รวมคำถามและคำตอบสัมภาษณ์ Databricks สำหรับปี 2026

กระบวนการสัมภาษณ์ Databricks

ก่อนจะลงลึกในคำถามรายข้อ ควรรู้ว่ากระบวนการสัมภาษณ์ทั่วไปเป็นอย่างไร จากประสบการณ์ของฉันและรายงานล่าสุดของผู้สมัครในปี 2026 การสัมภาษณ์สำหรับสายวิศวกรรมและข้อมูลบน Databricks มักมี 5 ถึง 6 ขั้นตอน ใช้เวลารวมราว 4 ถึง 7 สัปดาห์

แน่นอนว่ากระบวนการอาจแตกต่างตามบริษัท แต่ควรเตรียมตัวสำหรับสิ่งต่อไปนี้:

คำถามด้านล่างนี้สอดคล้องกับรอบคัดกรองเชิงเทคนิคและรอบออนไซต์ ส่วนการเตรียมด้านพฤติกรรมอยู่นอกเหนือขอบเขตของคู่มือนี้ แต่คู่มือใบรับรอง Databricks ให้ภาพรวมที่ดีเกี่ยวกับความลึกของแพลตฟอร์มที่ผู้สัมภาษณ์คาดหวัง

คำถามสัมภาษณ์ Databricks ระดับพื้นฐาน

ในระดับผู้ใช้พื้นฐาน คำถามสัมภาษณ์จะเน้นความรู้รากฐานของ Databricks รวมถึงงานง่าย ๆ เช่นการดีพลอยโน้ตบุ๊กและการใช้เครื่องมือสำคัญต่าง ๆ บนแพลตฟอร์ม มักพบคำถามเหล่านี้หากมีประสบการณ์กับ Databricks จำกัด หรือผู้สัมภาษณ์ยังไม่แน่ใจระดับทักษะ 

ด้านล่างคือหัวข้อสำคัญที่มักถูกถาม อ่านบทเรียน Databricks: 7 แนวคิดที่ต้องรู้ เป็นแหล่งข้อมูลเสริมในการเตรียมตัว

• ภาพรวมระดับสูงของ Databricks: ควรอธิบายได้ว่า Databricks คืออะไร และเข้ากับแพลตฟอร์มข้อมูลสมัยใหม่อย่างไร 
• ฟีเจอร์หลักและผู้ใช้: ควรรู้เรื่องพื้นที่ทำงานร่วมกัน โน้ตบุ๊ก เอนจิน Spark ที่ปรับแต่งมา และความสามารถในการรองรับทั้งข้อมูลแบตช์และสตรีมมิง
• เคสใช้งานง่าย ๆ: ควรยกตัวอย่างระดับสูงว่าลูกค้าใช้ Databricks อย่างไร พร้อมให้ภาพสถาปัตยกรรมพื้นฐาน

หากยังใหม่กับแนวคิดข้อมูลสตรีมมิง ขอแนะนำคอร์ส Streaming Concepts ของเราเพื่อเพิ่มพูนความรู้ในด้านนี้ 

1. Databricks คืออะไร และมีฟีเจอร์สำคัญอะไรบ้าง? 

Databricks คือแพลตฟอร์มวิเคราะห์ข้อมูลที่ขึ้นชื่อเรื่องโน้ตบุ๊กสำหรับทำงานร่วมกัน เอนจิน Spark และดาต้าเลก เช่น Delta Lake ที่รองรับธุรกรรม ACID Databricks ยังผสานการทำงานกับแหล่งข้อมูลและเครื่องมือ BI ได้หลากหลาย และมีฟีเจอร์ด้านความปลอดภัยที่ดี

2. อธิบายสถาปัตยกรรมแกนหลักของ Databricks

สถาปัตยกรรมหลักแบ่งเป็นห้าส่วน

• Databricks Runtime รวม Spark และองค์ประกอบอื่น ๆ ที่รันบนคลัสเตอร์
• คลัสเตอร์ คือทรัพยากรประมวลผลที่รันโน้ตบุ๊กและงาน
• โน้ตบุ๊ก ผสานโค้ด การแสดงผล และข้อความไว้ในเอกสารเชิงโต้ตอบเดียว
• เวิร์กสเปซ ใช้จัดระเบียบโน้ตบุ๊ก ไลบรารี และการทดลอง
• Databricks File System (DBFS) ให้ระบบไฟล์แบบกระจายที่ผูกกับคลัสเตอร์เหล่านั้น

3. สร้างและรันโน้ตบุ๊กใน Databricks อย่างไร? 

