2026 İçin En İyi 32 Snowflake Mülakat Sorusu ve Cevabı

Temel Snowflake Mülakat Soruları

Snowflake’teki temel kavramlarla ilgili temel mülakat sorularıyla başlayalım.

1. Snowflake’in temel özellikleri nelerdir?

Snowflake, işlemi depolamadan ayıran bulut tabanlı bir veri ambarı platformudur; bu sayede kullanıcılar işlem kaynaklarını ve veri depolamayı birbirinden bağımsız ölçekleyebilir. Bu yaklaşım daha maliyet-etkin olup yüksek performans sağlar.

Başlıca özelliklerden biri, iş yükü talebine göre kaynakların ayarlanmasını sağlayan ve çoklu bulut ortamlarını destekleyen otomatik ölçeklendirmedir. Bir diğer temel özellik, veri paylaşımına platform yaklaşımıdır; bu sayede kuruluş genelinde veriye erişim herhangi bir veri taşımaya gerek kalmadan güvenli ve kolay hale gelir.

2. Snowflake’in mimarisini açıklayabilir misiniz?

Snowflake’in mimarisi, onu öne çıkaran en önemli noktadır. Bulut için tasarlanmıştır; çoklu küme, paylaşımlı veri mimarisi ve etkileyici depolama yetenekleri gibi özelliklere sahiptir. Snowflake mimarisi üç katmana ayrılır:

• Veritabanı Depolama Katmanı: Bu katmanda, yapılandırılmış ve yarı yapılandırılmış veriler saklanır; veriler otomatik olarak sıkıştırılır, şifrelenir ve mikro-bölümlere (micro-partition) düzenlenir. Bu, depolamayı tamamen optimize etmek ve sorgu performansını artırmak için yapılır.
• Hesaplama Katmanı: Sanal depolar (virtual warehouse) olarak da bilinen bu katman, tüm veri işleme görevlerini gerçekleştirmekle sorumlu bir veya daha fazla bilgisayar kümesinden oluşur. Bu kümeler birbirleriyle ilişkisizdir; böylece iş yükleri artık birbirini etkilemez.
• Bulut Hizmetleri Katmanı: Bu katman; altyapı yönetimi, sorgu eniyileyici, meta veri yöneticisi ve güvenlik gibi çeşitli hizmetlerden oluşur. Bu hizmetler, kullanıcı ile sistem arasındaki etkileşimleri koordine eder ve tamamen yönetilen bir hizmet sağlar.

Snowflake’in üst düzey mimarisi. Görsel kaynağı: Snowflake dokümantasyonu.

3. Snowflake’te mikro-bölümler (micro-partitions) nedir ve platformun veri depolama verimliliğine katkısı nedir?

Mikro-bölümler, Snowflake’in veri depolama yaklaşımının temel bir unsurudur. Snowflake’in 50 MB ile 150 MB arasında değişen verileri saklamak için kullandığı sıkıştırılmış, yönetilen ve kolonsal depolama birimleridir. Kolonsal biçim, verimli veri sıkıştırma ve kodlama şemaları sağlar.

Mikro-bölümlerin veriyi sıkıştırma yeteneği, gereken fiziksel depolama alanını azaltarak depolama maliyetlerini düşürür ve büyük veri hacimlerinin verimli yönetilmesini sağlar. Sorgu performansı da, ilgili mikro-bölümlere erişilmesini içeren veri budama (data pruning) sayesinde iyileşir. Bu seçici erişim yaklaşımı, veri geri getirme ve analitik için oldukça avantajlıdır.

Mikro-bölümler Snowflake tarafından otomatik olarak yönetilir; bu da manuel bölümlendirme veya indeksleme ihtiyacını ortadan kaldırır, en iyi veri depolamasını sağlar ve yönetim iş gücü maliyetini düşürür.

4. Sanal depoların (virtual warehouses) veri işleme görevlerinin ölçeklenebilirliği, performansı ve maliyet yönetimini nasıl etkilediğini açıklayabilir misiniz?

Sanal depolar tüm veri işleme görevlerini gerçekleştirir. Bu nedenle, veri işleme görevlerinin ölçeklenebilirliği, performansı ve maliyet yönetimi üzerinde büyük etkileri vardır.

