Библиотека задач по DevOps | тесты, код, задания

Этот volume type можно использовать для того, чтобы делиться контентом внутри контейнеров пода, но он не будет сохраняться после окончания срока службы пода 👾 — EmptyDir 👍 — ConfigMap 🥰 — FlexVolume ⚡ — Local Библиотека задач по DevOps

Какой тип базы данных использует Prometheus? Prometheus использует TSDB (time series database). Библиотека задач по DevOps

В Kubernetes приложение прогревается ~40 сек и первое время отдаёт 503. Во время деплоя Pod перезапускается из-за срабатывания liveness. Что сделать правильно? 👾 — Увеличить только readinessProbe.initialDelaySeconds 👍 — Настроить startupProbe, чтобы liveness/readiness не срабатывали, пока сервис не прогреется 🥰 — Увеличить terminationGracePeriodSeconds ⚡️ — Отключить все пробы Библиотека задач по DevOps

Какие настройки Deployment в Kubernetes минимизируют даунтайм при обновлении? 👾 — maxUnavailable: 1, maxSurge: 0 👍 — maxUnavailable: 0, maxSurge: 1 и корректные readinessProbe 🥰 — Только livenessProbe ⚡️ — Увеличить terminationGracePeriodSeconds до 0 Библиотека задач по DevOps

Есть поле int _counter; инкрементируется из нескольких потоков. Требование: корректный подсчёт, минимальные накладные расходы, без блокировок. Что выбрать? 👾 — Объявить _counter как volatile и использовать ++_counter 👍 — Использовать Interlocked.Increment(ref _counter) 🥰 — Оборачивать ++_counter в lock ⚡️ — Вставить Thread.MemoryBarrier() до и после ++_counter Библиотека задач по DevOps

Как Kubernetes обрабатывает входящий трафик для сервиса? 👾 — Путем прямой маршрутизации трафика к отдельным Pod 👍 — Путем использования балансировщика нагрузки 🥰 — Путем применения сетевых политик ❤️ — Путем проверки конфигураций Pod Библиотека задач по DevOps

Контейнер Docker часто характеризуется как улучшение по сравнению с другой технологией. С какой? 👾 — DevOps 👍 — Микросервисы 🥰 — Облачные вычисления ❤️ — Виртуальные машины Библиотека задач по DevOps

Как проверить состояние модулей в кластере Kubernetes? 👾 — kubectl monitor pod 👍 — kubectl create pod 🥰 — kubectl start pod ⚡️ — kubectl get pods Библиотека задач по DevOps

🚀 Всё о курсе «ИИ-агенты для DS-специалистов» ❓ Зачем нужны ИИ-агенты? Это системы, которые берут на себя задачи аналитики и автоматизации. Именно они становятся основой для работы с корпоративными данными и для поддержки принятия решений. ❓ Зачем мне курс? Курс отвечает на три ключевых вопроса: — Как построить собственную систему агентов с нуля? — Каким образом использовать RAG-подход для работы с корпоративными данными? — Как адаптировать LLM под реальные задачи бизнеса? ❓ Подходит ли это мне? Курс рассчитан на специалистов уровня middle+ и senior: ML/AI инженеров, Data Scientists, backend и platform-разработчиков. Подойдёт и студентам CS/DS, если вы готовы к продвинутым практикам. Запись вводной встречи «ИИ-агенты: новая фаза развития искусственного интеллекта» доступна по ссылке. ❓ Когда старт? Обучение начинается 3 октября. ❓ Сколько стоит? До 28 сентября действует скидка → 57 000 ₽ вместо 69 000 ₽ (промокод datarascals). 🔗 Описание программы и регистрация

Pod’ы с PersistentVolumeClaim зависают в Pending при динамическом провижининге на zoned-инфраструктуре. Причина — том пытаются создать до того, как шедулер выбрал ноду, и топология не совпадает. Что сделать правильно? 👾 — Увеличить CPU/Memory лимиты Pod’ов 👍 — Перейти на emptyDir вместо PVC 🥰 — В StorageClass включить volumeBindingMode: WaitForFirstConsumer ⚡️ — Удалить и пересоздать PVC при каждом деплое Библиотека задач по DevOps