ก่อนอื่น ไปที่เวิร์กสเปซของ Databricks ที่ต้องการสร้างโน้ตบุ๊ก คลิก “Create” แล้วเลือก “Notebook” ตั้งชื่อโน้ตบุ๊กและเลือกภาษาค่าเริ่มต้น เช่น Python, Scala, SQL หรือ R จากนั้นแนบกับคลัสเตอร์ แล้วเพื่อรันโน้ตบุ๊ก ให้พิมพ์หรือวางโค้ดลงในเซลล์และคลิกปุ่ม "Run"

คำถามสัมภาษณ์ Databricks ระดับกลาง

คำถามเหล่านี้จะมาหลังจากผู้สัมภาษณ์มั่นใจแล้วว่ามีความรู้พื้นฐานเกี่ยวกับ Databricks โดยมักมีความเทคนิคมากขึ้นและทดสอบความเข้าใจในส่วนต่าง ๆ ของแพลตฟอร์มและการตั้งค่า ในระดับกลาง ต้องแสดงให้เห็นความสามารถในการจัดการทรัพยากร กำหนดค่าคลัสเตอร์ และสร้างเวิร์กโฟลว์ประมวลผลข้อมูล 

สิ่งนี้จะต่อยอดจากความรู้พื้นฐานของแพลตฟอร์มและความเข้าใจในส่วนต่อไปนี้ของแพลตฟอร์ม: 

• การจัดการคลัสเตอร์: ควรเข้าใจการตั้งค่าและการจัดการคลัสเตอร์ รวมถึงการกำหนดค่าคลัสเตอร์ การเลือกชนิดอินสแตนซ์ การตั้งค่า autoscaling และการจัดการสิทธิ์ 
• Spark บน Databricks: ควรชำนาญการใช้ Apache Spark บน Databricks รวมถึงการทำงานกับ DataFrame, Spark SQL และSpark MLlib สำหรับการเรียนรู้ของเครื่อง สามารถลึกขึ้นในทักษะ PySpark ได้จากคู่มือคำถามสัมภาษณ์ PySpark ของเรา 
• การมอนิเตอร์ทรัพยากร: ควรรู้วิธีใช้ Databricks UI และ Spark UI เพื่อติดตามการใช้ทรัพยากรและประสิทธิภาพงาน รวมถึงระบุคอขวด 

หากยังใหม่กับชุดข้อมูลขนาดใหญ่และการประมวลผลแบบกระจาย ขอแนะนำเส้นทางทักษะ Big Data with PySpark ซึ่งแนะนำ PySpark อินเทอร์เฟซของ Apache Spark ในภาษา Python 

4. ตั้งค่าและจัดการคลัสเตอร์อย่างไร? 

ในการตั้งค่าคลัสเตอร์ ให้ไปที่เวิร์กสเปซของ Databricks แล้วคลิก "Clusters" จากนั้นกดปุ่ม "Create Cluster" ต้องกำหนดค่าคลัสเตอร์โดยเลือกโหมดคลัสเตอร์ ชนิดอินสแตนซ์ และเวอร์ชัน Databricks Runtime พร้อมการตั้งค่าอื่น ๆ เมื่อเสร็จแล้วคลิก "Create Cluster" เพื่อจัดการคลัสเตอร์ สามารถติดตามการใช้ทรัพยากร ตั้งค่า autoscaling ติดตั้งไลบรารีที่จำเป็น และจัดการสิทธิ์ผ่าน UI ของ Clusters หรือใช้ Databricks REST API

5. อธิบายการใช้ Spark ใน Databricks

Databricks ใช้ Apache Spark เป็นเอนจินหลัก บน Databricks, Spark จัดการประมวลผลข้อมูลขนาดใหญ่ด้วย RDD และ DataFrame รันโมเดลการเรียนรู้ของเครื่องผ่าน MLlib จัดการสตรีมมิงด้วย Spark Structured Streaming และรันคิวรีแบบ SQL ด้วย Spark SQL 

6. pipeline ข้อมูลคืออะไร และสร้างอย่างไร? 

pipeline ข้อมูลก็คือชุดขั้นตอนสำหรับประมวลผลข้อมูล เพื่อสร้าง pipeline ใน Databricks เริ่มจากเขียนสคริปต์ ETL ในโน้ตบุ๊กของ Databricks จากนั้นจัดการและทำให้งานอัตโนมัติด้วย Databricks Jobs เพื่อการจัดเก็บที่เชื่อถือได้และขยายได้ Delta Lake เป็นตัวเลือกที่ดี — อ่านบทนำ Delta Lake หากต้องการทบทวน Databricks ยังให้เชื่อมต่อกับแหล่งและปลายทางข้อมูลต่าง ๆ ด้วยคอนเนคเตอร์ในตัว

7. มอนิเตอร์และจัดการทรัพยากรใน Databricks อย่างไร? 

