Kubernetes - Production et scaling
Helm charts, HPA/VPA, StatefulSets, PersistentVolumes, RBAC, GKE, resource limits, Prometheus/Grafana, health probes
1Quel est le rôle principal de Helm dans un écosystème Kubernetes ?
Quel est le rôle principal de Helm dans un écosystème Kubernetes ?
Réponse
Helm est le gestionnaire de paquets pour Kubernetes. Il permet de définir, installer et mettre à jour des applications complexes via des charts, qui sont des collections de fichiers YAML templatisés. Helm simplifie le déploiement en gérant les dépendances, les versions et les configurations de manière reproductible.
2Quelle est la différence fondamentale entre un Deployment et un StatefulSet ?
Quelle est la différence fondamentale entre un Deployment et un StatefulSet ?
Réponse
Un StatefulSet garantit une identité stable et persistante pour chaque pod (nom réseau, stockage) tandis qu'un Deployment traite les pods comme interchangeables. Les StatefulSets sont essentiels pour les applications stateful comme les bases de données où chaque instance doit conserver son identité et ses données entre les redémarrages.
3Comment fonctionne le Horizontal Pod Autoscaler (HPA) pour ajuster le nombre de réplicas ?
Comment fonctionne le Horizontal Pod Autoscaler (HPA) pour ajuster le nombre de réplicas ?
Réponse
Le HPA surveille les métriques des pods (CPU, mémoire, ou métriques custom) via le Metrics Server et ajuste automatiquement le nombre de réplicas pour maintenir l'utilisation cible. Il calcule le ratio entre l'utilisation actuelle et la cible, puis scale up ou down en conséquence avec des cooldown periods pour éviter le thrashing.
Quelle est la différence entre HPA (Horizontal Pod Autoscaler) et VPA (Vertical Pod Autoscaler) ?
Quel est le rôle d'un PersistentVolume (PV) et d'un PersistentVolumeClaim (PVC) dans Kubernetes ?
+17 questions d'entretien
Autres sujets d'entretien Data Engineering
Linux & Shell - Fondamentaux
Git & GitHub - Fondamentaux
Python avancé pour le Data Engineering
Docker - Fondamentaux
Google Cloud Platform - Fondamentaux
CI/CD et qualité de code
Docker Compose
FastAPI - APIs de données
SQL avancé pour le Data Engineering
Data Lake - Architecture et ingestion
BigQuery pour le Data Engineering
PostgreSQL - Administration
Data Modeling pour le Data Engineering
Fivetran & Airbyte - Ingestion de données
dbt - Fondamentaux
Apache Airflow - Fondamentaux
Kubernetes - Fondamentaux
dbt - Fonctionnalités avancées
Patterns ETL / ELT / ETLT
Apache Airflow - Avancé
Airflow + dbt - Orchestration de pipelines
PySpark - Traitement à grande échelle
Google Pub/Sub - Streaming de données
Apache Beam & Dataflow
Terraform - Infrastructure as Code
Bases de données NoSQL
Architecture Data moderne
Monitoring et observabilité
IAM et sécurité des données
Maîtrise Data Engineering pour ton prochain entretien
Accède à toutes les questions, flashcards, tests techniques, exercices de code review et simulateurs d'entretien.
Commencer gratuitement