Weryfikacja produktu, strategie wydawania i kompleksowy przepływ pracy AI

Zyski:

• Zrozumienie strategii wypuszczania zmniejszających ryzyko (niebieski-zielony, kanarek, flaga fabularna) i dyscypliny weryfikacji produktu (kontrola stanu, test dymu, monitorowanie złotego sygnału)
• Umiejętność wdrożenia nawyku przygotowania jasnego planu wycofania przed wdrożeniem i weryfikacji krytycznych ścieżek biznesowych po wdrożeniu
• Umiejętność łączenia wszystkich części poznanych w trakcie modułu w kompleksowy przepływ pracy wspierany przez sztuczną inteligencję i stosowania zasady „sztuczna inteligencja produkuje, ludzie weryfikują i ręczą” na każdym kroku

Cały moduł płynął w jednym kierunku: bezpieczne dostarczenie kodu i infrastruktury do produkcji (środowisko na żywo, z którego korzystają prawdziwi klienci). Teraz jesteśmy w najbardziej krytycznym i stresującym ogniwie łańcucha: wprowadzaniu zmiany na żywo i sprawdzaniu, czy faktycznie tam działa. Błąd tutaj nie jest abstrakcyjny – uderza bezpośrednio w klienta, przychody i reputację. Dlatego dojrzałe zespoły idą do produkcji nie z „nadzieją”, ale ze strategiami kontrolowanego wydawania i systematyczną weryfikacją.

W tej ostatniej jednostce łączymy dwie rzeczy: (1) metody wypuszczania, które zmniejszają ryzyko (kanarek, niebiesko-zielony, flaga fabularna) i dyscyplina weryfikacji produktu; (2) jak każdy element, którego nauczyliśmy się w trakcie modułu – CI/CD, IaC, kontener, monitorowanie, incydent, koszt, skrypt, bezpieczeństwo – łączy się w jeden kompleksowy przepływ pracy oparty na sztucznej inteligencji. Powtórzmy po raz ostatni początkowy cytat: AI generuje i przyspiesza wersje robocze na każdym kroku; Ale to ty naciskasz przycisk „Biorę to na żywo” i ręczysz za wynik.

Uwolnij strategie, które zmniejszają ryzyko

Wysłanie zmiany do wszystkich użytkowników jednocześnie jest najbardziej ryzykownym sposobem. Dojrzałe metody:

• Wdrożenie Blue-Green: Utrzymywane są dwa identyczne środowiska — „niebieski” (na żywo) i „zielony” (nowa wersja). Nowa wersja jest przygotowywana i testowana na zielono, po czym nagle ruch zostaje przełączony na zielony. Jeśli wystąpi problem, ruch natychmiast wraca do niebieskiego. Szybki powrót do poprzedniego stanu jest jego największą zaletą.
• Wdrożenie Canary: Nowa wersja jest najpierw udostępniana niewielkiemu procentowi użytkowników (np. 5%); Jeśli wskaźniki są dobre, stopniowo zwiększaj je do 100%. Problem dotyczy małej części użytkownika, a nie całego użytkownika.
• Flaga funkcji: nowa funkcja wprowadza kod, ale jest blokowana przez flagę; Jest otwierany dla niektórych użytkowników na żądanie. Istnieje rozróżnienie między wdrożeniem a „wydaniem”; Jeśli wystąpi problem, flaga zostanie wyłączona bez wycofywania kodu.

Wskazówka: najszybszym zabezpieczeniem jest przygotowanie wycofania przed każdym wdrożeniem. „Jeśli coś pójdzie nie tak, jak mogę wrócić do starej wersji w 60 sekund?” Jeśli nie ma jasnej odpowiedzi na pytanie, nie jesteś gotowy na takie wdrożenie.

Weryfikacja produktu: praca nie kończy się wraz z zakończeniem wdrożenia

To, że wdrożenie wygląda na „zielone”, nie oznacza, że działa. Systematyczna weryfikacja:

1. Sprawdzanie stanu: czy usługa działa, czy /healthz odpowiada?
2. Testy dymne: czy kilka najważniejszych ścieżek użytkownika (logowanie, płatność, wyszukiwanie) faktycznie działa? Automatycznie i szybko.
3. Uważaj na złote sygnały: poziom błędów po wdrożeniu, opóźnienia, czy ruch jest normalny? (Cztery sygnały na jednostce 6.)
4. Rozwijaj stopniowo: Przyjrzyj się metrykom na każdym kroku, gdy zwiększasz procent Canary.
5. Okno obserwacyjne: uważnie monitoruj przez pewien czas (np. 30 minut) po rozmieszczeniu; Podstępne problemy nie są od razu widoczne.

Uwaga: sztuczna inteligencja może wygenerować listę testów dymnych lub weryfikacji, ale Twoim zadaniem jest określenie, które ścieżki użytkownika są „krytyczne”. AI podaje ogólną listę; Tylko Ty wiesz, że Twój przepływ płatności, ścieżka generująca największe przychody, musi zostać przetestowany.

