Docker Compose
ไฟล์ docker-compose.yml, services, depends_on, healthchecks, shared volumes, networks, environment variables, profiles
1บทบาทหลักของไฟล์ docker-compose.yml คืออะไร?
บทบาทหลักของไฟล์ docker-compose.yml คืออะไร?
คำตอบ
ไฟล์ docker-compose.yml ช่วยให้สามารถกำหนดและเรียกใช้แอปพลิเคชัน Docker แบบหลาย container ได้ โดยอธิบาย services, image, volume, network และ dependency ในรูปแบบ YAML แบบ declarative ซึ่งช่วยลดความซับซ้อนในการเริ่มต้นสภาพแวดล้อมที่ซับซ้อนด้วยคำสั่ง docker compose up เพียงคำสั่งเดียว
2คำสั่งใดที่เริ่มต้น services ทั้งหมดที่กำหนดใน docker-compose.yml ในเบื้องหลัง?
คำสั่งใดที่เริ่มต้น services ทั้งหมดที่กำหนดใน docker-compose.yml ในเบื้องหลัง?
คำตอบ
คำสั่ง docker compose up -d เริ่มต้น services ทั้งหมดในโหมด detached (daemon) แฟล็ก -d ช่วยให้ container ทำงานในเบื้องหลัง ปลดปล่อย terminal โดยไม่มีแฟล็กนี้ log จาก services ทั้งหมดจะแสดงใน terminal และการหยุดกระบวนการจะหยุด container
3จะกำหนด named volume ที่แชร์ระหว่าง services หลายตัวใน docker-compose.yml ได้อย่างไร?
จะกำหนด named volume ที่แชร์ระหว่าง services หลายตัวใน docker-compose.yml ได้อย่างไร?
คำตอบ
Named volume ถูกประกาศในส่วน volumes: ที่ระดับ root ของไฟล์ จากนั้นอ้างอิงในแต่ละ service ไม่เหมือนกับ bind mount, named volume ถูกจัดการโดย Docker และคงอยู่อย่างอิสระจาก container ช่วยให้แชร์ข้อมูลระหว่าง services ได้อย่างน่าเชื่อถือ
ความแตกต่างระหว่าง depends_on และ healthcheck ใน Docker Compose คืออะไร?
จะกำหนดค่า healthcheck สำหรับ service PostgreSQL ใน docker-compose.yml ได้อย่างไร?
+17 คำถามสัมภาษณ์
หัวข้อสัมภาษณ์ Data Engineering อื่นๆ
Linux & Shell - พื้นฐาน
Git & GitHub - พื้นฐาน
Python ขั้นสูงสำหรับ Data Engineering
Docker - พื้นฐาน
Google Cloud Platform - พื้นฐาน
CI/CD และคุณภาพโค้ด
FastAPI - Data API
SQL ขั้นสูงสำหรับ Data Engineering
Data Lake - สถาปัตยกรรมและการนำเข้าข้อมูล
BigQuery สำหรับ Data Engineering
PostgreSQL - การดูแลระบบ
Data Modeling สำหรับ Data Engineering
Fivetran & Airbyte - การนำเข้าข้อมูล
dbt - พื้นฐาน
Apache Airflow - พื้นฐาน
Kubernetes - พื้นฐาน
dbt - ฟีเจอร์ขั้นสูง
รูปแบบ ETL / ELT / ETLT
Apache Airflow - ขั้นสูง
Airflow + dbt - การจัดการ Pipeline
PySpark - การประมวลผลขนาดใหญ่
Google Pub/Sub - การสตรีมข้อมูล
Apache Beam & Dataflow
Kubernetes - Production และ Scaling
Terraform - Infrastructure as Code
ฐานข้อมูล NoSQL
Data Architecture สมัยใหม่
การมอนิเตอร์และการสังเกตการณ์
IAM และความปลอดภัยของข้อมูล
เชี่ยวชาญ Data Engineering สำหรับการสัมภาษณ์ครั้งถัดไป
เข้าถึงคำถามทั้งหมด flashcards แบบทดสอบเทคนิค แบบฝึกหัด code review และตัวจำลองสัมภาษณ์
เริ่มใช้ฟรี