🧑‍💻 Вопросы с собеседований для DevOps

1. Какие сложности возникают при запуске моделей внутри контейнеров
Основные сложности связаны с зависимостями, размером образов и ресурсами. ML-модели часто требуют специфичных версий библиотек и драйверов. Контейнеры с GPU сложнее в настройке и отладке. Также возникают проблемы с памятью и временем старта. Все это усложняет эксплуатацию в продакшене.

2. Что такое OpenShift и как он используется?
OpenShift — это платформа контейнеризации на базе Kubernetes, созданная Red Hat. Она предоставляет готовый набор инструментов для разработки, развёртывания и управления контейнеризированными приложениями. OpenShift добавляет к Kubernetes функции безопасности, CI/CD, мониторинга и управления жизненным циклом приложений. Он часто используется в корпоративных средах для стандартизации процессов DevOps.

3. Как происходит переключение контекста между потоками?
Переключение контекста — это процесс сохранения состояния текущего потока и загрузки состояния другого потока, чтобы ядро ОС могло передать управление процессором. Сохраняются значения регистров процессора, указатель стека и другая служебная информация. Это позволяет реализовать многозадачность, создавая иллюзию параллельного выполнения многих потоков на одном ядре. Переключение выполняется планировщиком ядра и требует времени, которое является накладными расходами.

4. Как работает обработка событий через сигналы?
Сигналы — это ограниченная форма межпроцессного взаимодействия (IPC) в Unix-подобных системах, уведомляющая процесс о наступлении асинхронного события. Например, нажатие Ctrl+C в терминале отправляет процессу сигнал SIGINT, запрашивая его завершение. Процесс может перехватить большинство сигналов, установив специальную функцию-обработчик (signal handler), которая выполняется асинхронно, прерывая основной поток выполнения. Это позволяет программе корректно реагировать на внешние события, такие как запросы на остановку или изменения состояния системы.

5. Какие метрики собирал в проектах с LLM/RAG? Как доставлял их в дашборды?
В проектах с LLM/RAG собирал метрики качества ответов (точность, полнота, F1, faithfulness), задержки (latency p50/p95/p99), стоимость токенов, количество ошибок и дрейф эмбеддингов. Для доставки в дашборды использовал Prometheus для сбора метрик и Grafana для визуализации. Также применял логирование в ELK-стек для анализа отдельных запросов.

#ml #model #OpenShift #Kubernetes #container_platform #context_switch #thread #scheduler #signals #Unix #process #LLM #RAG #metrics