Почему в Kubernetes Pod может оказаться в статусе Pending?
Потому что кластер не может назначить Pod на ноду — обычно из-за нехватки ресурсов или ограничений в nodeSelector/taints/tolerations.
Библиотека собеса по DevOps
Библиотека собеса по DevOps
В Kubernetes-кластере у некоторых Pod’ов часто происходят рестарты с причиной OOMKilled, хотя лимиты памяти выставлены. Как вы будете искать и решать проблему?
Проверить метрики памяти Pod’а и контейнера (Prometheus, kubectl top), убедиться, что лимиты выставлены корректно. Проанализировать логи и профилирование приложения на предмет утечек памяти. При необходимости — оптимизировать код, использовать requests/limits более сбалансированно, а для критичных сервисов — вынести часть нагрузки в sidecar или вынести тяжёлые вычисления за пределы Pod’а.
Библиотека собеса по DevOps
Библиотека собеса по DevOps
👍1
В CI/CD пайплайне деплой иногда “подвисает” на шаге применения манифестов Kubernetes через kubectl apply. Как будете диагностировать и исправлять ситуацию?
Проверю состояние кластера (kubectl get events, kubectl describe), возможные блокировки в admission webhooks или CRD, а также конфликты при обновлении ресурсов. Для исправления — внедрить контроль версий манифестов через GitOps (ArgoCD/Flux), добавить health-check шаги и таймауты, а также настроить откат или retry при зависаниях.
Библиотека собеса по DevOps
Библиотека собеса по DevOps
👍1
Вы получили задание подготовить Docker-образ для продакшена. Как минимизировать потенциальные риски безопасности при его использовании?
Использовать минимальные базовые образы (например, alpine), фиксировать версии пакетов, регулярно обновлять образы, запускать контейнеры с непривилегированным пользователем, ограничивать доступ к ресурсам через capabilities и seccomp, проверять образы на уязвимости (Trivy, Clair).
Библиотека собеса по DevOps
Библиотека собеса по DevOps
👍1
В Kubernetes-кластере разработчики жалуются, что новые версии сервисов иногда начинают обслуживать трафик до полной готовности и вызывают ошибки у клиентов. Как вы будете решать эту проблему?
Настроить readinessProbe, чтобы Pod начинал принимать трафик только после готовности приложения, и при необходимости использовать lifecycle hooks (например, postStart) или стратегию деплоя RollingUpdate для плавного обновления.
Библиотека собеса по DevOps
Библиотека собеса по DevOps
This media is not supported in your browser
VIEW IN TELEGRAM
7 октября стартует второй поток курса «AI-агенты для DS-специалистов».
За 5 недель вы научитесь собирать агентов, которые уже сейчас будут помогать бизнесу.
В кружке выше Максим Шаланкин, наш преподаватель, рассказывает подробнее — включай, чтобы не пропустить.
Please open Telegram to view this post
VIEW IN TELEGRAM
В Kubernetes-кластере поды периодически "падают" с ошибкой ImagePullBackOff. Как вы будете искать и устранять проблему?
Проверить правильность имени образа и тега, доступность registry, наличие и корректность imagePullSecrets для приватных репозиториев. Убедиться, что политика imagePullPolicy настроена верно. Для устранения — поправить креды/теги/сеть, настроить retry и при необходимости кэширование образов на нодах.
Библиотека собеса по DevOps
Библиотека собеса по DevOps
This media is not supported in your browser
VIEW IN TELEGRAM
❗ Так, владелец макбука. Хватит позировать в кофейне.
Настоящее портфолио — это не стикеры на крышке, а проект с чистым кодом, README и рабочей демкой.
Не знаешь, как такой собрать? Научим. Наш курс «ML для старта в Data Science» — это пошаговый гайд к проекту, за который не стыдно.
ОСТАЛАСЬ НЕДЕЛЯ, чтобы забрать его по старой цене в 44.000 ₽. С 1 сентября — всё.
🎁 И да, при покупке курса ML до 1 сентября — курс по Python получаешь бесплатно.
👉 Апгрейд от «вайба» до «оффера» тут
Настоящее портфолио — это не стикеры на крышке, а проект с чистым кодом, README и рабочей демкой.
Не знаешь, как такой собрать? Научим. Наш курс «ML для старта в Data Science» — это пошаговый гайд к проекту, за который не стыдно.
ОСТАЛАСЬ НЕДЕЛЯ, чтобы забрать его по старой цене в 44.000 ₽. С 1 сентября — всё.
🎁 И да, при покупке курса ML до 1 сентября — курс по Python получаешь бесплатно.
👉 Апгрейд от «вайба» до «оффера» тут
В Kubernetes-продакшене пользователи жалуются на нестабильность: часть запросов “теряется” при деплое новой версии сервиса. Как вы будете диагностировать и устранять проблему?
Проверить стратегию деплоя (RollingUpdate, Recreate, blue-green/canary), убедиться, что настроены readinessProbe и livenessProbe, а также корректные maxUnavailable и maxSurge. Посмотреть события кластера (kubectl describe pod, kubectl get events) и метрики ingress/load balancer. Решение — правильно настроить пробы, стратегию деплоя и добавить graceful shutdown (preStop hook).
Библиотека собеса по DevOps
Библиотека собеса по DevOps
В Kubernetes-продакшене вы замечаете, что при пике нагрузки некоторые Pod’ы начинают завершаться с ошибкой OOMKilled, хотя лимиты памяти выставлены корректно. Как будете диагностировать и решать проблему?
