Question 1

บทบาทหลักของ Helm ในระบบนิเวศ Kubernetes คืออะไร?

Accepted Answer

Helm คือ package manager สำหรับ Kubernetes ช่วยให้สามารถกำหนด ติดตั้ง และอัปเกรดแอปพลิเคชันที่ซับซ้อนผ่าน chart ซึ่งเป็นการรวบรวมไฟล์ YAML แบบ template Helm ทำให้การ deploy ง่ายขึ้นโดยจัดการ dependencies, versions และ configurations ในลักษณะที่สามารถทำซ้ำได้

Question 2

ความแตกต่างพื้นฐานระหว่าง Deployment และ StatefulSet คืออะไร?

Accepted Answer

StatefulSet รับประกัน identity ที่เสถียรและถาวรสำหรับแต่ละ pod (ชื่อเครือข่าย, storage) ในขณะที่ Deployment ปฏิบัติต่อ pod ว่าสามารถสับเปลี่ยนกันได้ StatefulSet มีความสำคัญสำหรับแอปพลิเคชัน stateful เช่นฐานข้อมูล ที่แต่ละ instance ต้องคงไว้ซึ่ง identity และข้อมูลตลอดการ restart

Question 3

Horizontal Pod Autoscaler (HPA) ทำงานอย่างไรเพื่อปรับจำนวน replicas?

Accepted Answer

HPA ตรวจสอบ metrics ของ pod (CPU, memory หรือ custom metrics) ผ่าน Metrics Server และปรับจำนวน replicas โดยอัตโนมัติเพื่อรักษา utilization เป้าหมาย โดยจะคำนวณอัตราส่วนระหว่างการใช้งานปัจจุบันและเป้าหมาย จากนั้นจะ scale up หรือ down ตามความเหมาะสมพร้อม cooldown periods เพื่อหลีกเลี่ยง thrashing

Kubernetes - Production และ Scaling

บทบาทหลักของ Helm ในระบบนิเวศ Kubernetes คืออะไร?

คำตอบ

ความแตกต่างพื้นฐานระหว่าง Deployment และ StatefulSet คืออะไร?

คำตอบ

Horizontal Pod Autoscaler (HPA) ทำงานอย่างไรเพื่อปรับจำนวน replicas?

คำตอบ

ความแตกต่างระหว่าง HPA (Horizontal Pod Autoscaler) และ VPA (Vertical Pod Autoscaler) คืออะไร?

บทบาทของ PersistentVolume (PV) และ PersistentVolumeClaim (PVC) ใน Kubernetes คืออะไร?

หัวข้อสัมภาษณ์ Data Engineering อื่นๆ

Linux & Shell - พื้นฐาน

Git & GitHub - พื้นฐาน

Python ขั้นสูงสำหรับ Data Engineering

Docker - พื้นฐาน

Google Cloud Platform - พื้นฐาน

CI/CD และคุณภาพโค้ด

Docker Compose

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

Terraform - Infrastructure as Code

ฐานข้อมูล NoSQL

Data Architecture สมัยใหม่

การมอนิเตอร์และการสังเกตการณ์

IAM และความปลอดภัยของข้อมูล

เชี่ยวชาญ Data Engineering สำหรับการสัมภาษณ์ครั้งถัดไป