Dinamik ölçeklenebilirlik özellikleri, kullanıcıların iş yükü gereksinimlerine göre hesaplama kaynaklarını artırıp azaltmasına olanak tanır. Veri işleme talebiniz arttığında, devam eden operasyonlarınızı etkilemeden ek hesaplama kaynakları sağlayabilirsiniz.

Her sanal depo diğerini etkilemez; bu da zaman hassasiyeti olan analitik gibi belirli veri işleme görevlerinde yüksek performans ve tutarlılık sağlar. Veri işleme görevlerini yürütürken yalnızca kullandığınız hesaplama kaynakları için ödeme yaparsınız; bu da geleneksel veri ambarı çözümlerine kıyasla maliyet yönetimi avantajı sunar.

Aşağıdaki tablo, sanal depoları geleneksel hesaplama kaynaklarıyla karşılaştırır:

5. Snowflake’in ANSI SQL standartlarıyla uyumluluğu, sorgulama ve veri işleme yeteneklerini nasıl etkiler?

ANSI SQL, American National Standards Institute Structured Query Language’ın kısaltmasıdır ve ilişkisel veritabanı yönetim sistemleri için standart bir dildir.

Bu, Snowflake kullanıcılarının verileri sorgulamak için JOIN’ler gibi alışıldık SQL sözdizimini ve işlemlerini kullanabileceği anlamına gelir; bu da SQL deneyimi olan kullanıcılar için Snowflake’e geçişi kolaylaştıran bir özelliktir. ANSI SQL ile uyumluluğun bir başka getirisi de çeşitli veri türlerinin sorunsuz entegrasyonudur; kullanıcılar, verilerini önceden tanımlı bir şemaya dönüştürmeden veya yüklemeden sorgulayabilir.

Snowflake platformunu kullanma konusunda sertifika almak istiyorsanız, 2026 İçin En İyi Snowflake Sertifikasyonu Hangisi? yazımıza göz atın.

6. Snowflake’in Time Travel özelliği nedir ve kullanıcılara nasıl fayda sağlar?

Snowflake’in Time Travel özelliği, kullanıcılara hesap türüne bağlı olarak genellikle 90 güne kadar belirli bir süre için geçmiş verilere erişme ve bu verileri sorgulama imkânı verir. Bu özellik, veri kurtarma, denetim ve veri karşılaştırma amaçları için kullanışlıdır. Örneğin, kullanıcılar yanlışlıkla silinmiş tabloları geri yükleyebilir veya önceki veri durumlarını inceleyebilir.

Time Travel, harici yedekleme ihtiyacını en aza indirir ve yerleşik veri kurtarma ile geriye dönük analiz kabiliyetleri sunarak sürümlemeyi basitleştirir.

7. Snowflake’te veri paylaşımı nasıl çalışır ve başlıca avantajları nelerdir?

Snowflake’in veri paylaşımı özelliği, kuruluşların harici kullanıcılar veya ortaklarla canlı veriyi güvenli ve gerçek zamanlı olarak, ek veri kopyaları üretmeden paylaşmasına olanak tanır. Bu, Snowflake’in Çoklu Küme, Paylaşımlı Veri mimarisinden yararlanan Secure Data Sharing işleviyle, veriye doğrudan erişim sağlayarak gerçekleştirilir.

Veri paylaşımının avantajları şunlardır:

• Depolama ve ETL maliyetlerini azaltma.
• Veri tazeliğini koruma.
• Bölümler arası veya harici ortaklarla iş birliğini artırma; zira veriye dosya dışa/İçe aktarma olmadan erişilebilir.

8. Snowflake’te zero-copy cloning nedir ve neden önemlidir?

Zero-copy cloning, altta yatan depolamayı çoğaltmadan bir veritabanının, şemanın veya tablonun kopyasını oluşturmayı sağlayan bir Snowflake özelliğidir. Sıfır kopya klon oluşturulduğunda, özgün veriye işaret eder ve yalnızca klonlanmış veride yapılan değişiklikleri saklar; bu da önemli depolama tasarrufu sağlar. Bu özellik, geliştirme ve test ortamları yaratmak veya depolama maliyetlerini artırmadan geçmiş anlık görüntüler üretmek için değerlidir. Farklı kullanım senaryolarında hızlı ve maliyet-etkin veri çoğaltma imkânı sunarak veri yönetimi verimliliğini artırır.