Проверить метрики Pod’ов (kubectl top, Prometheus/Grafana), проанализировать, не занижены ли requests/limits. Проверить утечки памяти в приложении, использование кэшей и сторонних библиотек. Для решения — оптимизировать код, вынести тяжёлые задачи в sidecar/job, при необходимости поднять лимиты памяти или включить горизонтальное масштабирование (HPA).
Библиотека собеса по DevOps
Библиотека собеса по DevOps
👍1
📢 Какой сетап идеально подойдёт для разработки AI-агента?
Голосуйте за свой вариант и пишите в комментариях, в каком режиме вы реально кодите.
❤️ — 1
👍 — 2
⚡️ — 3
👏 — 4
🔥 — 5
🎉 — 6
😁 — 7
😍 — 8
🤩 — 9
Какой бы сетап ни был, без AI-агентов в 2025 всё равно далеко не уедешь.
👉 Научим, как строить агентов, которые кодят с тобой
Голосуйте за свой вариант и пишите в комментариях, в каком режиме вы реально кодите.
❤️ — 1
👍 — 2
⚡️ — 3
👏 — 4
🔥 — 5
🎉 — 6
😁 — 7
😍 — 8
🤩 — 9
Какой бы сетап ни был, без AI-агентов в 2025 всё равно далеко не уедешь.
👉 Научим, как строить агентов, которые кодят с тобой
🔥6🎉4❤1⚡1👍1
В Kubernetes нужно ограничить сетевое взаимодействие между микросервисами так, чтобы одни Pod’ы могли общаться только с определёнными сервисами, а все остальные подключения были запрещены. Какой механизм Kubernetes вы будете использовать?
👾 — ResourceQuota
👍 — NetworkPolicy
🥰 — PodDisruptionBudget
⚡️ — ServiceAccount
Библиотека собеса по DevOps
👾 — ResourceQuota
👍 — NetworkPolicy
🥰 — PodDisruptionBudget
⚡️ — ServiceAccount
Библиотека собеса по DevOps
👍16
В продакшн-окружении контейнеры начинают потреблять слишком много дискового пространства. Как вы будете диагностировать и устранять проблему?
Проверю docker system df, чтобы понять, где расход (образы, volume, build cache). Использую docker ps -s и docker inspect, чтобы выявить, не пишут ли контейнеры данные внутрь слоя файловой системы. Для логов — настрою ротацию (log-driver=json-file с max-size и max-file) или централизованный логинг. Для оптимизации образов — применю multi-stage build, alpine и очистку кэша.
Библиотека собеса по DevOps
Библиотека собеса по DevOps
⏰ Осталось 48 часов!
Обратный отсчёт пошёл: только до воскресенья 23:59 можно купить курс «AI-агенты для DS-специалистов» и начать учиться уже с 15 сентября.
⚡️ Это ваши +3 недели форы, чтобы спокойно разобраться в самых сложных темах и прийти к первому занятию 7 октября уже подготовленным.
👉 Забрать место
Обратный отсчёт пошёл: только до воскресенья 23:59 можно купить курс «AI-агенты для DS-специалистов» и начать учиться уже с 15 сентября.
⚡️ Это ваши +3 недели форы, чтобы спокойно разобраться в самых сложных темах и прийти к первому занятию 7 октября уже подготовленным.
👉 Забрать место
🤓 «Сначала выучу Python идеально, а потом пойду в ML»
Звучит логично, но на практике — ловушка.
Python огромный: фреймворки, библиотеки, нюансы синтаксиса. Учить «всё сразу» можно бесконечно.
В итоге — месяцы зубрёжки, а до ML руки так и не доходят.
На старте достаточно баз: типы данных, циклы, функции, работа с библиотеками. Всё остальное лучше подтягивать в процессе решения ML-задач.
⚠️ До 1 сентября курсы можно забрать по старым ценам. Это последние выходные, когда:
— ML идёт за 34 000 вместо 44 000 ₽ + Python в подарок,
— два в одном: оплатите курс по математике и получите второй доступ в подарок,
— и главное: можно купить все курсы до подорожания.
👉 ML для старта в Data Science
А для будущих Data Scientist’ов у нас ещё:
— Базовые модели ML и приложения
— Математика для Data Science
— AI-агенты для DS-специалистов (2-й поток скоро)
Звучит логично, но на практике — ловушка.
Python огромный: фреймворки, библиотеки, нюансы синтаксиса. Учить «всё сразу» можно бесконечно.
В итоге — месяцы зубрёжки, а до ML руки так и не доходят.
На старте достаточно баз: типы данных, циклы, функции, работа с библиотеками. Всё остальное лучше подтягивать в процессе решения ML-задач.
⚠️ До 1 сентября курсы можно забрать по старым ценам. Это последние выходные, когда:
— ML идёт за 34 000 вместо 44 000 ₽ + Python в подарок,
— два в одном: оплатите курс по математике и получите второй доступ в подарок,
— и главное: можно купить все курсы до подорожания.
👉 ML для старта в Data Science
А для будущих Data Scientist’ов у нас ещё:
— Базовые модели ML и приложения
— Математика для Data Science
— AI-агенты для DS-специалистов (2-й поток скоро)
Что такое автоматизация? Чем это связано или отличается от оркестровки?
Автоматизация — это процесс автоматизации задач, позволяющий уменьшить вмешательство человека или взаимодействие с ИТ-технологиями и системами.
В то время как автоматизация фокусируется на уровне задач, оркестровка — это процесс автоматизации процессов и/или рабочих процессов, который состоит из множества задач, обычно выполняемых в нескольких системах.
Библиотека собеса по DevOps
В то время как автоматизация фокусируется на уровне задач, оркестровка — это процесс автоматизации процессов и/или рабочих процессов, который состоит из множества задач, обычно выполняемых в нескольких системах.
Библиотека собеса по DevOps