Какой тип IP-адреса по умолчанию назначается службе в Kubernetes?

👾 — Внешний IP
👍 — Внутренний IP
🥰 — Кластерный IP
⚡️ — Виртуальный IP

Библиотека задач по DevOps

Каково значение по умолчанию поля targetPort в определении сервиса?

👾 — То же, что и после порта
👍 — Случайное
🥰 — 8080
⚡️ — 80

Библиотека задач по DevOps

Какой инструмент DevOps известен своими возможностями «инфраструктуры как кода» и безагентной архитектурой?

👾 — Jenkins
👍 — Git
🥰 — Puppet
⚡️ — Ansible

🐸Библиотека задач по DevOps

Для какого типа рабочей нагрузки обычно лучше использовать Ingress в Kubernetes?

👾 — Приложения с отслеживанием состояния
👍 — Микросервисы без сохранения состояния
🥰 — Задания пакетной обработки
⚡ — Системы управления базами данных

Библиотека задач по DevOps

Какова цель развертывания Kubernetes?

👾 — Определить и управлять набором модулей, а также обеспечить их постоянную работу
👍 — Создание и управление сетью взаимосвязанных контейнеров
🥰 — Для обеспечения балансировки нагрузки и распределения сетевого трафика между несколькими модулями
⚡ — Для автоматического масштабирования количества модулей в зависимости от использования ресурсов

Библиотека задач по DevOps

С точки зрения исправления ошибок в ваших производственных системах, каково основное преимущество использования переключателей функций, встроенных в конфигурации ваших программных приложений?

👾 — Это самый простой способ исправить проблему. Он не требует срочного развертывания кода
👍 — Вам не нужно срочно исправлять ошибочные части в вашем развертывании
🥰 — Ваша команда DevOps может потратить время на то, чтобы правильно определить основную причину проблемы и улучшить свои методы, чтобы гарантировать, что такая проблема вряд ли повторится в будущем
⚡️ — Все вышеперечисленные варианты

Библиотека задач по DevOps

🫡 Один и тот же запрос к AI можно выполнить двумя способами — и получить совершенно разный результат.

1️⃣ способ — просто попросить написать код. Модель может сгенерировать рабочее решение, но именно на этапе проверки часто всплывают пропущенные edge case’ы, ошибки обработки или проблемы с тестами.

2️⃣ способ — дать агенту цикл Think → Act → Observe. Он не останавливается после первой попытки: планирует действия, проверяет результат и, если находит ошибку, исправляет её и пробует снова.

Самое интересное, что разница здесь не столько в модели ❕ Claude, GPT или другая LLM могут быть одинаковыми. Разницу создаёт инженерная система вокруг них.

📅 Именно это разберём 23 июля в 19:00 (МСК) на бесплатном вебинаре с Алексеем Жиряковым (Executive Director в Сбере, GenAI Data Platform, ex-CTO Stream и KION).

На живом демо покажем, как один и тот же запрос работает без агентной системы и с ней 🔥

🔗 Регистрация

🏃‍♀️ Proglib Academy

🤷‍♂️ Что важнее в хорошем курсе: программа или люди, которые её создают?

У Proglib Academy вышел пост о том, на каком опыте построен новый курс по AI для разработчиков 🦴

🧑‍💻 Учиться агентной разработке — у тех, кто уже внедряет её в бигтехе

Курс «ИИ для разработчиков» ведут практики из ведущих российских IT-компаний 🔥

🔵 Они прошли путь от первых экспериментов с AI до рабочих процессов, в которых агенты помогают команде писать код, готовить PR и быстрее доводить задачи до продакшена.

В ближайшее время познакомим вас с каждым преподавателем. Программа курса — по ссылке 🎹

🏃‍♀️ Proglib Academy

Какой из перечисленных типов объектов Kubernetes является допустимым?

👾 — kind: PodTemplate
👍 — kind: ReplicaSet
🥰 — kind: ServiceAccount
⚡ — Все вышеперечисленное

Библиотека задач по DevOps

Проект, созданный для упрощения и оптимизации использования Docker на Mac или Windows. Этот инструмент автоматизирует процесс установки и настройки Docker и предоставляет графический интерфейс пользователя для запуска контейнеров Docker

👾 — Docker Cloud
👍 — Docker Kitematic
🥰 — Docker Compose
⚡ — Docker Control Plane

Библиотека задач по DevOps

😸 Каждый разработчик подходит к задаче со своим опытом: помнит прошлые решения, знает ограничения проекта и понимает, какой код команда пропустит на ревью.

Для человека это естественная часть работы. У Claude Code этого контекста по умолчанию нет — только задача и инструкции, которые ему дали.

Поэтому в большой команде недостаточно просто выбрать хорошую модель.

❗️ Нужно ещё объяснить ей, как у вас устроена разработка: какие подходы приняты, что обязательно проверять и по каким правилам принимать решения.

🗓 23 июля в 19:00 МСК поговорим об этом на бесплатном вебинаре с Алексеем Жиряковым — он Executive Director в Сбере, руководит
GenAI Data Platform, и с этой проблемой сталкивался не раз 🔥

Покажет живое демо, разберём, как встроить AI в процесс разработки так, чтобы он реально помогал, а не добавлял ещё один повод для споров на ревью.

🔗 Занять место на вебинаре

🏃‍♀️ Proglib Academy