Kubernetes - Produção e escalabilidade
Helm charts, HPA/VPA, StatefulSets, PersistentVolumes, RBAC, GKE, resource limits, Prometheus/Grafana, health probes
1Qual é o papel principal do Helm em um ecossistema Kubernetes?
Qual é o papel principal do Helm em um ecossistema Kubernetes?
Resposta
O Helm é o gerenciador de pacotes para Kubernetes. Permite definir, instalar e atualizar aplicações complexas por meio de charts, que são coleções de arquivos YAML com templates. O Helm simplifica o deploy ao gerenciar dependências, versões e configurações de forma reprodutível.
2Qual é a diferença fundamental entre um Deployment e um StatefulSet?
Qual é a diferença fundamental entre um Deployment e um StatefulSet?
Resposta
Um StatefulSet garante uma identidade estável e persistente para cada pod (nome de rede, storage) enquanto um Deployment trata os pods como intercambiáveis. StatefulSets são essenciais para aplicações stateful como bancos de dados onde cada instância deve manter sua identidade e dados entre reinicializações.
3Como o Horizontal Pod Autoscaler (HPA) funciona para ajustar o número de réplicas?
Como o Horizontal Pod Autoscaler (HPA) funciona para ajustar o número de réplicas?
Resposta
O HPA monitora as métricas dos pods (CPU, memória ou métricas custom) por meio do Metrics Server e ajusta automaticamente o número de réplicas para manter a utilização alvo. Ele calcula a proporção entre o uso atual e o alvo, então faz scale up ou down de acordo, com períodos de cooldown para evitar thrashing.
Qual é a diferença entre HPA (Horizontal Pod Autoscaler) e VPA (Vertical Pod Autoscaler)?
Qual é o papel de um PersistentVolume (PV) e um PersistentVolumeClaim (PVC) no Kubernetes?
+17 perguntas de entrevista
Outros temas de entrevista Data Engineering
Linux & Shell - Fundamentos
Git & GitHub - Fundamentos
Python avançado para Data Engineering
Docker - Fundamentos
Google Cloud Platform - Fundamentos
CI/CD e qualidade de código
Docker Compose
FastAPI - APIs de dados
SQL avançado para Data Engineering
Data Lake - Arquitetura e ingestão
BigQuery para Data Engineering
PostgreSQL - Administração
Data Modeling para Data Engineering
Fivetran & Airbyte - Ingestão de dados
dbt - Fundamentos
Apache Airflow - Fundamentos
Kubernetes - Fundamentos
dbt - Recursos avançados
Padrões ETL / ELT / ETLT
Apache Airflow - Avançado
Airflow + dbt - Orquestração de pipelines
PySpark - Processamento em grande escala
Google Pub/Sub - Streaming de dados
Apache Beam & Dataflow
Terraform - Infrastructure as Code
Bancos de dados NoSQL
Arquitetura Data moderna
Monitoramento e observabilidade
IAM e segurança de dados
Domine Data Engineering para sua proxima entrevista
Acesse todas as perguntas, flashcards, testes tecnicos, exercicios de code review e simuladores de entrevista.
Comece gratis