Databricks มี 3 ตัวเลือกหลักในการติดตามและจัดการทรัพยากร อย่างแรก ใช้ Databricks UI เพื่อติดตามประสิทธิภาพคลัสเตอร์ การรันงาน และการใช้ทรัพยากร ต่อมาคือ Spark UI ที่ให้รายละเอียดการรันงานรวมถึงสเตจและทาสก์ หากต้องการระบบอัตโนมัติ Databricks REST API ช่วยจัดการคลัสเตอร์และงานด้วยโปรแกรมได้

8. อธิบายตัวเลือกการจัดเก็บข้อมูลที่มีใน Databricks 

Databricks มีหลายวิธีในการจัดเก็บข้อมูล อย่างแรกคือ Databricks File System สำหรับเก็บและจัดการไฟล์ ต่อมาคือ Delta Lake เลเยอร์จัดเก็บแบบโอเพนซอร์สที่เพิ่มธุรกรรม ACID ให้ Apache Spark เพื่อความเชื่อถือได้ Databricks ยังผสานกับบริการคลาวด์สตอเรจเช่น AWS S3, Azure Blob Storage และ Google Cloud Storage และยังเชื่อมต่อฐานข้อมูลภายนอกทั้งเชิงสัมพันธ์และ NoSQL ได้ผ่าน JDBC

คำถามสัมภาษณ์ Databricks ขั้นสูง

ผู้ใช้ Databricks ขั้นสูงคาดหวังให้ทำงานอย่างการปรับจูนประสิทธิภาพ สร้างเวิร์กโฟลว์ขั้นสูง และนำวิเคราะห์เชิงซับซ้อนกับโมเดลการเรียนรู้ของเครื่องไปใช้ โดยทั่วไปจะถูกถามคำถามขั้นสูงหากสมัครตำแหน่งอาวุโสด้านข้อมูลหรือบทบาทที่มีองค์ประกอบ DevOps สูง หากสนใจสัมภาษณ์ตำแหน่งขั้นสูงและต้องการเสริมทักษะด้านนี้ คอร์ส DevOps Concepts ของเราเป็นทรัพยากรที่ดี นอกจากนี้ ดูคำถามสัมภาษณ์ Data Architect และ20 คำถามสัมภาษณ์ Spark ที่พบบ่อย และบทความเปรียบเทียบ Databricks vs Snowflake

สิ่งนี้จะต่อยอดจากความรู้พื้นฐานและระดับกลางของแพลตฟอร์มรวมถึงประสบการณ์ปฏิบัติจริง 

• การปรับจูนประสิทธิภาพ: ผู้ใช้ขั้นสูงต้องโฟกัสการเพิ่มประสิทธิภาพ รวมถึงการปรับแต่งคอนฟิก Spark การแคชข้อมูล การพาร์ทิชันข้อมูลอย่างเหมาะสม และการปรับจูนการ join และ shuffle 
• การเรียนรู้ของเครื่อง: การนำโมเดลไปใช้เกี่ยวข้องกับการฝึกโมเดลด้วย TensorFlow หรือ PyTorch ควรชำนาญการใช้ MLflow สำหรับติดตามการทดลอง จัดการโมเดล และดีพลอย เพื่อให้โมเดลทำซ้ำได้และขยายได้
• CI/CD: การสร้าง pipeline CI/CD เกี่ยวข้องกับการผสาน Databricks เข้ากับระบบควบคุมเวอร์ชัน การทดสอบอัตโนมัติ และเครื่องมือดีพลอย ควรรู้วิธีใช้ Databricks CLI หรือ REST API เพื่ออัตโนมัติและทำให้การรวมและส่งมอบอย่างต่อเนื่องของแอป Databricks เกิดขึ้น

หากยังใหม่กับการทำงาน ML และ AI ใน Databricks ขอแนะนำบทเรียน A Comprehensive Guide to Databricks Lakehouse AI For Data Scientists เพื่อเพิ่มพูนความรู้ในด้านนี้ และพิจารณาอย่างจริงจังกับคอร์ส Introduction to TensorFlow in Python และ Intermediate Deep Learning with PyTorch เพื่อเสริมงานอื่น ๆ บน Databricks

9. ใช้กลยุทธ์อะไรในการเพิ่มประสิทธิภาพ? 

