Kubernetes - Produkcja i skalowanie
Helm charts, HPA/VPA, StatefulSets, PersistentVolumes, RBAC, GKE, resource limits, Prometheus/Grafana, health probes
1Jaka jest główna rola Helm w ekosystemie Kubernetes?
Jaka jest główna rola Helm w ekosystemie Kubernetes?
Odpowiedź
Helm to menedżer pakietów dla Kubernetes. Umożliwia definiowanie, instalowanie i aktualizowanie złożonych aplikacji za pomocą chartów, które są kolekcjami szablonowych plików YAML. Helm upraszcza wdrażanie poprzez powtarzalne zarządzanie zależnościami, wersjami i konfiguracjami.
2Jaka jest fundamentalna różnica między Deployment a StatefulSet?
Jaka jest fundamentalna różnica między Deployment a StatefulSet?
Odpowiedź
StatefulSet gwarantuje stabilną i trwałą tożsamość dla każdego poda (nazwę sieciową, storage), podczas gdy Deployment traktuje pody jako wymienne. StatefulSety są niezbędne dla aplikacji stateful, takich jak bazy danych, gdzie każda instancja musi zachować swoją tożsamość i dane między restartami.
3Jak działa Horizontal Pod Autoscaler (HPA) w celu dostosowania liczby replik?
Jak działa Horizontal Pod Autoscaler (HPA) w celu dostosowania liczby replik?
Odpowiedź
HPA monitoruje metryki podów (CPU, pamięć lub niestandardowe metryki) za pomocą Metrics Server i automatycznie dostosowuje liczbę replik, aby utrzymać docelowe wykorzystanie. Oblicza stosunek między bieżącym a docelowym użyciem, a następnie odpowiednio skaluje w górę lub w dół z okresami cooldown, aby uniknąć thrashingu.
Jaka jest różnica między HPA (Horizontal Pod Autoscaler) a VPA (Vertical Pod Autoscaler)?
Jaka jest rola PersistentVolume (PV) i PersistentVolumeClaim (PVC) w Kubernetes?
+17 pytań z rozmów
Inne tematy rekrutacyjne Data Engineering
Linux & Shell - Podstawy
Git & GitHub - Podstawy
Zaawansowany Python dla Data Engineering
Docker - Podstawy
Google Cloud Platform - Podstawy
CI/CD i jakość kodu
Docker Compose
FastAPI - API danych
Zaawansowany SQL dla Data Engineering
Data Lake - Architektura i wprowadzanie danych
BigQuery dla Data Engineering
PostgreSQL - Administracja
Data Modeling dla Data Engineering
Fivetran & Airbyte - Pozyskiwanie danych
dbt - Podstawy
Apache Airflow - Podstawy
Kubernetes - Podstawy
dbt - Zaawansowane funkcje
Wzorce ETL / ELT / ETLT
Apache Airflow - Zaawansowany
Airflow + dbt - Orkiestracja pipeline'ów
PySpark - Przetwarzanie na dużą skalę
Google Pub/Sub - Streaming danych
Apache Beam & Dataflow
Terraform - Infrastructure as Code
Bazy danych NoSQL
Nowoczesna Data Architecture
Monitorowanie i obserwowalność
IAM i bezpieczeństwo danych
Opanuj Data Engineering na następną rozmowę
Uzyskaj dostęp do wszystkich pytań, flashcards, testów technicznych, ćwiczeń code review i symulatorów rozmów.
Zacznij za darmo