İleri Düzey Snowflake Mülakat Soruları

Temel sorularda kendinize güveniyor musunuz? Hadi biraz daha ileri düzey sorulara geçelim.

9. Snowflake’in veri güvenliğine yaklaşımını, özellikle her zaman açık şifrelemesini (always-on encryption) açıklayabilir misiniz?

Snowflake, her zaman açık şifreleme sürecini uygulayarak kullanıcılarına en yüksek düzeyde veri koruması ve güvenlik sağlamayı hedefler. Bu, verinin kullanıcılar tarafından herhangi bir ayar veya yapılandırma gerekmeksizin otomatik olarak şifrelenmesidir; ham veriden meta verilere kadar tüm veri türleri güçlü bir şifreleme algoritmasıyla korunur. Şifreleme, bir ana anahtarın diğer anahtarları şifrelediği hiyerarşik bir anahtar modeliyle yönetilir ve Snowflake güvenliği artırmak için bu anahtarları döndürür.

Veri aktarımında, Snowflake istemciler ile Snowflake arasında taşınan veriyi şifrelemek için TLS (Transport Layer Security) kullanır. Uçtan uca bu şifreleme, verinin yaşam döngüsünün her aşamasında şifreli kalmasını sağlayarak veri sızıntısı ve ihlali riskini azaltır.

10. Snowflake’in ETL ve ELT süreçlerine desteğini açıklayabilir misiniz?

Extract, Transform, Load (ETL) ve Extract, Load, Transform (ELT) süreçleri, Snowflake platformunda mimarisi ve yetenekleri nedeniyle yaygın şekilde kullanılır. Platform, kullanıcıların geniş kapsamlı veri entegrasyonu ve dönüşüm ihtiyaçlarına cevap vererek kuruluşların veri işleme iş akışlarını daha etkili biçimde optimize etmesini sağlar.

ETL’de veri, çeşitli kaynaklardan çıkarılır ve veri ambarına yüklenmeden önce kullanıcının istediği formata dönüştürülür. Snowflake, veri yüklendikten sonra SQL sorguları kullanarak karmaşık dönüşümlere izin veren güçlü bir SQL motorudur.

ELT’de veri, önce ham hâliyle veri ambarına yüklenir ve dönüşüm daha sonra ambar içinde gerçekleştirilir. Snowflake’in hesaplama ve depolamayı ayırma özelliği, ham verinin veri ambarına hızlıca yüklenmesini sağlar. Veri dönüşümleri sanal depolar kullanılarak yapılır. Snowflake, JSON ve XML gibi yarı yapılandırılmış veri biçimlerini de destekler; bu da ham verinin dönüşüme gerek kalmadan veri ambarına yüklenmesini kolaylaştırır.

11. Snowflake ile uyumlu en az 5 ETL aracının adını verebilir misiniz?

Snowflake, kuruluşların veri entegrasyonu ve dönüşüm görevlerinde tercih ettikleri araçları kullanmalarına olanak tanıyan çeşitli ETL araçlarını destekler. Aşağıdaki araçlar, veriyi işlemek ve daha fazla analiz için Snowflake’e taşımak amacıyla Snowflake’in bulut veri platformunda kullanılabilir:

• Informatica
• Talend
• Matillion
• Fivetran
• Stitch
• Apache Airflow
• dbt
• StreamSets
• Microsoft Azure Data Factory
• AWS Glue

12. Sürekli veri alımı (ingestion) için gelişmiş özellik Snowpipe nasıl kullanılır, açıklayabilir misiniz?

Snowpipe, Snowflake tarafından sunulan ve dosyaları dakikalar içinde yükleyebilen sürekli veri alımı hizmetidir. Snowpipe ile veriyi küçük gruplar (mikro-batch) hâlinde yükleyebilir, böylece kuruluş genelindeki kullanıcılar veriye dakikalar içinde erişerek analizi kolaylaştırabilir.