🤫 Курс «ИИ-агенты для DS-специалистов» Каждый технологический скачок оставляет позади тех, кто «подождал ещё чуть-чуть». ИИ-агенты — это новый рывок. Уже через пару лет именно они будут драйвить аналитику и автоматизацию. Хотите остаться на гребне? 🖥️ На курсе «ИИ-агенты для DS-специалистов» мы разберём: — создание AI-агентов с нуля — сборку собственной RAG-системы — интеграцию LLM под задачи бизнеса 📌 Курс подходит: → ML/AI инженерам (middle+ / senior) → Data Scientists → Backend и platform-инженерам → Advanced CS/DS студентам ⚡️ Старт уже скоро — 3 октября. 💰 До 28 сентября действует скидка — 57.000 ₽ вместо 69.000 ₽ (по промокоду datarascals). 🔗 Узнать больше о курсе и записаться З.ы. если вы не успели на вебинар «ИИ-агенты: новая фаза развития искусственного интеллекта» — запись уже доступна

Как обеспечить гибкость при развертывании и развитии сервисов в Kubernetes? 👾 — Используя статические IP-адреса 👍 — Динамически изменяя метки Pod 🥰 — Ссылаясь на имена портов в конфигурациях служб ⚡️ — Настраивая сетевые протоколы вручную Библиотека задач по DevOps

Как абстракция Service в Kubernetes помогает ослаблять связность приложений (decoupling)? 👾 — Определяя логические наборы конечных точек 👍 — Управляя репликами контейнеров 🥰 — Применяя политики безопасности ⚡️ — Предоставляя прямой доступ к Pod’ам Библиотека задач DevOps

❗ Сегодня премьера В 19:00 МСК стартует бесплатный вебинар с Максимом Шаланкиным — «ИИ-агенты: новая фаза развития искусственного интеллекта». В программе: — почему агенты ≠ чат-боты; — живое демо простого агента; — и как эта тема встроена в курс, который разработан под руководством Никиты Зелинского. ⏰ Это прямой эфир: подключиться можно через лендинг курса.

Сборка Python-сервиса в Docker идёт долго: при каждом изменении кода заново ставятся зависимости. Как оптимизировать время сборки без потери воспроизводимости? 👾 — COPY . . перед установкой и RUN pip install -r requirements.txt 👍 — Многоступенчатая сборка + стабильный базовый образ; сначала COPY requirements*.txt и RUN --mount=type=cache,target=/root/.cache/pip pip install -r requirements.txt, затем COPY src/ . — чтобы кэш слоёв зависимостей сохранялся 🥰 — Всегда брать python:latest, чтобы получать свежие зависимости ⚡️ — Собирать с --no-cache, чтобы не было «залипшего» кэша Библиотека задач DevOps

🔥 Не пропустите событие осени для AI-комьюнити 24 сентября, 19:00 Мск — бесплатный вебинар с Максимом Шаланкиным «ИИ-агенты: новая фаза развития искусственного интеллекта» 😤 Пока все спорят, «боты это или нет», мы покажем, как работают настоящие агенты: с планированием, инструментами и памятью. За час Максим разберёт: — почему ИИ-агенты сейчас на пике инвестиций — чем они отличаются от ChatGPT и обычных моделей — цикл агента: восприятие → планирование → действие → обучение — живое демо простого агента — как бизнес уже получает ROI до 80% ⚡️ Хотите спросить у Максима всё, что обычно остаётся «за кадром»? Ловите шанс — только в прямом эфире. ⏰ Мест мало, регистрация закроется, как только забьём комнату

Нужно запустить кластер из N реплик базы/кэша с устойчивыми именами Pod’ов, постоянными томами на реплику и упорядоченными обновлениями/перезапусками. Что выбрать? 👾 — Deployment + общий PVC 👍 — DaemonSet с hostPath 🥰 —StatefulSet + headless Service (clusterIP: None) ⚡️ — Job с parallelism = N Библиотека задач DevOps

Приложение в Pod стартует ~60 сек. Во время деплоя Pod попадает в CrashLoopBackOff: livenessProbe срабатывает раньше, чем сервис успевает подняться. Что сделать правильно? 👾 — Увеличить только readinessProbe и оставить livenessProbe как есть 👍 — Ввести startupProbe, чтобы до инициализации блокировать livenessProbe, а после — оставить строгую livenessProbe/readinessProbe 🥰 — Поставить restartPolicy: Never, чтобы Pod не перезапускался ⚡️ — Добавить initContainer с sleep 60 и не трогать пробы Библиотека задач DevOps

Какая практика предполагает развертывание кода в производственной среде перед фактическим производством? 👾 — Непрерывное тестирование 👍 — Canary Release 🥰 — Сине-зеленое развертывание ⚡️ — Непрерывное развертывание Библиотека задач DevOps

Какая практика предполагает развертывание кода в производственной среде перед фактическим производством? 👾 — Непрерывное тестирование 👍 — Canary Release 🥰 — Сине-зеленое развертывание ⚡️ — Непрерывное развертывание Библиотека задач DevOps