрудничества- @DeliveryManager7
Ko'proq ko'rsatish📈 Telegram kanali BA & SA | 10000 Interview questions analitikasi
BA & SA | 10000 Interview questions (@systemanalystinterview) Rus til segmentidagi kanali faol ishtirokchi. Hozirda hamjamiyat 10 207 obunachidan iborat bo'lib, Karyera toifasida 3 867-o'rinni va Rossiya mintaqasida 63 966-o'rinni egallagan.
📊 Auditoriya ko‘rsatkichlari va dinamika
невідомо sanasidan buyon loyiha tez o‘sib, 10 207 obunachiga ega bo‘ldi.
22 Iyun, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni 322 ga, so‘nggi 24 soatda esa -2 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.
- Tasdiqlash holati: Tasdiqlanmagan
- Jalb etish (ER): Auditoriya o‘rtacha 3.52% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 2.53% ini tashkil etuvchi reaksiyalarni to‘playdi.
- Post qamrovi: Har bir post o‘rtacha 359 marta ko‘riladi; birinchi sutkada odatda 258 ta ko‘rish yig‘iladi.
- Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 2 ta reaksiya keladi.
- Tematik yo‘nalishlar: Kontent объяснение, индекс, user_id, субд, паттерн kabi asosiy mavzularga jamlangan.
📝 Tavsif va kontent siyosati
Muallif resursni shaxsiy fikrni ifoda etish maydoni sifatida ta’riflaydi:
“Вопросы и задачи, которые задают на собеседованиях на позицию Бизнес и Системного аналитика. По вопросам сотрудничества- @DeliveryManager7”
Yuqori yangilanish chastotasi (oxirgi ma’lumot 23 Iyun, 2026 da olingan) sababli kanal doimo dolzarb va katta qamrovli bo‘lib qoladi. Analitika auditoriya kontent bilan faol hamkorlik qilishini, uni Karyera toifasidagi muhim ta’sir nuqtasiga aylantirishini ko‘rsatadi.
10 207
Obunachilar
-224 soatlar
+27 kunlar
+32230 kunlar
Postlar arxiv
👩🏫Объяснение:
Backpressure (обратное давление) — это механизм контроля потока данных в системах, где производитель генерирует данные быстрее, чем потребитель может их обработать.
Проблема без Backpressure:
Производитель отправляет 10 000 сообщений/сек
Потребитель обрабатывает только 1 000 сообщений/сек
Очередь переполняется → память заканчивается → система падает
Как работает Backpressure:
Обнаружение перегрузки:
Потребитель отслеживает свою загрузку
При достижении лимита (например, 80% CPU или полная очередь) активируется backpressure
Сигнализация производителю:
Через протокол (TCP window size)
Через механизмы реактивных потоков (Reactive Streams: request(n))
Через метрики (Kafka consumer lag)
Реакция производителя:
Временная остановка отправки
Уменьшение скорости
Буферизация на своей стороне
Пример из реальной жизни:
Представьте конвейер на заводе:
Рабочий №1 быстро кладет детали на ленту
Рабочий №2 не успевает их обрабатывать
Рабочий №2 кричит: «Стоп! Я не успеваю!»
Рабочий №1 приостанавливает работу
Технические реализации:
TCP: Window size — получатель сообщает, сколько данных готов принять
Reactive Streams (RxJava, Project Reactor):
```
java
// Потребитель запрашивает определенное количество элементов
subscription.request(10); // "Дай мне 10 элементов"
Apache Kafka: Consumer offset lag — отставание потребителя от производителя
```
4623. Какой механизм позволяет получателю сообщений сигнализировать отправителю о необходимости снизить скорость отправки?
👩🏫Объяснение:
API Gateway — это специализированный сервер, который выступает в роли единого фасада для всех внешних клиентов (мобильных приложений, браузеров, партнерских систем).