Kullanıcılar, veri dosyalarının yerleştirileceği bulut depolama yolunu ve verinin yükleneceği hedef Snowflake tablosunu belirtir. Bu otomatik bir veri yükleme sürecidir; Snowpipe, depolama yoluna yeni dosyalar eklendiğini otomatik olarak algılar. Yeni dosyalar algılandıktan sonra Snowpipe veriyi Snowflake’e alır ve belirtilen tabloya yükler.

Gerçeğe yakın zamanlı bu süreç, verinin mümkün olan en kısa sürede erişilebilir olmasını sağlar. Snowpipe, sunucusuz bir mimaride çalışır; yani veri alım süreci için gereken hesaplama kaynaklarını otomatik olarak yönetir.

Snowpipe Streaming’in üst düzey mimarisi. Görsel kaynağı: Snowflake dokümantasyonu.

13. Snowflake’in OLTP ve OLAP’a yaklaşımı nedir?

Snowflake, Çevrimiçi Analitik İşleme (OLAP) iş yükleri için optimize edilmiş bir veri ambarı çözümü olarak tasarlanmıştır. OLAP, iş verilerini farklı açılardan analiz etmek için kullanılan bir yazılım teknolojisidir. Snowflake’i “altın standart” yapan şey, mimari tasarımının ve özelliklerinin büyük ölçekli veri görevlerini, karmaşık sorguları ve daha fazlasını destekleyecek şekilde kurgulanmış olmasıdır. Snowflake’in OLAP yaklaşımının özellikleri arasında hesaplama ve depolamanın ayrılması, büyük ölçekte paralel işleme (MPP) ve verimli analitik işlemeyi mümkün kılan farklı veri yapılarının desteği bulunur.

Buna karşılık, Snowflake geleneksel olarak Çevrimiçi İşlem İşleme (OLTP) iş yükleri için tasarlanmamıştır. OLTP iş yükleri, veritabanının zaman içinde birden çok kullanıcıdan hem veri talebi hem de bu veride çok sayıda değişiklik aldığı durumlardır ve bu değişikliklere işlem (transaction) denir. Kısa süreli ve yüksek hacimli işlemler (insert ve update gibi) ile karakterizedir. Bu özellikler, Snowflake gibi veri ambarı çözümlerinden ziyade operasyonel veritabanlarına odaklanır.

14. Snowflake’te kümeleme (clustering) nasıl çalışır ve ne zaman manuel kümelemeye ihtiyaç duyulur?

Snowflake’te kümeleme, sorgu performansını optimize etmek için veriyi mikro-bölümler içinde düzenler. Varsayılan olarak Snowflake kümelemeyi otomatik yönetir; ancak doğal bir sıralamaya sahip büyük tablolar (ör. zaman serisi verileri) için manuel kümeleme faydalı olabilir.

Manuel kümeleme, sorgularda sık kullanılan sütunlar üzerinde bir küme anahtarı (cluster key) oluşturmayı içerir. Bu, Snowflake’in sorgular sırasında ilgisiz bölümleri atlamasını sağlayarak daha verimli veri budamasını mümkün kılar. Ancak manuel kümeleme, yeniden kümeleme maliyetlerinin büyük veri kümeleri için depolama ve hesaplama maliyetlerini etkileyebileceği durumlarda, performans kazanımları bu maliyetleri aştığında tercih edilmelidir.

15. Snowflake’te fail-safe kavramını ve Time Travel’dan farkını açıklayın.

Fail-safe, Time Travel saklama süresinin ötesinde silinmiş veya değiştirilmiş veriyi geri yüklemek için tasarlanmış bir Snowflake veri kurtarma özelliğidir. Time Travel kullanıcılara belirli bir zaman aralığında (90 güne kadar) geçmiş verilere erişim sağlarken, fail-safe Time Travel’dan sonraki yedi günlük bir dönemdir ve Snowflake bu süre boyunca veriyi yalnızca felaket kurtarma için saklar.

Time Travel’ın aksine, fail-safe verisine kullanıcılar doğrudan erişemez; Snowflake Support müdahalesi gerekir.

Fail-safe, ek bir veri koruma katmanı sağlar; ancak daha yüksek maliyetlidir ve Time Travel sonrası son çare olarak kullanılmalıdır.

