Docker Compose
File docker-compose.yml, services, depends_on, healthchecks, volumi condivisi, network, variabili d'ambiente, profiles
1Qual è il ruolo principale di un file docker-compose.yml?
Qual è il ruolo principale di un file docker-compose.yml?
Risposta
Il file docker-compose.yml consente di definire ed eseguire applicazioni Docker multi-container. Descrive i services, le loro immagini, i volumi, i network e le dipendenze in un formato YAML dichiarativo. Questo semplifica l'avvio di ambienti complessi con un singolo comando docker compose up.
2Quale comando avvia tutti i services definiti in docker-compose.yml in background?
Quale comando avvia tutti i services definiti in docker-compose.yml in background?
Risposta
Il comando docker compose up -d avvia tutti i services in modalità detached (daemon). Il flag -d consente ai container di essere eseguiti in background, liberando il terminale. Senza questo flag, i log di tutti i services vengono visualizzati nel terminale e arrestare il processo arresta i container.
3Come definire un volume con nome condiviso tra più services in docker-compose.yml?
Come definire un volume con nome condiviso tra più services in docker-compose.yml?
Risposta
I volumi con nome sono dichiarati in una sezione volumes: a livello radice del file, quindi referenziati in ogni service. A differenza dei bind mount, i volumi con nome sono gestiti da Docker e persistono indipendentemente dai container. Consentono una condivisione affidabile dei dati tra services.
Qual è la differenza tra depends_on e healthcheck in Docker Compose?
Come configurare un healthcheck per un service PostgreSQL in docker-compose.yml?
+17 domande da colloquio
Altri argomenti di colloquio Data Engineering
Linux & Shell - Fondamenti
Git & GitHub - Fondamenti
Python avanzato per Data Engineering
Docker - Fondamenti
Google Cloud Platform - Fondamenti
CI/CD e qualità del codice
FastAPI - API per dati
SQL avanzato per il Data Engineering
Data Lake - Architettura e ingestione
BigQuery per il Data Engineering
PostgreSQL - Amministrazione
Data Modeling per Data Engineering
Fivetran & Airbyte - Ingestione dati
dbt - Fondamenti
Apache Airflow - Fondamenti
Kubernetes - Fondamenti
dbt - Funzionalità avanzate
Pattern ETL / ELT / ETLT
Apache Airflow - Avanzato
Airflow + dbt - Orchestrazione delle pipeline
PySpark - Elaborazione su larga scala
Google Pub/Sub - Streaming di dati
Apache Beam & Dataflow
Kubernetes - Produzione e scaling
Terraform - Infrastructure as Code
Database NoSQL
Data Architecture moderna
Monitoraggio e osservabilità
IAM e sicurezza dei dati
Padroneggia Data Engineering per il tuo prossimo colloquio
Accedi a tutte le domande, flashcards, test tecnici, esercizi di code review e simulatori di colloquio.
Inizia gratis