Ingeniero de Datos: pregunta de entrevista
¿Cuándo eliges streaming frente a batch?
Elige streaming si la decisión requiere baja latencia y estado continuo; batch si un retraso acotado simplifica corrección y coste. Incluye orden por tiempo de evento, datos tardíos, replay y operación.
Respuesta directa
Qué debe cubrir una buena respuesta
Cómo funciona
El streaming compensa cuando una decisión pierde valor en segundos o minutos, como comprobaciones de fraude, inventario en vivo o alertas operativas, o cuando debe mantenerse estado continuo como una sesión a medida que llegan eventos. El batch es más simple y barato cuando un retraso de una hora o un día no cambia nada, porque las entradas acotadas facilitan la corrección, las repeticiones y las pruebas. El streaming trae tiempo de evento frente a tiempo de proceso, marcas de agua para datos tardíos, preocupaciones de exactamente una vez y un sistema que hay que operar sin parar, así que la decisión se toma por caso de uso con la latencia requerida escrita y no supuesta.
Ejemplo
Un marketplace puntúa cada anuncio nuevo por fraude en cinco segundos con un job de Flink por vendedor con ventana de 24 horas, porque un anuncio fraudulento visible una hora cuesta dinero real. La misma empresa calcula los pagos a vendedores cada noche en batch, ya que los pagos se liquidan a diario de todos modos y repetir tras un arreglo es trivial con entrada acotada.
Errores frecuentes
- Hacer streaming de todo porque suena moderno y pagar operaciones 24/7 por informes diarios.
- Ignorar los eventos tardíos y producir ventanas incorrectas para la última hora de cada día.
- Construir batch para un caso de uso cuyo valor expira antes de que corra el batch.
Una estructura útil para responder
Responde desde tu propia experiencia.
No memorices un guion: usa solo ejemplos que puedas explicar con honestidad en preguntas posteriores.
Abre el espacio de trabajo de escritorio y ensaya una respuesta clara con tus propias palabras.