ในการเพิ่มประสิทธิภาพ ฉันพึ่งพา Spark SQL เพื่อการประมวลผลข้อมูลที่มีประสิทธิภาพ และแคชข้อมูลอย่างเหมาะสมเพื่อลดงานซ้ำ ฉันปรับแต่งคอนฟิก Spark เช่นปรับหน่วยความจำของ executor และจำนวน shuffle partitions ใส่ใจเป็นพิเศษกับการปรับจูนการ join และ shuffle โดยจัดการพาร์ทิชันข้อมูล นอกจากนี้ การใช้ Delta Lake ยังช่วยเรื่องการจัดเก็บและเรียกใช้ข้อมูล พร้อมรองรับธุรกรรม ACID

10. จะใช้งาน CI/CD บน Databricks ได้อย่างไร? 

การตั้งค่า CI/CD บน Databricks มีไม่กี่ขั้นตอน ขั้นแรก ใช้ระบบควบคุมเวอร์ชันอย่าง Git เพื่อจัดการโค้ด จากนั้นทำการทดสอบอัตโนมัติด้วย Databricks Jobs และตั้งเวลาให้รันอย่างสม่ำเสมอ สำคัญคือผสานกับเครื่องมืออย่าง Azure DevOps หรือ GitHub Actions เพื่ออัตโนมัติขั้นตอนดีพลอย สุดท้าย ใช้ Databricks CLI หรือ REST API เพื่อดีพลอยและจัดการงานและคลัสเตอร์

11. อธิบายการจัดการวิเคราะห์เชิงซับซ้อนใน Databricks

Spark SQL และ DataFrame จัดการคิวรีและทรานส์ฟอร์เมชันขั้นสูง สำหรับการเรียนรู้ของเครื่องและสถิติ MLlib ที่มีมาในตัวครอบคลุมเคสส่วนใหญ่ เครื่องมือวิเคราะห์ภายนอกเชื่อมต่อผ่าน JDBC หรือ ODBC สำหรับการสร้างภาพเชิงโต้ตอบ โน้ตบุ๊กของ Databricks รองรับ Matplotlib, Seaborn และ Plotly

12. ดีพลอยโมเดลการเรียนรู้ของเครื่องอย่างไร? 

การดีพลอยโมเดล ML บน Databricks มีแพตเทิร์นชัดเจน เริ่มจากฝึกโมเดลด้วยไลบรารีอย่าง TensorFlow, PyTorch หรือ Scikit-Learn จากนั้นใช้ MLflow เพื่อติดตามการทดลอง จัดการโมเดล และทำให้ทุกอย่างทำซ้ำได้ เพื่อให้โมเดลพร้อมใช้งาน ให้ดีพลอยเป็น REST API ด้วยความสามารถของ MLflow สุดท้าย ตั้งค่า Databricks Jobs เพื่อจัดการการฝึกใหม่และประเมินผลตามกำหนด

คำถามสัมภาษณ์ Databricks สำหรับบทบาท Data Engineer

วิศวกรข้อมูลมีหน้าที่ออกแบบและสร้างระบบข้อมูล การวิเคราะห์ และ AI ที่รองรับปริมาณงานมากอย่างเสถียร จัดการ pipeline ข้อมูล และรับประกันคุณภาพข้อมูลโดยรวม สำหรับวิศวกรข้อมูล โฟกัสอยู่ที่การออกแบบและสร้างระบบข้อมูล จัดการ pipeline และดูแลคุณภาพข้อมูล 

เมื่อสมัครตำแหน่ง Data Engineer ที่เน้น Databricks อย่างมาก ควรเข้าใจหัวข้อต่อไปนี้อย่างดี: 