16. Snowflake’te maddileştirilmiş görünümler (materialized views) nasıl çalışır ve bunların kullanım alanları nelerdir?

Snowflake’te maddileştirilmiş görünümler bir sorgunun sonuçlarını fiziksel olarak saklar; bu da karmaşık veya sık kullanılan sorgular için daha hızlı geri getirime olanak tanır. Her sorgulandığında yeniden hesaplanan standart görünümlerin aksine, maddileştirilmiş görünümler veri güncellenene kadar sonuç kümesini korur. Bu, özellikle büyük tabloları içeren analitik iş yüklerinde sorgu performansını önemli ölçüde artırabilir.

Maddileştirilmiş görünümler için kullanım alanları arasında raporlama panoları ve verinin seyrek değiştiği toplulaştırılmış sorgu sonuçları yer alır. Ancak maddileştirilmiş görünümler periyodik bakım gerektirir ve depolama maliyetini artırabilir; bu nedenle statik veya yavaş değişen veri kümeleri için daha uygundur.

Aşağıda Snowflake’te standart görünümler ile maddileştirilmiş görünümlerin kullanım alanlarını karşılaştıran bir tablo yer almaktadır:

Snowflake Mimar Mülakat Soruları

Snowflake’in benzersiz mimarisine dayanarak, her yönünü bilmeniz ve bilginizi sınamanız gerekir.

17. Paylaşımlı disk (shared-disk) ve paylaşımsız (shared-nothing) mimariler arasındaki fark nedir?

Paylaşımlı disk ve paylaşımsız mimariler, veritabanı ve veri ambarı tasarımında iki farklı yaklaşımdır. İkisi arasındaki temel fark, bir sistemdeki birden çok düğüm (node) arasında verinin depolanması ve işlenmesinin nasıl yönetildiğidir.

Paylaşımlı disk mimarisinde, sistemdeki düğümler disk depolamaya erişir; yani sistemdeki herhangi bir düğüm, bu sistemdeki herhangi bir diske okuma/yazma yapabilir. Bu, tek bir düğümün arızalanmasının veri kaybı veya erişilemezliğe yol açmaması nedeniyle yüksek erişilebilirlik sağlar. Ayrıca verinin düğümler arasında bölümlenmesi veya çoğaltılması gerekmediğinden veri yönetimini basitleştirir.

Buna karşılık paylaşımsız mimaride, sistemdeki her düğüm diğerleriyle paylaşmadığı kendine ait özel depolamaya sahiptir. Veri düğümler arasında bölümlenir; yani her düğüm verinin bir alt kümesinden sorumludur. Bu, her biri kendi depolamasına sahip daha fazla düğüm ekleme olanağı sunduğundan ölçeklenebilirlik sağlar ve daha iyi performansa yol açar.

18. Snowflake’te ‘Staging’ tanımlayın

Veriyi Snowflake’te bir aşama alanına (stage) yüklediğinizde buna ‘Staging’ denir. Dış aşamalandırma (external staging), verinin başka bir bulut bölgesinde tutulması; iç aşamalandırma (internal staging) ise verinin Snowflake içinde tutulmasıdır. İç aşamalandırma Snowflake ortamına entegredir ve Snowflake tablolarına yüklenecek dosyaları ve verileri depolar. Snowflake platformu, yüklenmesi veya saklanması gereken verileri barındırmak için AWS, Google Cloud Platform ve Azure gibi harici depolama sağlayıcılarını kullanır.

19. Snowflake’teki farklı önbellek (cache) türleri nelerdir?

Snowflake üç tür önbellekten oluşur. İşte bunları karşılaştıran ve her biri için bazı kullanım örneklerini vurgulayan bir tablo:

20. Snowflake Sanal Deposunun farklı durumlarını tanımlayın.

Snowflake Sanal Deposunun 3 farklı durumu vardır:

• Soğuk Sanal Depo: Sanal depolarınız aktif değilken bir sorgu çalıştırırsanız, ‘Soğuk’ bir sanal depo örneği başlatılır.
• Ilık Sanal Depo: Geçerli sanal depo aktifse ve sorgular işlemişse buna ‘Ilık’ sanal depo denir.
• Sıcak Sanal Depo: Sanal depo aktifse ve sorgular işlemişse buna ‘Sıcak’ sanal depo denir.

