Типы NoSQL баз данных на собеседовании Data Engineer

Зачем спрашивают на собесе DE

NoSQL — обзорное знание для DE. На собесе: «зачем NoSQL», «отличие KV и document», «Cassandra для чего». Senior — нюансы CAP, consistency models.

Key-Value

Простейшая модель: key → value.

Redis. In-memory. Используется как:

• Cache.
• Session store.
• Rate limiter.
• Pub/Sub.
• Очередь (Streams).
• Counter (атомарные INCR).

DynamoDB (AWS). Managed KV/document. Sub-10ms latency, авто-scale.

Применение:

• Cache layer перед SQL.
• Sessions / tokens.
• Real-time counters / leaderboards.

НЕ для: аналитики, complex queries, joins.

Document

Хранит JSON-документы. Schema flexible (no migrations).

MongoDB. Топ document БД. Поддержка:

• Nested documents.
• Aggregation framework.
• Indexes (включая text, geo).
• Transactions (с 4.0+).
• Replica sets, sharding.

Применение:

• Product catalog (полу-структурированные товары).
• User profiles с гибкими атрибутами.
• CMS контент.
• Event logs (хотя есть лучшие варианты).

НЕ для: строгие связи (joins дорогие), bulk-аналитика.

Wide-column

Cassandra, ScyllaDB. Распределённая, eventually consistent.

Модель — таблица с partition key + clustering keys + columns. Похоже на SQL, но distributed-first.

Свойства:

• Линейная масштабируемость на write.
• Multi-DC репликация.
• AP в CAP (доступность важнее consistency).
• Tunable consistency (per-query).

Применение:

• Time-series данные (события, метрики).
• IoT.
• Messaging (история чатов).
• High-write OLTP.

НЕ для: ad-hoc analytics, complex queries.

Graph

Neo4j, Amazon Neptune. Хранят nodes и edges с properties.

Cypher query language:

MATCH (u:User)-[:FRIEND]->(f:User)-[:FRIEND]->(fof:User)
WHERE u.id = 42
RETURN fof

Применение:

• Social networks.
• Fraud detection (graph patterns).
• Recommendation (graph traversal).
• Knowledge graphs.

НЕ для: простой OLTP, аналитика.

Time-series

InfluxDB, TimescaleDB, ClickHouse, Prometheus.

Оптимизированы под:

• High write throughput.
• Сжатие по времени.
• Window aggregations.
• Retention policies.

TimescaleDB — расширение Postgres, лучшее из обоих миров. CH — strong для analytics.

Применение:

• Metrics / monitoring.
• IoT sensor data.
• Financial ticks.

Когда NoSQL, когда SQL

SQL (Postgres, MySQL):

• Транзакции, ACID.
• Известная схема.
• Joins, complex queries.
• < TB-scale (или scale через шардинг).

NoSQL:

• High-write throughput (>50k/s).
• Schema flexibility.
• Гео-распределение.
• Specific access pattern (KV, graph traversal).

Hybrid (часто):

• Postgres для core OLTP.
• Redis для cache.
• ClickHouse для analytics.
• ElasticSearch для search.

Частые ошибки

MongoDB как primary OLTP. Без транзакций (до 4.0) — eventual consistency. Постгрес безопаснее для финансов.

Cassandra без partition key planning. Hot partition (один partition с миллиардами записей) убивает производительность.

Redis без persistence. RDB / AOF — обязательны если нужна durability.

NoSQL для всего. «Schema flexible» = «никто не знает, что в БД». Через год — chaos.

Joins в MongoDB через $lookup. Можно, но медленно. Если нужны joins — это SQL-задача.

Графовые алгоритмы на Postgres. Можно через recursive CTE, но Neo4j быстрее на сложных traversal.

Связанные темы

• DWH ClickHouse на собесе DE
• SQL vs NoSQL для SA
• Партиционирование в ClickHouse для DE
• Greenplum на собесе DE
• Подготовка к собесу Data Engineer

FAQ

MongoDB поддерживает транзакции?

С 4.0 — multi-document transactions внутри replica set. С 4.2 — distributed transactions. Дорогие, использовать осторожно.

Cassandra vs ScyllaDB?

ScyllaDB — переписанная Cassandra на C++. Сильно быстрее на том же hardware. Полностью совместима с Cassandra protocol.

Это официальная информация?

Нет. Статья основана на документации MongoDB, Cassandra, Redis, Neo4j.

Тренируйте Data Engineering — откройте тренажёр с 1500+ вопросами для собесов.