• สถาปัตยกรรม Data Pipeline: การออกแบบสถาปัตยกรรม pipeline ที่แข็งแรงเกี่ยวข้องกับความเข้าใจการดึง แปลง และโหลด (ETL) ข้อมูลอย่างมีประสิทธิภาพ ควรออกแบบ pipeline ที่รองรับปริมาณข้อมูลที่เติบโต ฟื้นตัวจากความล้มเหลว และบำรุงรักษาได้ โดยใช้ฟีเจอร์ของ Databricks เช่น Delta Lake
• การประมวลผลแบบเรียลไทม์: การจัดการข้อมูลแบบเรียลไทม์ต้องใช้ Spark Structured Streaming เพื่อรับและประมวลผลข้อมูลเกือบเรียลไทม์ ควรออกแบบแอปสตรีมมิงที่ทนต่อความล้มเหลวและประมวลผลเหตุการณ์ภายในไม่กี่วินาทีหลังรับเข้า
• ความปลอดภัยของข้อมูล: การทำให้ข้อมูลปลอดภัยเกี่ยวข้องกับการเข้ารหัส การควบคุมการเข้าถึง และกลไกการตรวจสอบ ควรคุ้นเคยกับการผสานของ Databricks กับฟีเจอร์ความปลอดภัยของผู้ให้บริการคลาวด์และแนวปฏิบัติที่ดีที่สุดสำหรับการปกป้องข้อมูลทั้งขณะพักและขณะส่งผ่าน

13. ออกแบบ data pipeline อย่างไร? 

การออกแบบ pipeline บน Databricks มักเริ่มจากดึงข้อมูลจากแหล่งต่าง ๆ ด้วยคอนเนคเตอร์และ API ของ Databricks จากนั้นทรานส์ฟอร์มข้อมูลด้วยทรานส์ฟอร์เมชันของ Spark และการทำงานกับ DataFrame หลังจากนั้นโหลดข้อมูลเข้าสู่ระบบจัดเก็บเป้าหมาย เช่น Delta Lake หรือฐานข้อมูลภายนอก เพื่อให้ทำงานต่อเนื่อง ทำให้งานทั้งหมดเป็นอัตโนมัติด้วย Databricks Jobs และเวิร์กโฟลว์ และมอนิเตอร์และจัดการคุณภาพข้อมูลด้วยเครื่องมือในตัวและการตรวจสอบแบบกำหนดเอง

14. แนวปฏิบัติที่ดีที่สุดสำหรับ ETL บน Databricks คืออะไร? 

จากประสบการณ์ของฉัน สิ่งเหล่านี้สำคัญที่สุดสำหรับ ETL บน Databricks เริ่มจากใช้ Delta Lake สำหรับจัดเก็บ เพราะเชื่อถือได้และขยายได้พร้อมธุรกรรม ACID การเขียนโค้ดเป็นโมดูลและนำกลับมาใช้ซ้ำในโน้ตบุ๊ก Databricks ก็เป็นแนวทางที่ดี สำหรับการตั้งเวลาและจัดการงาน ETL ให้ใช้ Databricks Jobs คอยจับตากระบวนการ ETL ด้วย Spark UI และเครื่องมือมอนิเตอร์อื่น ๆ และอย่าลืมรับประกันคุณภาพข้อมูลด้วยการตรวจสอบและการจัดการข้อผิดพลาด

15. จัดการประมวลผลข้อมูลแบบเรียลไทม์อย่างไร? 

ที่ผ่านมา ฉันจัดการประมวลผลเรียลไทม์บน Databricks ด้วย Spark Structured Streaming เพื่อจัดการข้อมูลที่เข้ามาแบบต่อเนื่อง ฉันตั้งค่าการเชื่อมต่อกับแหล่งสตรีมมิงอย่าง Kafka, Event Hubs หรือ Kinesis สำหรับทรานส์ฟอร์เมชันและการรวมแบบเรียลไทม์ ฉันเขียนคิวรีสตรีมมิง Delta Lake มีบทบาทสำคัญในการจัดการข้อมูลสตรีมมิงอย่างมีประสิทธิภาพ ด้วยเวลาอ่านและเขียนที่เร็ว เพื่อให้ทุกอย่างราบรื่น ฉันมอนิเตอร์และจัดการงานสตรีมมิงด้วย Databricks Jobs และ Spark UI

16. ทำอย่างไรให้มั่นใจในความปลอดภัยของข้อมูล? 