21. Sanal depoların farklı durumlarının sorgu performansı üzerindeki etkisini açıklayabilir misiniz?

• ‘Soğuk’ sanal depoda sorgu işleme, ılık ve sıcağa göre daha uzun sürer. Bunun nedeni, yerel disk önbelleği ve sonuç önbelleği kullanılmadığından uzak disk kullanımına ihtiyaç duyulmasıdır.
• ‘Ilık’ sanal depoda sorgu işleme, soğuğa göre daha hızlıdır ancak sıcaktan daha fazla zaman alır. Bunun nedeni yerel disk kullanılmasıdır; ancak uzak disk ve sonuç önbelleği kullanılmaz.
• ‘Sıcak’ sanal depoda sorgu işleme, soğuk ve ılığa kıyasla daha kısa sürer. Uzak disk ve yerel disk önbelleği kullanılmaz; sonuç, sonuç önbelleğinden döndürülür. Bu, sorgu sonucunu almanın en verimli yoludur.

22. Snowflake, mimarisi içinde veri dağıtımı ve bölümlendirmeyi nasıl ele alır?

Snowflake, veri dağıtımını Snowflake tarafından otomatik olarak oluşturulup yönetilen mikro-bölümler aracılığıyla gerçekleştirir. Bu mikro-bölümler, veriyi kolonsal biçimde saklayan küçük depolama birimleridir (her biri 50–150 MB).

Snowflake’in otomatik kümeleme özelliği, manuel bölümlendirme ihtiyacını en aza indirerek verimli veri dağıtımı sağlar. Mikro-bölümler, yalnızca ilgili bölümlere erişilen veri budamayı mümkün kılar ve bu da performansı artırır. Geleneksel veritabanlarının aksine, Snowflake veri bölümlendirmesini soyutlar; böylece kullanıcıların veri dağıtımını manuel olarak yönetmesi gerekmez; bu da daha iyi ölçeklenebilirlik ve kullanım kolaylığı sağlar.

İşte bu mekanizmaları karşılaştıran bir tablo:

23. Snowflake’te Metadata Service’in rolünü ve performansa katkısını açıklayabilir misiniz?

Snowflake’te Metadata Service, Bulut Hizmetleri Katmanının bir parçasıdır ve sorgu iyileştirme ile veri yönetiminde kritik rol oynar. Bu hizmet, tablolar, sütunlar ve bölümler için veri depolama konumlarını, erişim örüntülerini ve meta verileri izler. Meta verilere hızlı erişim sağlayarak sorgu yürütümü sırasında veri budamayı mümkün kılar; bu da taranan veri miktarını azaltır ve performansı artırır.

Ayrıca Metadata Service, Sonuç Önbelleğini yönetir ve günceller; böylece kısa süre içinde benzer sorgular çalıştırıldığında daha hızlı geri getirime olanak tanır. Genel olarak, Metadata Service sorgu verimliliğini artırır ve kaynak tüketimini azaltır.

24. Snowflake’in otomatik askıya alma (auto-suspend) ve otomatik devam (auto-resume) özelliği nasıl çalışır ve neden faydalıdır?

Snowflake’in otomatik askıya alma ve otomatik devam özellikleri, hesaplama kaynağı kullanımını optimize eder ve maliyetleri düşürür. Bir sanal depo tanımlı bir süre boyunca boşta kalırsa, otomatik askıya alma gereksiz hesaplama ücretlerini önlemek için depoyu otomatik olarak kapatır.

Tersine, otomatik devam özelliği yeni bir sorgu alındığında depoyu otomatik olarak başlatır. Bu, kullanıcıların yalnızca depo etkin olarak sorgu işlediğinde hesaplama süresi için ödeme yapmasını sağlar.

Bu özellikler, düzensiz iş yüklerine sahip ortamlarda özellikle faydalıdır; maliyet verimliliğini en üst düzeye çıkarırken erişilebilirliği korur.

