Docker Compose
Файл docker-compose.yml, services, depends_on, healthchecks, спільні volumes, networks, змінні середовища, profiles
1Яка основна роль файлу docker-compose.yml?
Яка основна роль файлу docker-compose.yml?
Відповідь
Файл docker-compose.yml дозволяє визначати та запускати багатоконтейнерні Docker-додатки. Він описує services, їх образи, volumes, networks та залежності у декларативному форматі YAML. Це спрощує запуск складних середовищ за допомогою однієї команди docker compose up.
2Яка команда запускає всі сервіси, визначені у docker-compose.yml, у фоновому режимі?
Яка команда запускає всі сервіси, визначені у docker-compose.yml, у фоновому режимі?
Відповідь
Команда docker compose up -d запускає всі сервіси в detached (daemon) режимі. Прапор -d дозволяє контейнерам працювати у фоновому режимі, звільняючи термінал. Без цього прапора логи всіх сервісів відображаються в терміналі, а зупинка процесу зупиняє контейнери.
3Як визначити іменований volume, спільний між кількома сервісами у docker-compose.yml?
Як визначити іменований volume, спільний між кількома сервісами у docker-compose.yml?
Відповідь
Іменовані volumes оголошуються в секції volumes: на кореневому рівні файлу, а потім посилаються в кожному сервісі. На відміну від bind mount, іменовані volumes керуються Docker і зберігаються незалежно від контейнерів. Вони забезпечують надійний обмін даними між сервісами.
Яка різниця між depends_on і healthcheck у Docker Compose?
Як налаштувати healthcheck для сервісу PostgreSQL у docker-compose.yml?
+17 питань зі співбесід
Інші теми співбесід Data Engineering
Linux & Shell - Основи
Git & GitHub - Основи
Просунутий Python для Data Engineering
Docker - Основи
Google Cloud Platform - Основи
CI/CD та якість коду
FastAPI - API даних
Просунутий SQL для Data Engineering
Data Lake - Архітектура та завантаження даних
BigQuery для Data Engineering
PostgreSQL - Адміністрування
Data Modeling для Data Engineering
Fivetran & Airbyte - Завантаження даних
dbt - Основи
Apache Airflow - Основи
Kubernetes - Основи
dbt - Розширені можливості
Патерни ETL / ELT / ETLT
Apache Airflow - Просунутий
Airflow + dbt - Оркестрація пайплайнів
PySpark - Великомасштабна обробка
Google Pub/Sub - Стрімінг даних
Apache Beam & Dataflow
Kubernetes - Продакшн та масштабування
Terraform - Infrastructure as Code
Бази даних NoSQL
Сучасна Data Architecture
Моніторинг та спостережуваність
IAM та безпека даних
Опануй Data Engineering для наступної співбесіди
Отримай доступ до всіх питань, flashcards, технічних тестів, вправ code review та симуляторів співбесід.
Почни безкоштовно