Основные функции API Gateway:
🔐 Аутентификация и авторизация:
Проверка API-ключей, JWT-токенов, OAuth
Определение прав доступа для каждого клиента
Пример: Authorization: Bearer eyJhbGciOiJIUzI1NiIs...
🛣 Роутинг и версионирование:
Маршрутизация запросов к нужному внутреннему сервису
Поддержка разных версий API
Пример: /api/v1/orders → сервис заказов, /api/v2/orders → новая версия
⚡️ Ограничение скорости (Rate Limiting):
Защита от DDoS-атак и злоупотреблений
Квотирование по клиентам (например, 1000 запросов/час)
Пример: X-RateLimit-Limit: 1000, X-RateLimit-Remaining: 950
🔄 Агрегация данных:
Объединение ответов нескольких сервисов в один
Пример: данные о заказе + данные о доставке + данные о клиенте
📊 Мониторинг и аналитика:
Сбор метрик по всем запросам
Логирование для аудита и отладки
Архитектурный контекст:
```
text
Внешний клиент (мобильное приложение)
↓
API Gateway ←─ Здесь аутентификация, rate limiting
↓
┌──────┴──────┐
↓ ↓
Сервис Сервис
Заказов Платежей
```
4622. Какой компонент служит единой точкой входа для внешних клиентов и управляет аутентификацией, роутингом и ограничением запросов?
👩🏫Объяснение:
Change Data Capture (CDC) — это паттерн интеграции, который отслеживает изменения в базе данных (INSERT, UPDATE, DELETE) и передает их другим системам почти в реальном времени.
Как работает CDC:
Чтение журнала транзакций:
Каждая СУБД ведет журнал: WAL в PostgreSQL, binlog в MySQL, redo log в Oracle
В этот журнал записывается все, что происходит с данными
CDC-агент (например, Debezium) читает этот журнал
Преобразование в события:
```json
{
"op": "u", // операция: u=update, c=create, d=delete
"before": {"id": 1, "name": "Старое имя"},
"after": {"id": 1, "name": "Новое имя"},
"source": {"table": "users", "db": "main"}
}
```
Отправка в шину событий:
События публикуются в Kafka, RabbitMQ или другую очередь
Другие сервисы подписываются на эти события
Где применяется:
Синхронизация кэшей: При изменении товара в БД → обновление кэша в Redis
Аналитика в реальном времени: События сразу попадают в ClickHouse для отчетов
Уведомления: При создании заказа → отправка email клиенту
Поисковые индексы: Обновление Elasticsearch при изменении данных
4621. Какой паттерн используется для чтения изменений данных из журнала транзакций БД в реальном времени?
👩🏫Объяснение:
Change Data Capture (CDC) — это современный, эффективный паттерн интеграции, который кардинально меняет подход к синхронизации данных между системами.
Как работает (упрощенно):
1. Каждая серьезная СУБД (PostgreSQL, MySQL, Oracle) ведет журнал транзакций (Write-Ahead Log, WAL; binlog). Это низкоуровневая последовательность всех операций изменения данных (INSERT, UPDATE, DELETE), записанная перед их фактическим применением к таблицам. Цель СУБД — обеспечение согласованности и восстановление после сбоев.
2. CDC-агент (например, Debezium) подключается к СУБД не как обычное приложение, а читает этот журнал транзакций.
3. Агент превращает низкоуровневые записи журнала в удобные, структурированные события (например, { "op": "c", "after": { "id": 123, "name": "New Product" } }).
4. Эти события публикуются в шину событий (чаще всего Apache Kafka).
Практическое применение для системного аналитика:
1. Актуализация кэшей и поисковых индексов: При изменении товара в основной БД, событие через CDC мгновенно отправляется в Elasticsearch для обновления поискового индекса.
2. Построение агрегированных витрин данных: События из операционной БД стримятся в систему аналитики (например, ClickHouse) для построения актуальных отчетов.
