Terraform - Infrastructure as Code
Providers, resources, state, modules, variables, outputs, plan/apply, workspaces, backends
1Cos'è Terraform e qual è il suo principale vantaggio rispetto alla configurazione manuale dell'infrastruttura?
Cos'è Terraform e qual è il suo principale vantaggio rispetto alla configurazione manuale dell'infrastruttura?
Risposta
Terraform è uno strumento di Infrastructure as Code (IaC) sviluppato da HashiCorp che consente di definire e provisionare l'infrastruttura in modo dichiarativo tramite file di configurazione. Il suo principale vantaggio è la riproducibilità: la stessa configurazione produce sempre lo stesso risultato, eliminando errori umani e consentendo il versionamento dell'infrastruttura come codice.
2Qual è il ruolo di un provider in Terraform?
Qual è il ruolo di un provider in Terraform?
Risposta
Un provider è un plugin che consente a Terraform di interagire con una piattaforma specifica (AWS, GCP, Azure, ecc.). Traduce le risorse Terraform in chiamate API al servizio target. Ogni provider deve essere configurato con le credenziali necessarie ed espone i tipi di risorse disponibili per quella piattaforma.
3Qual è la differenza tra una resource e una data source in Terraform?
Qual è la differenza tra una resource e una data source in Terraform?
Risposta
Una resource crea e gestisce un elemento dell'infrastruttura (creazione, modifica, eliminazione), mentre una data source consente di leggere informazioni su risorse esistenti senza modificarle. Le data source sono utili per fare riferimento a elementi creati al di fuori di Terraform o da altre configurazioni.
A cosa serve il file terraform.tfstate?
Quale comando eseguire per vedere le modifiche che Terraform effettuerà senza applicarle?
+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
Kubernetes - Produzione e scaling
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