Question 1

Terraform คืออะไรและมีข้อได้เปรียบหลักเหนือการกำหนดค่าโครงสร้างพื้นฐานแบบใช้มืออย่างไร?

Accepted Answer

Terraform เป็นเครื่องมือ Infrastructure as Code (IaC) ที่พัฒนาโดย HashiCorp ซึ่งช่วยให้สามารถกำหนดและจัดเตรียมโครงสร้างพื้นฐานในลักษณะเชิงประกาศผ่านไฟล์การกำหนดค่า ข้อได้เปรียบหลักคือความสามารถในการทำซ้ำได้: การกำหนดค่าเดียวกันจะให้ผลลัพธ์เดียวกันเสมอ ขจัดข้อผิดพลาดของมนุษย์ และช่วยให้สามารถจัดเวอร์ชันโครงสร้างพื้นฐานเหมือนโค้ดได้

Question 2

บทบาทของ provider ใน Terraform คืออะไร?

Accepted Answer

Provider คือปลั๊กอินที่อนุญาตให้ Terraform โต้ตอบกับแพลตฟอร์มเฉพาะ (AWS, GCP, Azure ฯลฯ) มันแปล resources ของ Terraform เป็นการเรียก API ไปยังบริการเป้าหมาย แต่ละ provider ต้องถูกกำหนดค่าด้วย credentials ที่จำเป็น และเปิดเผยประเภท resource ที่มีให้ใช้สำหรับแพลตฟอร์มนั้น

Question 3

ความแตกต่างระหว่าง resource และ data source ใน Terraform คืออะไร?

Accepted Answer

resource สร้างและจัดการองค์ประกอบของโครงสร้างพื้นฐาน (การสร้าง การแก้ไข การลบ) ในขณะที่ data source อนุญาตให้อ่านข้อมูลเกี่ยวกับ resources ที่มีอยู่โดยไม่ต้องแก้ไข data sources มีประโยชน์สำหรับการอ้างอิงองค์ประกอบที่สร้างขึ้นนอก Terraform หรือโดยการกำหนดค่าอื่นๆ

Terraform - Infrastructure as Code

Terraform คืออะไรและมีข้อได้เปรียบหลักเหนือการกำหนดค่าโครงสร้างพื้นฐานแบบใช้มืออย่างไร?

คำตอบ

บทบาทของ provider ใน Terraform คืออะไร?

คำตอบ

ความแตกต่างระหว่าง resource และ data source ใน Terraform คืออะไร?

คำตอบ

ไฟล์ terraform.tfstate มีวัตถุประสงค์อะไร?

ควรเรียกใช้คำสั่งใดเพื่อดูการเปลี่ยนแปลงที่ Terraform จะทำโดยไม่นำไปใช้?

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

Kubernetes - Production และ Scaling

ฐานข้อมูล NoSQL

Data Architecture สมัยใหม่

การมอนิเตอร์และการสังเกตการณ์

IAM และความปลอดภัยของข้อมูล

เชี่ยวชาญ Data Engineering สำหรับการสัมภาษณ์ครั้งถัดไป