Snowflake Kodlama Mülakat Soruları

25. Sanal depo nasıl oluşturulur?

Sanal depo, web arayüzü üzerinden veya SQL kullanılarak oluşturulabilir. Üç farklı yöntem şunlardır:

• Snowsight: Admin > Warehouses > Warehouse’u seçin
• Klasik Konsol: Warehouses > Create’i seçin
• SQL: Aşağıda gösterildiği gibi CREATE WAREHOUSE komutunu çalıştırın:

CREATE [ OR REPLACE ] WAREHOUSE [ IF NOT EXISTS ] <name>
       [ [ WITH ] objectProperties ]
       [ [ WITH ] TAG ( <tag_name> = '<tag_value>' [ , <tag_name> = '<tag_value>' , ... ] ) ]
       [ objectParams ]

26. Bir Stored Procedure çağıran bir Snowflake görevi (task) nasıl oluşturulur?

Bir Snowflake görevi oluşturmak için “CREATE TASK” kullanmanız gerekir. Görev tanımında SQL ifadesini veya saklı yordamı (stored procedure) tanımlamalı ve görev oluşturma iznine sahip olduğunuzdan emin olmalısınız. Adımlar şunlardır:

• ‘CREATE TASK’ komutunu, görevinizin adını takip edecek şekilde kullanarak yeni bir görev oluşturun.
• Snowflake’in görevi yürütmek için kullanacağı sanal depoyu ‘WAREHOUSE’ ile belirtin.
• Bir cron ifadesi kullanarak görevin ne zaman çalışacağını ‘SCHEDULE’ içinde tanımlayın; örneğin her gün 01:00 UTC.
• Görevin yürüteceği SQL ifadesini ‘AS’ anahtar sözcüğüyle girin.
• Saklı yordamı kullanarak gerçekleştirilecek eylemi ‘CALL’ ile belirtin.

Örneğin:

CREATE TASK daily_sales_datacamp
  WAREHOUSE = 'datacampwarehouse'
  SCHEDULE = 'USING CRON 0 1 * * * UTC'
  AS
  CALL daily_sales_datacamp();

27. Bir tabloda DataCamp müşterilerinin geri bildirimlerini saklayan ve şu anahtarları içeren bir JSON veri sütunu var: “customer_id”, “feedback_text” ve “timestamp”. Belirli bir customer_id için geri bildirim metnini ve zaman damgasını çıkarıp görüntüleyen bir sorgu yazın.

Bu sorgu, Snowflake’te yarı yapılandırılmış JSON verisiyle nasıl çalışılacağını gösterir:

SELECT
    feedback_details:customer_id::INT AS customer_id,
    feedback_details:feedback_text::STRING AS feedback_text,
    feedback_details:timestamp::TIMESTAMP AS feedback_timestamp
FROM
    customer_feedback
WHERE
    feedback_details:customer_id::INT = 123; -- Replace 123 with the specific customer_id you're interested in

28. Bir Snowflake Görevinin (Task) geçmişini nasıl doğrularsınız?

Bir Snowflake görevinin geçmişini doğrulamak için ‘TASK_HISTORY’ tablo fonksiyonunu kullanabilirsiniz. Bu, belirli bir zaman aralığındaki görev yürütme geçmişi hakkında ayrıntılı bilgi verir.

SELECT *
FROM TABLE(INFORMATION_SCHEMA.TASK_HISTORY(
    TASK_NAME => '<task_name>',
    START_TIME => '<start_time>',
    END_TIME => '<end_time>'
))
ORDER BY SCHEDULED_TIME DESC;

29. Snowflake’te geçici (temporary) bir tabloyu nasıl oluşturursunuz?

Snowflake’te ‘CREATE TEMPORARY TABLE’ deyimini kullanmanız gerekir. Bu, kullanıcı tarafından belirlenen süre boyunca var olacak oturum-özel bir tablo oluşturur.

