Kubernetes - Productie en scaling
Helm charts, HPA/VPA, StatefulSets, PersistentVolumes, RBAC, GKE, resource limits, Prometheus/Grafana, health probes
1Wat is de hoofdrol van Helm in een Kubernetes-ecosysteem?
Wat is de hoofdrol van Helm in een Kubernetes-ecosysteem?
Antwoord
Helm is de package manager voor Kubernetes. Het maakt het mogelijk om complexe applicaties te definiëren, installeren en upgraden via charts, die collecties zijn van getemplate YAML-bestanden. Helm vereenvoudigt deployment door dependencies, versies en configuraties op een reproduceerbare manier te beheren.
2Wat is het fundamentele verschil tussen een Deployment en een StatefulSet?
Wat is het fundamentele verschil tussen een Deployment en een StatefulSet?
Antwoord
Een StatefulSet garandeert een stabiele en persistente identiteit voor elke pod (netwerknaam, storage), terwijl een Deployment pods als uitwisselbaar behandelt. StatefulSets zijn essentieel voor stateful applicaties zoals databases waar elke instance zijn identiteit en gegevens moet behouden tussen herstarts.
3Hoe werkt de Horizontal Pod Autoscaler (HPA) om het aantal replicas aan te passen?
Hoe werkt de Horizontal Pod Autoscaler (HPA) om het aantal replicas aan te passen?
Antwoord
HPA monitort pod-metrics (CPU, geheugen of custom metrics) via de Metrics Server en past automatisch het aantal replicas aan om de doelutilisatie te behouden. Het berekent de ratio tussen huidig en doelgebruik, en schaalt vervolgens dienovereenkomstig op of af met cooldown-perioden om thrashing te voorkomen.
Wat is het verschil tussen HPA (Horizontal Pod Autoscaler) en VPA (Vertical Pod Autoscaler)?
Wat is de rol van een PersistentVolume (PV) en PersistentVolumeClaim (PVC) in Kubernetes?
+17 gespreksvragen
Andere Data Engineering-sollicitatieonderwerpen
Linux & Shell - Grondbeginselen
Git & GitHub - Grondbeginselen
Geavanceerde Python voor Data Engineering
Docker - Basisbeginselen
Google Cloud Platform - Fundamenten
CI/CD en codekwaliteit
Docker Compose
FastAPI - Data-API's
Geavanceerde SQL voor Data Engineering
Data Lake - Architectuur en ingestie
BigQuery voor Data Engineering
PostgreSQL - Administratie
Data Modeling voor Data Engineering
Fivetran & Airbyte - Data-ingestie
dbt - Grondbeginselen
Apache Airflow - Grondbeginselen
Kubernetes - Fundamenten
dbt - Geavanceerde functies
ETL- / ELT- / ETLT-patronen
Apache Airflow - Gevorderd
Airflow + dbt - Pipeline-orkestratie
PySpark - Grootschalige verwerking
Google Pub/Sub - Datastreaming
Apache Beam & Dataflow
Terraform - Infrastructure as Code
NoSQL-databases
Moderne Data Architecture
Monitoring en observability
IAM en gegevensbeveiliging
Beheers Data Engineering voor je volgende gesprek
Krijg toegang tot alle vragen, flashcards, technische tests, code review-oefeningen en gespreksimulatoren.
Begin gratis