Docker - Grundlagen
Dockerfile, Images, Container, Volumes, Networks, Registries, Multi-Stage-Builds, Best Practices
1Was ist ein Docker-Container?
Was ist ein Docker-Container?
Antwort
Ein Docker-Container ist eine ausführbare Instanz eines Docker-Images. Er kapselt eine Anwendung und alle ihre Abhängigkeiten in einer isolierten und portablen Umgebung. Im Gegensatz zu virtuellen Maschinen teilen sich Container den Kernel des Host-Systems, was sie viel leichter und schneller startbar macht. Jeder Container verfügt über ein eigenes Dateisystem, einen eigenen Netzwerk-Stack und eigene isolierte Prozesse.
2Was ist ein Docker-Image?
Was ist ein Docker-Image?
Antwort
Ein Docker-Image ist eine schreibgeschützte Vorlage, die die Anweisungen zur Erstellung eines Containers enthält. Es umfasst den Anwendungscode, Bibliotheken, Abhängigkeiten, Werkzeuge und für die Ausführung benötigte Dateien. Images werden aus einem Dockerfile gebaut und bestehen aus gestapelten Schichten (Layers). Jede Dockerfile-Anweisung erzeugt eine neue Schicht, was effizientes Teilen und Wiederverwenden gemeinsamer Schichten zwischen Images ermöglicht.
3Welche Funktion hat das Dockerfile?
Welche Funktion hat das Dockerfile?
Antwort
Ein Dockerfile ist eine Textdatei mit einer Reihe von Anweisungen zum automatischen Bauen eines Docker-Images. Jede Anweisung (FROM, RUN, COPY usw.) erzeugt eine Schicht im endgültigen Image. Das Dockerfile ermöglicht es, die Laufzeitumgebung einer Anwendung deklarativ und reproduzierbar zu definieren. Es garantiert, dass das Image bei jedem Build identisch ist, was die Bereitstellung und die Zusammenarbeit zwischen Teams erleichtert.
Welche Dockerfile-Anweisung gibt das Basis-Image an?
Was ist der Unterschied zwischen den Anweisungen COPY und ADD in einem Dockerfile?
+22 Interview-Fragen
Weitere Data Engineering-Interviewthemen
Linux & Shell - Grundlagen
Git & GitHub - Grundlagen
Fortgeschrittenes Python für Data Engineering
Google Cloud Platform - Grundlagen
CI/CD und Codequalität
Docker Compose
FastAPI - Daten-APIs
Fortgeschrittenes SQL für Data Engineering
Data Lake - Architektur und Ingestion
BigQuery für Data Engineering
PostgreSQL - Administration
Data Modeling für Data Engineering
Fivetran & Airbyte - Daten-Ingestion
dbt - Grundlagen
Apache Airflow - Grundlagen
Kubernetes - Grundlagen
dbt - Erweiterte Funktionen
ETL- / ELT- / ETLT-Patterns
Apache Airflow - Fortgeschritten
Airflow + dbt - Pipeline-Orchestrierung
PySpark - Verarbeitung im großen Maßstab
Google Pub/Sub - Daten-Streaming
Apache Beam & Dataflow
Kubernetes - Produktion und Skalierung
Terraform - Infrastructure as Code
NoSQL-Datenbanken
Moderne Data Architecture
Monitoring und Observability
IAM und Datensicherheit
Meistere Data Engineering für dein nächstes Interview
Zugang zu allen Fragen, Flashcards, technischen Tests, Code-Review-Übungen und Interview-Simulatoren.
Kostenlos starten