So baust du eine Take-Home-Aufgabe mit einer echten Datenbank
Gib Kandidaten eine echte PostgreSQL-, MySQL-, MongoDB- oder Valkey-Instanz, befülle sie mit einer kleinen SQL-Datei und schreibe Tests, die sie ansprechen. Keine Mocks, kein lokales Setup.
Ein Take-Home mit Datenbank funktioniert am besten, wenn der Kandidat eine echte Datenbank bekommt, die bereits läuft und befüllt ist, sodass die Zeit in die Aufgabe fließt statt ins Setup. Halte Schema und Seed-Daten klein, schreibe ein paar Tests, die gegen die echte Datenbank laufen, und sorge dafür, dass die Umgebung für jeden Kandidaten gleich startet.
Warum eine echte Datenbank statt Mocks?
Die meisten Backend-Bugs liegen an der Grenze zwischen Code und Daten: ein fehlender Index, eine Query, die nach einem Join Duplikate liefert, eine Transaktion, die keine ist, ein Cache, der veraltet. Ein gemocktes Repository verbirgt all das. Mit einer echten Datenbank muss der Kandidat sich mit denselben Problemen auseinandersetzen, die der Job bringt.
Eine echte Datenbank verändert auch, was du fragen kannst:
- Eine Migration schreiben, die eine Spalte hinzufügt, ohne Daten zu verlieren.
- Eine langsame Query beheben und den Query-Plan davor und danach zeigen.
- Einen Endpunkt unter Nebenläufigkeit absichern, mit einer Transaktion oder einem Lock.
- Einen Cache vor einen häufigen Lesezugriff setzen und ihn korrekt invalidieren.
Nichts davon ergibt gegen einen In-Memory-Fake Sinn.
Die Setup-Steuer ist das eigentliche Risiko
Der klassische Einwand ist das Setup. Kandidaten zu bitten, PostgreSQL zu installieren, eine Rolle anzulegen und einen Dump einzuspielen, kostet sie eine Stunde, bevor sie eine Zeile schreiben, und diese Stunde begünstigt Leute mit dem richtigen Laptop. Welches Tool du auch nutzt: Die Datenbank sollte laufen, wenn der Kandidat das Projekt öffnet.
Befülle sie mit einem kleinen, bewusst gewählten Datensatz
Seed-Daten sind Teil des Aufgabendesigns. Ein paar Regeln:
- Klein genug zum Lesen. Zehn Kunden und vierzig Bestellungen lassen einen Kandidaten die Daten mit einem einzigen
SELECTverstehen. Eine Million generierter Zeilen ergibt nur Sinn, wenn es in der Aufgabe um Performance geht. - Auf die Aufgabe zugeschnitten. Wenn der Bug Bestellungen ohne Positionen betrifft, sorge dafür, dass der Seed eine enthält. Wenn es um Pagination geht, lege genug Zeilen für drei Seiten an.
- Erst das Schema, dann die Daten. Teile sie in zwei Dateien,
001_schema.sqlund002_seed.sql, damit der Kandidat die Tabellendefinitionen schnell findet. - Keine echten Kundendaten. Nutze erfundene Namen und Adressen, auch bei einer internen Einstellung.
Wenn dein Projekt bereits Migrationen hat (Prisma, Alembic, Django, Laravel), lass den Install-Schritt sie ausführen und nutze die Seed-Datei nur für Daten.
Wie groß sollte die Aufgabe sein?
Ziel ist etwas, das du in der halben Zeit des Limits schaffen kannst. Datenbank-Aufgaben dauern länger, als sie aussehen, weil der Kandidat zuerst das Schema erkunden muss. Eine fokussierte Änderung, etwa ein Endpunkt, eine Migration oder ein Query-Fix, plus Tests ist für 90 Minuten reichlich.
Schreibe Tests, die die Datenbank ansprechen
Tests sagen dem Kandidaten, was „fertig“ bedeutet, und lassen ihn seine Arbeit selbst prüfen. Bei einer Datenbank-Aufgabe sollten sie gegen dieselbe Datenbank laufen, die die App nutzt.
- Lies die Verbindung aus der Umgebung, etwa
DATABASE_URL, nie als fest eincodierten String. - Räume nach jedem Test auf. Packe jeden in eine Transaktion und rolle sie zurück, oder lösche die Zeilen, die er angelegt hat. Die Datenbank behält ihre Zeilen, während der Kandidat arbeitet, sodass Tests, die Daten hinterlassen, beim zweiten Lauf fehlschlagen.