เพื่อรักษาความปลอดภัยของข้อมูล ฉันใช้การควบคุมการเข้าถึงตามบทบาทเพื่อจัดการว่าใครเข้าถึงอะไร ข้อมูลถูกเข้ารหัสทั้งขณะพักและขณะส่งผ่านด้วยการเข้ารหัสของ Databricks ฉันตั้งค่ามาตรการความปลอดภัยของเครือข่ายเช่น VPC/VNet และคุมการเข้าถึงอย่างเข้มงวด ที่ผ่านมา ฉันใช้บันทึกการตรวจสอบ (audit logs) ของ Databricks เพื่อติดตามการเข้าถึงและการใช้งาน ท้ายที่สุด ฉันทำให้ทุกอย่างสอดคล้องกับนโยบายธรรมาภิบาลข้อมูลด้วย Unity Catalog — หากต้องการเจาะลึก โปรดอ่านคู่มือ Databricks Unity Catalog ของเรา

คำถามสัมภาษณ์ Databricks สำหรับบทบาท Software Engineer

วิศวกรซอฟต์แวร์ที่ทำงานกับ Databricks ต้องพัฒนาและดีพลอยแอปพลิเคชันและผสานเข้ากับบริการของ Databricks 

เมื่อสมัครตำแหน่งประเภทนี้ ควรมีความเข้าใจอย่างลึกซึ้งในหัวข้อต่อไปนี้:

• การพัฒนาแอปพลิเคชัน: การพัฒนาแอปบน Databricks เกี่ยวข้องกับการเขียนโค้ดในโน้ตบุ๊กหรือIDE ภายนอก ใช้ Databricks Connect สำหรับพัฒนาท้องถิ่น และดีพลอยด้วย Databricks Jobs 
• การผสานข้อมูล: การเชื่อม Databricks กับแหล่งข้อมูลและแอปอื่น ๆ ใช้ API และคอนเนคเตอร์ ควรชำนาญการใช้ REST API, คอนเนคเตอร์ JDBC/ODBC และเครื่องมือบูรณาการอื่น ๆ เพื่อเชื่อม Databricks กับระบบภายนอก
• การดีบัก: การดีบักแอปบน Databricks ใช้ Spark UI ตรวจสอบล็อก และทดสอบแบบโต้ตอบในโน้ตบุ๊ก การทำล็อกและมอนิเตอร์อย่างละเอียดช่วยระบุและแก้ปัญหาได้อย่างมีประสิทธิภาพ ทำให้แอปรันได้อย่างราบรื่นและเชื่อถือได้

หากยังใหม่กับการพัฒนาแอปและอยากเพิ่มพูนทักษะ ขอแนะนำComplete Databricks Dolly Tutorial for Building Applications ของเรา ซึ่งจะแนะนำกระบวนการสร้างแอปด้วย Dolly ตั้งแต่ต้นจนจบ 

17. เชื่อม Databricks กับแหล่งข้อมูลอื่นด้วย API อย่างไร? 

เพื่อเชื่อม Databricks กับแหล่งข้อมูลอื่นผ่าน API ให้เริ่มจากใช้ Databricks REST API เพื่อเข้าถึงทรัพยากรของ Databricks ด้วยโปรแกรม จากนั้นเชื่อมต่อฐานข้อมูลภายนอกผ่านคอนเนคเตอร์ JDBC หรือ ODBC สำหรับการจัดกระบวนการข้อมูลและการบูรณาการที่ครอบคลุม เครื่องมืออย่าง Azure Data Factory หรือ AWS Glue มีประโยชน์มาก สามารถสร้างเวิร์กโฟลว์รับเข้าและบูรณาการข้อมูลแบบกำหนดเองด้วย Python, Scala หรือ Java

18. พัฒนาและดีพลอยแอปบน Databricks อย่างไร? 

โดยทั่วไปฉันทำแบบนี้: เริ่มจากเขียนโค้ดแอป ไม่ว่าจะในโน้ตบุ๊กของ Databricks หรือใน IDE ภายนอก สำหรับการพัฒนาและทดสอบแบบโลคอล ใช้ Databricks Connect เมื่อโค้ดพร้อมแล้ว แพ็กเกจและดีพลอยด้วย Databricks Jobs เพื่อทำให้กระบวนการดีพลอยเป็นอัตโนมัติ ฉันใช้ REST API หรือ Databricks CLI สุดท้าย มอนิเตอร์ประสิทธิภาพแอปและแก้ปัญหาด้วย Spark UI และล็อก

19. แนวปฏิบัติที่ดีที่สุดสำหรับการปรับจูนประสิทธิภาพคืออะไร? 