CREATE TEMPORARY TABLE table_name (
    column_name1 data_type1,
    column_name2 data_type2,
    ...
);

30. Snowflake’te bir zaman damgası sütununu farklı bir saat dilimine dönüştüren bir sorgu yazın.

Snowflake, zaman damgalarını saat dilimleri arasında dönüştürmek için CONVERT_TIMEZONE fonksiyonunu sağlar. İşte bir zaman damgasını UTC’den Doğu Standart Saati’ne (EST) dönüştürme örneği:

SELECT 
    customer_id,
    CONVERT_TIMEZONE('UTC', 'America/New_York', order_timestamp) AS order_timestamp_est
FROM 
    orders;

Bu sorguda, customer_id ve order_timestamp sütunlarını tablonuzdaki özel sütunlarla değiştirin. Bu fonksiyon esnek saat dilimi dönüşümleri sağlar ve küresel raporlama için idealdir.

31. Snowflake’te mevcut bir tablonun klonunu nasıl oluşturursunuz?

Snowflake’te CREATE TABLE ... CLONE ifadesini kullanarak bir tablonun sıfır kopya klonunu oluşturabilirsiniz. Bu klon, aynı altta yatan depolamayı paylaşır; böylece maliyet ve depolama alanı tasarrufu sağlar.

CREATE TABLE cloned_table_name CLONE original_table_name;

Örneğin, sales_data adlı bir tabloyu klonlamak için sözdizimi şöyledir:

CREATE TABLE sales_data_clone CLONE sales_data;

Bu klonlanmış tablo, klonlama anındaki orijinal tabloyla aynı veri ve şemaya sahip olacaktır. Oluşturulduktan sonra klon tabloda yapılan değişiklikler orijinali etkilemez.

32. Bir sütunda en sık görülen ilk 5 değeri listeleyen bir sorgu yazın.

Belirli bir sütunda en sık görülen ilk 5 değeri getirmek için GROUP BY yan tümcesini ORDER BY ve LIMIT ile birlikte kullanabilirsiniz. Örneğin, product_id sütunundaki en yaygın 5 ürünü bulmak için:

SELECT 
    product_id, 
    COUNT(*) AS frequency
FROM 
    sales
GROUP BY 
    product_id
ORDER BY 
    frequency DESC
LIMIT 5;

Bu sorgu, product_id sütununu sıklığa göre gruplar, azalan düzende sıralar ve sonuçları en sık satılan 5 ürünü gösterecek şekilde sınırlar.

Mülakata Hazırlık

Herhangi bir mülakata hazırlanırken aşağıdakileri yapmak önemlidir:

1. Şirketi araştırın: Şirketin içini dışını, ne zaman kurulduğunu ve değerlerini öğrenin. Bu, hazırlık yaptığınızı ve daha kapıdan girmeden şirket hakkında bilgi sahibi olduğunuzu gösterir.
2. İş tanımını inceleyin: Bir iş tanımı, günlük görevleriniz hakkında iyi bir fikir verir. Bu tanımlarda araçlar ve beceriler listelenir; bunları mülakatta beceri setinizi sergilemek için belirtebilirsiniz.
3. Başarılarınız hakkında somut olun: Snowflake işleri için sertifikalı olmak ve bilgi sahibi olmak harikadır. Ancak, beceri ve uzmanlığınızı önceki işleriniz ve projelerinizden somut gerçeklerle destekleyebilmelisiniz.
4. Geniş konu yelpazesi: Veri entegrasyonundan kodlama sorularına kadar farklı Snowflake kavramları hakkında geniş bir soru yelpazesine hazırlıklı olduğunuzdan emin olun. İşverenler, yazılımı baştan sona bilen ve her türlü projeyi üstlenmeye hazır kişileri arıyor.

Son olarak, kendinize güvenin ve elinizden gelenin en iyisini yapın!

Sonuç

Bu yazıda 4 farklı seviyede Snowflake mülakat sorularını ele aldık:

• Temel
• İleri Düzey
• Mimar
• Kodlama

Snowflake becerilerinizi tazelemek veya test etmek için kaynak arıyorsanız, Introduction to Snowflake ve Python ve SQL kullanarak Snowflake’te Veri Analizine Başlangıç eğitimlerimize ve ayrıca büyük veriyle çalışmak için Snowflake kullanımını da öğreneceğiniz Introduction to NoSQL kursumuza göz atın.

Ayrıca, eski Snowflake CEO’su Bob Muglia ile yaptığımız ‘Yapay Zekâ Neden Her Şeyi Değiştirecek’ başlıklı podcast bölümümüzü de dinleyin.