- Teste Verhalten, nicht SQL. Prüfe, was der Endpunkt zurückgibt oder was in der Tabelle landet, damit jede korrekte Lösung besteht.
const { test } = require('node:test');
const assert = require('node:assert');
const { Client } = require('pg');
test('an order with no items has a zero total', async () => {
const db = new Client({ connectionString: process.env.DATABASE_URL });
await db.connect();
await db.query('BEGIN');
const { rows } = await db.query(
"INSERT INTO orders (customer_id) VALUES (1) RETURNING id",
);
const total = await db.query('SELECT order_total($1) AS total', [rows[0].id]);
assert.strictEqual(Number(total.rows[0].total), 0);
await db.query('ROLLBACK');
await db.end();
});import os
import psycopg
def test_order_with_no_items_has_zero_total():
with psycopg.connect(os.environ["DATABASE_URL"]) as db:
row = db.execute(
"INSERT INTO orders (customer_id) VALUES (1) RETURNING id"
).fetchone()
total = db.execute("SELECT order_total(%s)", (row[0],)).fetchone()[0]
assert total == 0
db.rollback()Tipp. Liefere einen bestehenden und einen fehlschlagenden Test mit, der die Aufgabe beschreibt. Der Kandidat sieht sofort, wie die Tests laufen und was noch zu tun ist.
Solltest du einen Cache oder eine Queue hinzufügen?
Nur, wenn die Aufgabe darum geht. Ein Redis-kompatibler Store ergibt Sinn für einen Rate Limiter, einen Session-Store oder ein Cache-Invalidierungsproblem. Einen „der Realität halber“ hinzuzufügen, ist nur eine zweite Sache, die man in einem kurzen Zeitfenster verstehen muss.
So geht es in Kendor
Kendor führt PostgreSQL, MySQL, MongoDB und Valkey (Redis-kompatibel) in der Sandbox des Kandidaten aus, auf 127.0.0.1. Sie starten vor deinen Installationsbefehlen, sodass Migrationen während der Installation laufen können. Du deklarierst sie in der kendor.yaml im Wurzelverzeichnis des Projekts. Die vollständige Referenz findest du unter Datenbanken.
version: 1
runtime:
type: node
version: "22"
databases:
- type: postgres
version: "18"
init: db
- type: valkey
version: "9"
install:
commands:
- npm ci
services:
api:
dev:
command: node --watch src/server.js
port: 3000
test:
command: node --test
preview:
service: apiversion: 1
runtime:
type: python
version: "3.12"
databases:
- type: postgres
version: "18"
init: db
install:
commands:
- pip install --user -r requirements.txt
services:
api:
dev:
command: uvicorn main:app --host $HOST --port $PORT --reload
port: 8000
test:
command: pytest --tap-stream
preview:
service: apiWas die einzelnen Teile tun:
databaseslistet von jedem Typ höchstens einen und höchstens eine SQL-Datenbank (PostgreSQL oder MySQL). PostgreSQL 18, MySQL 8.4, MongoDB 8.0 und Valkey 9 sind verfügbar.initist eine Seed-Datei oder ein Ordner, dessen Seed-Dateien in Namensreihenfolge laufen:.sqlfür PostgreSQL und MySQL,.jsfür MongoDB. Es läuft einmal, direkt nach dem Anlegen der Datenbank; bei PostgreSQL als eine Transaktion. Es muss ein Pfad innerhalb des Projekts sein. Valkey akzeptiert keininit; befülle es aus deiner App oder deinem Test-Setup.name(optional, nicht für Valkey) legt den Datenbanknamen fest. Standard istapp.
Jeder Prozess in der Sandbox, einschließlich App, Terminals und Tests, erhält die Verbindungsdaten: DATABASE_URL, PGHOST, PGPORT, PGUSER und PGDATABASE für PostgreSQL, DATABASE_URL, MYSQL_HOST und Verwandte für MySQL, MONGODB_URI für MongoDB sowie REDIS_URL und VALKEY_URL für Valkey. Auch Laravel- und Spring-Variablen (DB_HOST, SPRING_DATASOURCE_URL und so weiter) werden gesetzt. Kandidaten können im Terminal psql, mysql, mongosh oder redis-cli öffnen, um hineinzusehen, und die Datenbanken sind von außerhalb der Sandbox nicht erreichbar.
Im Editor einrichten
Wenn du kein YAML schreiben möchtest, öffne die Challenge im Editor und nutze die Laufzeitkonfiguration. Wähle unter Datenbanken Engine und Version und verweise bei Seed-Datei auf dein SQL. Wechsle zu Rohes YAML, um zu sehen, was geschrieben wurde. Wenn du ein Repository importierst, erkennt Kendor die Datenbank oft selbst, anhand eines Prisma-Schemas, einer docker-compose.yml oder der Abhängigkeiten des Projekts, und füllt sie vor.
Als Kandidat prüfen
Wähle Als Kandidat ansehen und führe die Tests im Tab Tests aus. Der Tab Tests führt den test-Befehl aus der kendor.yaml aus; TAP-Ausgabe (node --test, pytest --tap-stream) ergibt eine Zeile pro Test. Siehe Der Tab „Tests“.
Hinweis. Die Zeilen der Datenbank bleiben bestehen, solange der Kandidat arbeitet, auch über einen Sandbox-Neustart hinweg. Sie werden aber nicht mit der Abgabe gespeichert: Was du prüfst, ist der Code, einschließlich aller Migrationen und Seed-Dateien, die der Kandidat geändert hat.