Kubernetes - Producción y escalado
Helm charts, HPA/VPA, StatefulSets, PersistentVolumes, RBAC, GKE, resource limits, Prometheus/Grafana, health probes
1¿Cuál es el rol principal de Helm en un ecosistema Kubernetes?
¿Cuál es el rol principal de Helm en un ecosistema Kubernetes?
Respuesta
Helm es el gestor de paquetes para Kubernetes. Permite definir, instalar y actualizar aplicaciones complejas mediante charts, que son colecciones de archivos YAML con plantillas. Helm simplifica el despliegue gestionando dependencias, versiones y configuraciones de forma reproducible.
2¿Cuál es la diferencia fundamental entre un Deployment y un StatefulSet?
¿Cuál es la diferencia fundamental entre un Deployment y un StatefulSet?
Respuesta
Un StatefulSet garantiza una identidad estable y persistente para cada pod (nombre de red, almacenamiento) mientras que un Deployment trata los pods como intercambiables. Los StatefulSets son esenciales para aplicaciones stateful como bases de datos donde cada instancia debe conservar su identidad y datos entre reinicios.
3¿Cómo funciona el Horizontal Pod Autoscaler (HPA) para ajustar el número de réplicas?
¿Cómo funciona el Horizontal Pod Autoscaler (HPA) para ajustar el número de réplicas?
Respuesta
El HPA monitorea las métricas de los pods (CPU, memoria o métricas custom) mediante el Metrics Server y ajusta automáticamente el número de réplicas para mantener la utilización objetivo. Calcula la relación entre el uso actual y el objetivo, y luego escala hacia arriba o abajo en consecuencia con períodos de cooldown para evitar el thrashing.
¿Cuál es la diferencia entre HPA (Horizontal Pod Autoscaler) y VPA (Vertical Pod Autoscaler)?
¿Cuál es el rol de un PersistentVolume (PV) y un PersistentVolumeClaim (PVC) en Kubernetes?
+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
Terraform - Infrastructure as Code
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