สำหรับการปรับจูนประสิทธิภาพบน Databricks ฉันแนะนำให้ปรับคอนฟิก Spark ให้เหมาะกับลักษณะงาน ใช้ DataFrame และ Spark SQL เพื่อประมวลผลข้อมูลอย่างมีประสิทธิภาพ อีกเคล็ดลับคือแคชข้อมูลที่ใช้บ่อยเพื่อลดเวลาในการคำนวณ นอกจากนี้ การพาร์ทิชันข้อมูลให้กระจายโหลดอย่างสม่ำเสมอทั่วคลัสเตอร์ก็สำคัญ จับตาดูประสิทธิภาพของงานและระวังคอขวด

20. ดีบักปัญหาในแอป Databricks อย่างไร? 

ฉันเริ่มจาก Spark UI เพื่อหาว่าสเตจหรือทาสก์ใดล้มเหลว ล็อกของ Databricks ให้ข้อความผิดพลาดและสแต็กเทรซสำหรับสิ่งที่ UI ไม่แสดง ฉันยังใช้เซลล์ในโน้ตบุ๊กเพื่อทดสอบเฉพาะจุดแบบโต้ตอบ และทำให้แน่ใจว่าโค้ดแอปมีการล็อกเพียงพอเพื่อไล่รอยความล้มเหลวระหว่างรันไทม์

คำถามสัมภาษณ์ Databricks ขั้นสูงสำหรับปี 2026

แพลตฟอร์ม Databricks พัฒนาไปมากนับจากปี 2024 สามหัวข้อที่ปรากฏสม่ำเสมอในสัมภาษณ์ขั้นสูงได้แก่:

• Unity Catalog เพื่อธรรมาภิบาล
• สถาปัตยกรรม Medallion เพื่อการจัดระเบียบข้อมูล
• Delta Live Tables เพื่อการจัดการ pipeline แบบ declarative

หากสัมภาษณ์ตำแหน่งอาวุโสในปี 2026 คาดว่าจะมีอย่างน้อยหนึ่งคำถามจากส่วนนี้

21. Unity Catalog คืออะไร และทำไมจึงสำคัญในสภาพแวดล้อม Databricks สมัยใหม่?

Unity Catalog เป็นเลเยอร์ธรรมาภิบาลแบบศูนย์กลางของ Databricks สำหรับสินทรัพย์ข้อมูลและ AI ทั้งหมด แทนที่ Hive Metastore แบบเดิม และให้การควบคุมการเข้าถึงแบบละเอียดถึงระดับแถวและคอลัมน์ การแบ่งปันข้อมูลข้ามเวิร์กสเปซ สายใยข้อมูลอัตโนมัติ และบันทึกการตรวจสอบแบบรวมศูนย์

ในทางปฏิบัติ Unity Catalog ช่วยให้ทีมแพลตฟอร์มข้อมูลจัดการนโยบายการเข้าถึงสำหรับเวิร์กสเปซนับร้อยได้จากอินเทอร์เฟซเดียว ซึ่งสิ่งนี้ Hive Metastore รายเวิร์กสเปซแบบเก่าไม่สามารถทำได้

22. อธิบายสถาปัตยกรรม Medallion และใช้เมื่อใด

สถาปัตยกรรม Medallion เป็นแพตเทิร์นการจัดระเบียบข้อมูลที่แบ่งตาราง Delta Lake ออกเป็นสามโซน:

• Bronze (ข้อมูลดิบที่รับเข้า โดยไม่เปลี่ยนแปลง)
• Silver (ข้อมูลที่ทำความสะอาดและทำให้เป็นมาตรฐาน)
• Gold (ข้อมูลที่รวมและพร้อมใช้งานทางธุรกิจ)

ใช้เมื่อจำเป็นต้องมีร่องรอยการตรวจสอบที่เชื่อถือได้ — Bronze รักษาข้อมูลต้นทางตามที่มาถึง Silver จัดการการลบซ้ำ การบังคับใช้สคีมา และการ join ส่วน Gold ให้บริการเครื่องมือ BI และฟีเจอร์ ML สภาพแวดล้อม Databricks ในการผลิตส่วนใหญ่ที่ฉันทำงานด้วยใช้แพตเทิร์นนี้ เพราะช่วยให้ปัญหาคุณภาพข้อมูลตามรอยได้และประมวลผลใหม่ได้โดยไม่ต้องเริ่มจากศูนย์

