Библиотека задач по DevOps | тесты, код, задания

Вы настраиваете мониторинг в продакшн-кластере Kubernetes. Важно отслеживать состояние Pod’ов, сервисов и метрики производительности приложений. Какой стек инструментов будет наиболее корректным выбором?

👾 — ELK (Elasticsearch, Logstash, Kibana)
👍 — Prometheus + Grafana
🥰 — Nagios + Shell-скрипты
⚡️ — Top + htop на каждой ноде

🐸Библиотека задач по DevOps

При настройке CI/CD пайплайна для деплоя микросервисов в Kubernetes, какой подход наиболее корректный для минимизации downtime?

👾 — Применять kubectl delete для Pod’ов, а затем kubectl apply для новых
👍 — Использовать стратегию деплоя RollingUpdate с настройкой maxUnavailable и maxSurge
🥰 — Всегда разворачивать новую версию в отдельном namespace и вручную переключать трафик
⚡️ — Отключать readiness/liveness пробы на время деплоя, чтобы Pod быстрее стартовал

🐸Библиотека задач по DevOps

В CI/CD пайплайне часто случаются фейлы при деплое в Kubernetes из-за того, что некоторые сервисы ещё не успели подняться, а другие уже начинают к ним обращаться. Какой подход будет наиболее правильным для решения этой проблемы?

👾 — Увеличить таймаут деплоя в CI/CD и просто ждать дольше
👍 — Использовать readinessProbe и livenessProbe в манифестах Pod’ов, чтобы контролировать доступность сервисов
🥰 — Настроить в пайплайне ручное подтверждение перед каждым шагом деплоя
⚡️ — Отключить проверки доступности сервисов и надеяться, что при рестарте всё заработает

🐸Библиотека задач по DevOps

☝️ Один мудрый тимлид дал двум своим разработчикам по «таланту» — мощной, но своенравной LLM.

Первый разработчик испугался её «галлюцинаций». Он запер модель в песочнице, не давая ей доступа к свежим данным. На вопросы модель отвечала красиво, но часто придумывала факты, то есть врала. Он просто «закопал» свой талант, боясь им пользоваться.

Второй же разработчик не побоялся. Он построил для своей LLM систему RAG — дал ей «лопату и карту», чтобы находить сокровища в базе знаний компании. Его AI-агент отвечал точно по делу, ссылаясь на реальные документы. Он заставил свой «талант» работать и приносить пользу.

Мощь LLM раскрывается не в ней самой, а в системах, которые вы строите вокруг неё.

Именно такие системы мы и будем строить на втором потоке нашего курса «AI-агенты для DS-специалистов». Мы не просто поговорим о RAG, а соберём полный пайплайн с оценкой качества, чтобы ваш агент не врал.

Представьте, что вы сможете начать изучать эту сложную и востребованную тему уже 15 сентября, а не ждать официального старта в октябре. У вас будет фора в 3 недели, чтобы спокойно разобраться в векторных базах и подходе «LLM as a Judge».

💸 Цена 49.000 ₽ действует последние 4 дня — до 24 августа.

👉 Начать строить RAG раньше других

В кластере вы используете Docker для CI/CD. Иногда разработчики жалуются, что контейнеры работают нестабильно при одинаковом коде и Dockerfile. При анализе оказалось, что образы собираются на разных машинах и ведут себя по-разному. Какое решение наиболее корректное?

👾 — Запретить кэширование (--no-cache) при сборке, чтобы всегда собирать "с нуля"
👍 — Использовать фиксированные версии базовых образов и зависимостей (pinning), а также lock-файлы в пакетных менеджерах
🥰 — Перезапускать контейнеры до тех пор, пока они не будут работать стабильно
⚡️ — Использовать latest в базовых образах, чтобы всегда получать свежие зависимости.

🐸Библиотека задач по DevOps

В продакшн-кластере вы заметили, что некоторые контейнеры занимают значительно больше места, чем ожидалось. Анализ показал, что Docker-образы разрослись до нескольких гигабайт. Какой из подходов наиболее правильный для оптимизации размера образов?

👾 — Использовать docker system prune -a, чтобы очистить все неиспользуемые образы и освободить место
👍 — Перейти на базовые образы типа alpine и оптимизировать Dockerfile (multi-stage build, минимизация слоёв)
🥰 — Хранить большие артефакты (логи, кеши) прямо внутри контейнера, чтобы не загружать файловую систему хоста
⚡️ — Запускать контейнеры с флагом --rm, чтобы они удалялись сразу после завершения работы

Библиотека задач по DevOps

🔥 Последняя неделя, чтобы забрать курс по AI-агентам по старой цене!

Пока вы тестируете Copilot, другие уже учатся строить AI-агентов, которые реально работают на бизнес. Хватит отставать!

Наш курс — это концентрат практики по LangChain и RAG. Улучшенная версия, доработанная по отзывам первого потока.

📆 Старт — 15 сентября.

💸 Цена 49 000 ₽ — только до 24 августа.

👉 Зафиксировать цену

В продакшн-среде у вас есть несколько микросервисов, упакованных в Docker-контейнеры. При обновлении одного из сервисов вы замечаете, что контейнеры начинают потреблять больше ресурсов и иногда «падать». Какой подход будет наиболее правильным для диагностики и устранения проблемы?

