Docker Compose
Fichier docker-compose.yml, services, depends_on, healthchecks, volumes partagés, réseaux, variables d'environnement, profiles
1Quel est le rôle principal d'un fichier docker-compose.yml ?
Quel est le rôle principal d'un fichier docker-compose.yml ?
Réponse
Le fichier docker-compose.yml permet de définir et exécuter des applications multi-conteneurs Docker. Il décrit les services, leurs images, les volumes, les réseaux et les dépendances dans un format YAML déclaratif. Cela simplifie le démarrage d'environnements complexes avec une seule commande docker compose up.
2Quelle commande permet de démarrer tous les services définis dans docker-compose.yml en arrière-plan ?
Quelle commande permet de démarrer tous les services définis dans docker-compose.yml en arrière-plan ?
Réponse
La commande docker compose up -d démarre tous les services en mode détaché (daemon). Le flag -d permet aux conteneurs de tourner en arrière-plan, libérant le terminal. Sans ce flag, les logs de tous les services s'affichent dans le terminal et l'arrêt du processus stoppe les conteneurs.
3Comment définir un volume nommé partagé entre plusieurs services dans docker-compose.yml ?
Comment définir un volume nommé partagé entre plusieurs services dans docker-compose.yml ?
Réponse
Les volumes nommés se déclarent dans une section volumes: au niveau racine du fichier, puis se référencent dans chaque service. Contrairement aux bind mounts, les volumes nommés sont gérés par Docker et persistent indépendamment des conteneurs. Ils permettent le partage de données entre services de manière fiable.
Quelle est la différence entre depends_on et healthcheck dans Docker Compose ?
Comment configurer un healthcheck pour un service PostgreSQL dans docker-compose.yml ?
+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
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
Kubernetes - Production et scaling
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