Kubernetes - Produzione e scaling
Helm chart, HPA/VPA, StatefulSet, PersistentVolume, RBAC, GKE, resource limit, Prometheus/Grafana, health probe
1Qual è il ruolo principale di Helm in un ecosistema Kubernetes?
Qual è il ruolo principale di Helm in un ecosistema Kubernetes?
Risposta
Helm è il package manager per Kubernetes. Permette di definire, installare e aggiornare applicazioni complesse tramite chart, che sono raccolte di file YAML templatizzati. Helm semplifica il deployment gestendo dipendenze, versioni e configurazioni in modo riproducibile.
2Qual è la differenza fondamentale tra un Deployment e uno StatefulSet?
Qual è la differenza fondamentale tra un Deployment e uno StatefulSet?
Risposta
Uno StatefulSet garantisce un'identità stabile e persistente per ogni pod (nome di rete, storage) mentre un Deployment tratta i pod come intercambiabili. Gli StatefulSet sono essenziali per applicazioni stateful come database in cui ogni istanza deve mantenere la sua identità e i dati tra i riavvii.
3Come funziona l'Horizontal Pod Autoscaler (HPA) per regolare il numero di repliche?
Come funziona l'Horizontal Pod Autoscaler (HPA) per regolare il numero di repliche?
Risposta
L'HPA monitora le metriche dei pod (CPU, memoria o metriche personalizzate) tramite il Metrics Server e regola automaticamente il numero di repliche per mantenere l'utilizzo target. Calcola il rapporto tra utilizzo corrente e target, quindi scala verso l'alto o verso il basso di conseguenza con periodi di cooldown per evitare il thrashing.
Qual è la differenza tra HPA (Horizontal Pod Autoscaler) e VPA (Vertical Pod Autoscaler)?
Qual è il ruolo di un PersistentVolume (PV) e un PersistentVolumeClaim (PVC) in Kubernetes?
+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
Docker Compose
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
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