Terraform - Infrastructure as Code
Providers, Resources, State, Module, Variables, Outputs, Plan/Apply, Workspaces, Backends
1Was ist Terraform und was ist sein Hauptvorteil gegenüber der manuellen Infrastrukturkonfiguration?
Was ist Terraform und was ist sein Hauptvorteil gegenüber der manuellen Infrastrukturkonfiguration?
Antwort
Terraform ist ein von HashiCorp entwickeltes Infrastructure-as-Code-Tool (IaC), mit dem sich Infrastruktur deklarativ über Konfigurationsdateien definieren und bereitstellen lässt. Der Hauptvorteil ist die Reproduzierbarkeit: Dieselbe Konfiguration erzeugt stets dasselbe Ergebnis, eliminiert menschliche Fehler und ermöglicht das Versionieren der Infrastruktur wie Code.
2Welche Rolle hat ein Provider in Terraform?
Welche Rolle hat ein Provider in Terraform?
Antwort
Ein Provider ist ein Plugin, das es Terraform ermöglicht, mit einer bestimmten Plattform (AWS, GCP, Azure usw.) zu interagieren. Er übersetzt Terraform-Ressourcen in API-Aufrufe an den Zieldienst. Jeder Provider muss mit den nötigen Credentials konfiguriert werden und stellt die verfügbaren Ressourcentypen dieser Plattform bereit.
3Was ist der Unterschied zwischen einer Resource und einer Data Source in Terraform?
Was ist der Unterschied zwischen einer Resource und einer Data Source in Terraform?
Antwort
Eine Resource erstellt und verwaltet ein Infrastrukturelement (Erstellung, Änderung, Löschung), während eine Data Source das Lesen von Informationen über bestehende Ressourcen ermöglicht, ohne sie zu verändern. Data Sources sind nützlich, um Elemente zu referenzieren, die außerhalb von Terraform oder durch andere Konfigurationen erstellt wurden.
Wozu dient die Datei terraform.tfstate?
Welcher Befehl sollte ausgeführt werden, um die Änderungen zu sehen, die Terraform vornehmen wird, ohne sie anzuwenden?
+17 Interview-Fragen
Weitere Data Engineering-Interviewthemen
Linux & Shell - Grundlagen
Git & GitHub - Grundlagen
Fortgeschrittenes Python für Data Engineering
Docker - Grundlagen
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
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