Terraform - Infrastructure as Code
Providers, resources, state, modules, variables, outputs, plan/apply, workspaces, backends
1¿Qué es Terraform y cuál es su principal ventaja sobre la configuración manual de infraestructura?
¿Qué es Terraform y cuál es su principal ventaja sobre la configuración manual de infraestructura?
Respuesta
Terraform es una herramienta de Infrastructure as Code (IaC) desarrollada por HashiCorp que permite definir y provisionar infraestructura de manera declarativa mediante archivos de configuración. Su principal ventaja es la reproducibilidad: la misma configuración siempre produce el mismo resultado, eliminando errores humanos y permitiendo versionar la infraestructura como código.
2¿Cuál es el rol de un provider en Terraform?
¿Cuál es el rol de un provider en Terraform?
Respuesta
Un provider es un plugin que permite a Terraform interactuar con una plataforma específica (AWS, GCP, Azure, etc.). Traduce los recursos de Terraform en llamadas API al servicio objetivo. Cada provider debe configurarse con las credenciales necesarias y expone los tipos de recursos disponibles para esa plataforma.
3¿Cuál es la diferencia entre un resource y un data source en Terraform?
¿Cuál es la diferencia entre un resource y un data source en Terraform?
Respuesta
Un resource crea y gestiona un elemento de infraestructura (creación, modificación, eliminación), mientras que un data source permite leer información sobre recursos existentes sin modificarlos. Los data sources son útiles para referenciar elementos creados fuera de Terraform o por otras configuraciones.
¿Para qué sirve el archivo terraform.tfstate?
¿Qué comando ejecutar para ver los cambios que Terraform realizará sin aplicarlos?
+17 preguntas de entrevista
Otros temas de entrevista Data Engineering
Linux & Shell - Fundamentos
Git & GitHub - Fundamentos
Python avanzado para Data Engineering
Docker - Fundamentos
Google Cloud Platform - Fundamentos
CI/CD y calidad de código
Docker Compose
FastAPI - APIs de datos
SQL avanzado para Data Engineering
Data Lake - Arquitectura e ingesta
BigQuery para Data Engineering
PostgreSQL - Administración
Data Modeling para Data Engineering
Fivetran & Airbyte - Ingesta de datos
dbt - Fundamentos
Apache Airflow - Fundamentos
Kubernetes - Fundamentos
dbt - Funcionalidades avanzadas
Patrones ETL / ELT / ETLT
Apache Airflow - Avanzado
Airflow + dbt - Orquestación de pipelines
PySpark - Procesamiento a gran escala
Google Pub/Sub - Streaming de datos
Apache Beam & Dataflow
Kubernetes - Producción y escalado
Bases de datos NoSQL
Arquitectura Data moderna
Monitoreo y observabilidad
IAM y seguridad de datos
Domina Data Engineering para tu próxima entrevista
Accede a todas las preguntas, flashcards, tests técnicos, ejercicios de code review y simuladores de entrevista.
Empieza gratis