這裡是 WWW 第貳拾壹期,Wow Weihang Weekly 是一個毫無章法的個人週刊,出刊週期極不固定,從一週到五年都有可能。初期內容以軟體工程為主,等財富自由後會有更多雜食篇章。

The Best Medium-Hard Data Analyst SQL Interview Questions

作者總結自己的面試和工作經驗,整理出 Data Analyst 和 Data Scientist 的 SQL 面試題,著重在 self-join 和 window function 的相關練習。雖然 SQL 能力不是應徵資料分析職位的關鍵因子,我覺得反而是資訊工作者不可或缺的基本能力,從行銷、產品經理到工程師都應該要會 SQL DQL(Data Query Language),才能從報表、產品或系統看出洞見 。

Anxiety in product development

本文透過幾個行為觀察,分析是否掉入 anxiety driven development 的無限迴圈,這裡來個超譯摘要:

  • 害怕輸輸去: 怕失去市佔、怕失去顧客、跟著競爭對手的 feature 跑,導致產品開發看似 agile 其實更不穩定,總是晚一個世代,將創新扼殺在時間漩渦。
  • 一心只想贏: Unique Selling Proposition(UCP)可以理解為產品在市場上的生態區位,可以說是「獨特賣點」,利用 UCP 是好事,但以價格創造的 UCP 最羸弱,最沒使用者忠誠,最容易被其他人宰割。
  • 並非發光的都是金子: 著急業務落後者容易短視近利,這種短期勝利可能只是短暫消除焦慮感,卻讓整個團隊陷入愁雲慘霧,回饋感漸低,特別是在專案尾聲想偷渡 feature 而不是留 buffer。
  • 掌舵: 主要是說退一步並勾勒出真實的展望,並以此影響策略,(對不起這已超出我能理解的範圍,請自行看原文)
  • 不可能的承諾: 焦慮讓你想要找回掌控權?你會開始將流程官僚化,寫下每個 ticket 細節與需求,這反而嚴重打擊各位的動機。
  • 脫離官僚: 信任帶來新幸福,信任你的市場研究和策略,信任你的團隊的專業和洞見,讓他們自行成為一個有機體。

Things I Wished More Developers Knew About Databases

世界上大多數的開發者都碰過資料庫,但其實對資料庫一知半解,常常各種掉資料或是 deadlock。來自 Google 的 @rakyll 列出一些和資料庫相關常見的誤解和經驗,其實每個主題都可以獨立寫篇文章,以下稍微摘要:

  1. **當 99.999% 的時間網路不構成問題時,恭喜!你很幸運: **網路非常不可靠,從硬體,拓撲到鯊魚咬電纜(台灣人早就知道會咬了),而且網路掌控在大型企業或雲端供應商手中,對開發者來說很難鑑定其錯誤。
  2. 一個 ACID,各自表述: 不是所有資料庫都符合 ACID,宣稱符合 ACID 的資料庫也不一定行為正確,這裡 MongoDB 的沒開 journal 60 秒才 fsync 一次的事件又被拿出來鞭屍,當然,最近 Jepsen 幹爆 MongoDB 4.2.6 的事件也可以關注一下。
  3. 每個資料庫能達成的一致性和隔離性程度不同: ACID 的 Consistency 和 Isolation 的光譜其實很廣,而且這兩個特性其實很貴,所以不同資料庫的 tradeoff 不盡相同,可以參考 Jepsen Consistency Model 還有各資料的 Isolation Level 大表看看你要什麼
  4. 不適用 exclusive lock 時,樂觀鎖是個選項: 樂觀鎖是一種在讀取 tuple 時先記錄 checksum/timestamp/version 資訊,寫入時再檢查 tuple 的這些資訊是否改變來決定寫入與否(但要注意 isolation level 和 dirty read 的關係,如果 write 太多可能樂觀鎖效能會較差)
  5. 除了 dirty read 和 data loss,還有更古怪的事: 前兩者可以透過注意鎖和 race condition 來避免,但 read/write skew 這種邏輯錯誤更難發覺。
  6. 我的資料庫和我在執行順序上無法總是達成共識: txn 的順序是依照接收到 txn 順序執行,而非 code 撰寫順序,如果有不同的操作需要保證順序,請包入同一個 txn。
  7. application-level sharding 可以實作在應用層之外: 例如額外的 sharing service 處理這塊,application 還是處理商業邏輯就行,像 YouTube 底層的 Vitness ,或是 Shopee 底層的 TiDB 的底層 TiKV 都是箇中高手。
  8. AUTOINCREMENT 有害論: 在分散式系統不易生成正確的 AUTOINCREMENT ID、當作 partition key 可能會產生 hotspot、有其他 unique key 是 AUTOINCREMENT key 就是廢物
  9. 資料雖過期但有用(而且是 lock-free): MVCC 可以達到 Repeatable read isolation level,對 read-heavy app 或是 globally distributed app 能有效降低延遲。(代價就是偶爾要跑 GC 或 VACUUM
  10. 時間會在不同來源間扭曲: 所有時間 API 都在說謊,就算用 NTP 服務還是有網路延遲。作者在這邊偷偷推銷 Google 的 TrueTime,但有趣的是 API 回傳是個 time range,當前時間就落在這個範圍中。
  11. 我都把「延遲」念「延遲」: latency 在不同領域意義不同,client latency = database latency + network latency,服用前請看說明書。
  12. 評估效能該考慮 per transaction 等場景的需求: 幫自家資料庫打廣告時不能只著重在 read/write throughput,應還要設計不同的場景、constraint、transaction 才能,脫離應用場景的 benchmark 都是流氓。
  13. nested transaction 有害論: nested txn 會導致非預期的行為,例如 如果 inner txn 錯誤 rollback,那 outer txn 該 rollback 嗎?如果是開發 request-response 的 web app,我自己會傾向一個 request-response 就是一個 txn。
  14. transaction 不該管理應用層的狀態: 如果一個 txn 改變的 global state 但是 txn failed,retry 第二次時哪個 global state 就和第一次不一致了。
  15. query planner 能協助理解資料庫: 可以知道到底是 table scan 還是 index scan 等來決定 SQL 怎麼寫可以最佳化。
  16. online migration 複雜但可行: 拆成一個個可復原的小步驟,dual write -> change read -> change write -> remove old model,可以參考 Stripe 怎麼做,當然,還有 code-first 和 data-first 等不同的 migration mode。
  17. 可觀的資料庫成長所帶來的狀況難以預測: 這正是為什麼我們要在 scaling 前各種 migration/refactor/rewrite,不要以為你懂資料庫底層運作就很屌,從 hotspot、data 分佈不均、容量硬體、流量網路 partition,Scale will introduce new unknowns。(然後各種 data model 到部署流程和大小都要改變)