3. Микросервисная синхронизация: Сервис «Заказы» и сервис «Доставка» имеют свои БД. При создании заказа, событие через CDC уведомляет сервис «Доставка», что нужно планировать доставку. Это альтернатива прямому вызову API.
4. Аудитинг и compliance: Полный поток всех изменений данных можно сохранять для целей аудита.
Роль аналитика: При проектировании систем, где критична актуальность данных или требуется реагирование на изменения, предлагать рассмотреть CDC как более эффективную и надежную альтернативу традиционному опросу (polling) по расписанию.
4620. Какой механизм используется для изоляции сообщений, которые не могут быть обработаны после нескольких попыток?
👩🏫Объяснение:
gRPC (Google Remote Procedure Call) — это современный высокопроизводительный фреймворк для удаленного вызова процедур, разработанный Google.
Ключевые особенности:
Protocol Buffers (protobuf):
Бинарный формат (в отличие от текстового JSON/XML)
Занимает меньше места, быстрее сериализуется/десериализуется
Строгая типизация через .proto файлы
Пример определения:
protobuf
message User {
int32 id = 1;
string name = 2;
string email = 3;
}
HTTP/2:
Мультиплексирование (несколько запросов в одном соединении)
Сжатие заголовков
Server push (сервер может отправлять данные без запроса)
Типы взаимодействия:
Унарный (один запрос — один ответ)
Стриминг (потоковая передача в обе стороны)
Клиентский или серверный стриминг
Где применяется:
Внутренняя коммуникация микросервисов
Системы реального времени (чат, уведомления)
Когда важны производительность и низкая задержка4619. Какой протокол использует бинарный формат Protocol Buffers и HTTP/2 для высокопроизводительной интеграции?
👩🏫Объяснение:
Point-to-Point (P2P, «точка-точка») — это самый простой подход к интеграции, при котором две системы соединяются напрямую, без посредников.
Как это работает:
Система A знает точный адрес и протокол системы B
Отправляет данные напрямую (например, через HTTP-вызов или прямой доступ к БД)
Система B принимает и обрабатывает запрос
Пример: Мобильное приложение вызывает REST API бэкенда напрямую.
Плюсы:
Простота начальной реализации
Минимальная задержка (нет промежуточных звеньев)
Минусы (и почему это часто антипаттерн):
При добавлении третьей, четвертой системы количество связей растет экспоненциально
Создает «спагетти-архитектуру», которую невозможно поддерживать
Нет централизованного управления, логирования, мониторинга
Высокая связанность: изменение в одной системе требует изменений во всех связанных
4618. Какой подход позволяет системам обмениваться данными напрямую, без промежуточных компонентов?
👩🏫Объяснение:
Dead Letter Queue (DLQ, очередь «мертвых писем») — это специальная очередь в системах обмена сообщениями для сообщений, которые не удалось обработать.
Как это работает — пошагово:
Сообщение поступает в основную очередь
Потребитель пытается его обработать → возникает ошибка
Повторные попытки (Retry): Система делает несколько попыток (например, 3-5 раз)
Если все попытки провалились → сообщение перемещается в DLQ
Инженеры анализируют сообщения в DLQ, находят причину ошибки
После исправления сообщения можно вернуть в основную очередь
Причины попадания в DLQ:
Неверный формат данных в сообщении
Ошибка валидации (например, отсутствует обязательное поле)
Временная недоступность зависимого сервиса
Баг в коде потребителя
Пример из жизни:
Представьте почтовое отделение. Если письмо нельзя доставить (неверный адрес, получатель умер), его не выбрасывают, а кладут в специальную папку «неврученная почта» для дальнейшего разбора.
Почему это важно:
Предотвращает зацикливание: «Отравленные» сообщения не блокируют очередь
Упрощает отладку: Все проблемные сообщения в одном месте
Позволяет восстановление: После исправления ошибки данные не теряются