23. Delta Live Tables (DLT) คืออะไร และต่างจาก Databricks Jobs มาตรฐานอย่างไร?

Delta Live Tables เป็นเฟรมเวิร์กแบบ declarative สำหรับสร้าง pipeline ข้อมูลใน Databricks แทนที่จะเขียนโค้ด Spark แบบ imperative ที่อ่านจากตาราง A แล้วเขียนไปตาราง B คุณจะกำหนดว่าแต่ละตารางควรมีอะไรด้วย SQL หรือ Python แล้ว DLT จะคำนวณลำดับการรัน จัดการการพึ่งพา และจัดการการลองใหม่ให้อัตโนมัติ ความต่างหลักจาก Jobs มาตรฐานคือ DLT มีการคาดหมายคุณภาพข้อมูลในตัว (ด้วยข้อกำหนด EXPECT) สายใยของ pipeline อัตโนมัติ และการจัดการข้อผิดพลาดที่ง่ายขึ้น ฉันพบว่า DLT มีประโยชน์อย่างยิ่งกับ pipeline แบบ Medallion ที่การแปลงจาก Bronze ไป Silver ไป Gold ได้ประโยชน์จากการจัดการการพึ่งพาแบบ declarative

24. Photon engine คืออะไร และเมื่อใดที่ช่วยเพิ่มประสิทธิภาพ?

Photon คือเอนจินคิวรีแบบเวกเตอร์เนทีฟของ Databricks ที่เขียนด้วย C++ รันเป็นส่วนหนึ่งของ Databricks Runtime และเร่งงาน SQL และ DataFrame โดยประมวลผลข้อมูลเป็นแบตช์แบบคอลัมน์แทนที่จะเป็นรายแถว Photon มีประสิทธิภาพที่สุดกับคิวรีที่หนักด้านการสแกน การรวม และการ join บนตาราง Parquet หรือ Delta ขนาดใหญ่ — ซึ่งพบได้บ่อยในแดชบอร์ด BI และการสร้างฟีเจอร์ มันไม่ได้เพิ่มประสิทธิภาพงานที่พึ่งพา Python มากหรือใช้ UDF แบบกำหนดเอง เพราะยังคงรันบน JVM

25. ทำไมจึงเลือก Databricks แทน Snowflake (หรือกลับกัน)?

Databricks เด่นที่ระบบคอมพิวต์โอเพนซอร์ส (Spark, Delta, MLflow) งาน AI และ ML และโมเดล Lakehouse ที่รองรับทั้งข้อมูลมีโครงสร้างและไม่มีโครงสร้าง ส่วน Snowflake เด่นที่การวิเคราะห์แบบเน้น SQL การแบ่งปันข้อมูลข้ามคลาวด์ และความง่ายสำหรับทีม BI

ผู้สัมภาษณ์ใช้คำถามนี้เพื่อประเมินว่าผู้สมัครเข้าใจการวางตำแหน่งเชิงกลยุทธ์ของแพลตฟอร์ม ไม่ใช่แค่กลไกการทำงาน รายละเอียดเปรียบเทียบดูได้ที่บทความ Databricks vs Snowflake ของเรา

ข้อคิดส่งท้าย 

หวังว่าคู่มือสัมภาษณ์นี้จะเป็นประโยชน์ในการเตรียมตัวสำหรับการสัมภาษณ์ Databricks แน่นอนว่าไม่มีอะไรทดแทนการเตรียมตัวและฝึกฝนอย่างมั่นคงได้ ซึ่งเป็นเหตุผลที่ฉันแนะนำคอร์สของ DataCamp ทั้ง Databricks Concepts และ Introduction to Databricks ซึ่งจะช่วยให้เข้าใจและพูดคุยเกี่ยวกับ Databricks ได้อย่างน่าประทับใจสำหรับผู้สัมภาษณ์ นอกจากนี้ยังแนะนำให้ทำความคุ้นเคยกับเอกสารประกอบ Databricks การอ่านเอกสารเสมอเป็นความคิดที่ดี

สุดท้าย ลองฟังพอดแคสต์ DataFramed ระหว่างทางไปสัมภาษณ์ และเรียนรู้จาก CTO ของ Databricks ในตอน How Databricks is Transforming Data Warehousing and AI การรับฟังจากผู้นำอุตสาหกรรมและตามให้ทันความเคลื่อนไหวเป็นเรื่องสำคัญ เพราะทุกอย่างเปลี่ยนแปลงเร็วมาก

ขอให้โชคดี!