👾 — Увеличить лимиты CPU и RAM для контейнера в docker run или в docker-compose.yml, не меняя код
👍 — Использовать docker logs и инструменты вроде docker stats, а также подключить мониторинг (Prometheus/Grafana) для анализа нагрузки
🥰 — Пересобрать образ с ключом --no-cache, чтобы убедиться, что не используется устаревший слой
⚡️ — Настроить restart: always в docker-compose, чтобы контейнер автоматически перезапускался при падении

Библиотека задач по DevOps

😎 Вы просили — мы сделали. Самый долгожданный анонс этого лета!

Мы открываем набор на второй поток курса «AI-агенты для DS-специалистов»!

На курсе мы учим главному навыку 2025 года: не просто «болтать» с LLM, а строить из них рабочие системы с помощью Ollama, RAG, LangChain и crew.ai.

📆 Старт потока — 15 сентября.

💸 Цена 49 000 ₽ действует только в эти выходные — до 17 августа. С понедельника будет дороже.

👉 Занять место

Как Kubernetes обрабатывает сервисы с использованием множества модулей, использующих разные сетевые протоколы?

👾 — Ограничивая использование протоколов
👍 — Используя отдельные службы для каждого протокола
🥰 — Разрешая несколько определений портов для разных протоколов
⚡️ — Обеспечивая единообразие конфигураций протоколов

Библиотека задач по DevOps

🧠 Выбор первого ML-проекта: чеклист против выгорания

Классика плохих решений в ML — выбрать слишком сложный проект: неделя ковыряния в коде, десятки крашей и никакого результата. Хотите дойти до финиша — начните с простого проекта, который реально можно довести до конца.

Мини-чеклист первого проекта:

1. Понятные данные — без «я нашёл датасет в даркнете, но он на суахили».

2. Измеримая метрика — «точность 92%», а не «ну вроде работает».

3. Объяснимый результат — чтобы не-техлид понял, почему модель ругается на спам.

Наш курс «ML для старта в Data Science» — старт от простого к сложному: теория → практика → проверка → проект в портфолио.

👉 Начать свой путь в Data Science

Оплатите курс по ML до 17 августа — курс по Python в подарок.

📅 Бесплатный вебинар с Марией Жаровой — 21 августа: как выбирать проекты, которые доводят до оффера, а не до психотерапевта.

💾 Сохрани, чтобы не потерять, когда будешь готов(а) начать

В чем разница между someMultiLineString: | и someMultiLineString: > в YAML?

Использование > заставит многострочную строку свернуться в одну строку:

someMultiLineString: >
This is actually
a single line
do not let appearances fool you

Библиотека задач по DevOps

Где расположен крупнейший кластер центров обработки данных AWS?

👾 — Лос Анжелес
👍 — Северная Вирджиния
🥰 — Лаг Вегас
⚡️ — Нью-Йорк

Библиотека задач по DevOps

Каким образом Kubernetes поддерживает указание службе ресурсов за пределами кластера?

👾 — Используя ресурсы Ingress
👍 — Настраивая службы ExternalName
🥰 — Определяя селекторы Pod
⚡️ — Применяя сетевые политики

Библиотека задач по DevOps

В GitOps-подходе с использованием ArgoCD и монорепозитория, какой сценарий наибольшим образом нарушает идемпотентность и предсказуемость деплоя?

👾 — Хранение всех манифестов в одной ветке и использование ArgoCD для автоматической синхронизации с HEAD
👍 —Разделение инфраструктурных и приложенческих манифестов по разным директориям в одном репозитории
🥰 — Прямое применение изменений в кластере через kubectl apply без фиксации в Git
⚡️ — Настройка ArgoCD на использование webhook-триггеров вместо периодической синхронизации

Библиотека задач по DevOps

Что такое ведение логов аудита Kubernetes?

👾 — Планировщик для запуска контейнера
👍 — Логи, которые регистрируют все взаимодействия с API Kubernetes
🥰 — Инструмент для визуализации данных
⚡️ — Инструмент для оптимизации сетевых интерфейсов

Библиотека задач по DevOps

Опишите составные части архитектуры Docker

Основные составные части архитектуры Docker — это:

✍🏻 сервер, содержит сервис Docker, образы и контейнеры. Сервис связывается с Registry, образы — метаданные приложений, запускаемых в контейнерах Docker.
✍🏻 клиент, применяется для запуска различных действий на сервере Docker.
✍🏻 registry, используется для хранения образов. Есть публичные, доступные каждому, например, Docker Hub и Docker Cloud.

🐸Библиотека задач по DevOps

В распределённой системе, управляемой через CI/CD pipeline с Kubernetes и Helm, какой подход наиболее устойчив к ошибкам при деплое критических компонентов с нулевым временем простоя?

👾 — Использовать helm upgrade --install с включённым --force, чтобы гарантировать замену всех ресурсов, даже при наличии ошибок.
👍 — Удалять релиз перед каждой установкой (helm uninstall), чтобы очистить состояние и исключить конфликты в конфигурации.
🥰 — Применять blue-green deployment через Helm, управляя двумя namespace и переключением ingress вручную.
⚡️ — Использовать Helm hooks (pre-upgrade, post-upgrade) для управления rollout-ом, полагаясь на helm rollback при ошибке.

🐸Библиотека задач по DevOps