Porównanie strategii wydawania

Strategia

Główna zaleta

Koszt/złożoność

najbardziej odpowiedni

Niebiesko-zielony

Natychmiastowe wycofanie

Dwa środowiska = 2x zasoby

Jeśli szybkie pobieranie jest krytyczne

kanarek

Ogranicza wpływ do małego plasterka

Wymagane zarządzanie ruchem

Ogromna baza użytkowników

Flaga funkcji

Oddziela wdrożenie od wydania

Dług zarządzania flagą

Stopniowe/ukierunkowane otwieranie

Aktualizacja krocząca

Proste i przyjazne dla zasobów

powolny powrót

Proste usługi

Kompleksowy przepływ pracy oparty na sztucznej inteligencji

Teraz połączmy cały moduł w jeden przepływ. Załóżmy, że publikujesz nową mikrousługę. AI tworzy wersje robocze na każdym kroku; weryfikujesz na każdym kroku:

1. Kod i kontener (jednostka 4): sztuczna inteligencja tworzy zoptymalizowany, bezpieczny plik Dockerfile; Weryfikujesz brak tajemnicy i rozmiar.
2. CI/CD (jednostka 2): zapisuje potok testów-kompilacji-wdrażania AI; Zawężasz uprawnienia i sprawdzasz tajne odniesienia.
3. Infrastruktura (jednostka 3): Definiuje wymagane zasoby za pomocą AI Terraform; Czytasz dane wyjściowe planu i nie szukasz nieoczekiwanych usunięć.
4. Orkiestracja (część 5): sztuczna inteligencja tworzy manifesty Kubernetes; weryfikujesz limit zasobów, sondę i RBAC.
5. Bezpieczeństwo (jednostka 10): nadaje priorytet wynikom skanowania AI; Najpierw chwytasz te, które można wykorzystać.
6. Monitoring (jednostka 6): AI generuje reguły alarmów i dashboard; Testujesz progi na podstawie danych z przeszłości.
7. Wydanie i walidacja (to urządzenie): Przedstawia test dymu AI i plan wycofywania; zaczynasz Canary, obserwujesz metryki, naciskasz przycisk.
8. Jeśli zdarzy się incydent (część 7): sztuczna inteligencja generuje hipotezę i szkic pośmiertny; Weryfikujesz i wyciągasz wnioski.
9. Koszt (jednostka 8): sztuczna inteligencja monitoruje marnowanie nowych zasobów; Podejmujesz właściwe decyzje dotyczące rozmiaru.

Na każdym kroku niezmienna pozostaje wspólna zasada: sztuczna inteligencja produkuje i przyspiesza, człowiek weryfikuje i gwarantuje. To jest istota modułu.

trzy mini etui

Przypadek 1 — kanarek ograniczył katastrofę do 5%. Zespół udostępnił nową wersję 5% użytkowników Canary. Pulpit nawigacyjny stworzony przez sztuczną inteligencję natychmiast pokazał, że w tym wycinku poziom błędów wzrósł do 8%. Zespół cofnął tę kwotę, nie zwiększając jej do 100%; Problem dotyczył tylko 5% użytkowników i trwał kilka minut. Jeśli doszłoby do wdrożenia typu „big bang”, miałoby to wpływ na wszystkich klientów.

Przypadek 2 — test dymu wykrył brakującą ścieżkę. AI zaoferowała zestaw do testów dymnych, ale nie zapewniał przepływu „płatności”. Inżynier dodał to, wiedząc, że najważniejszym źródłem przychodów są płatności. Test po wdrożeniu zepsuł się zaraz na etapie płatności — klucz innej firmy wygasł. Weryfikacja wykryła cichą utratę przychodów w ciągu kilku minut.

Przypadek 3 — gotowe wycofanie zapisane w 90 sekund. Zespół, który zainstalował niebiesko-zielony, zmienił nową wersję na zieloną; Po 2 minutach opóźnienie podwoiło się. Dzięki wcześniej przygotowanemu wycofaniu zmienili ruch na niebieski w 90 sekund. Znaleźli pierwotną przyczynę (powolne zapytanie w nowej wersji) nie pod presją, a potem spokojnie. Gotowa ścieżka wycofania sprawiła, że ​​przerwa była prawie niewidoczna.

Cztery szablony do kopiowania

1) Wybór strategii wydania:

Przedstawię następującą usługę: [SERWIS/KONTEKST: liczba użytkowników, tolerancja na awarie, infrastruktura]. Który z nich polecasz spośród flag niebiesko-zielonych, kanarkowych i funkcjonalnych? Porównaj zalety, koszty i szybkość wycofywania każdego z nich w tym kontekście. Zaproponuj, ale zaznacz, że ostateczną decyzję podejmę ja.

2) Test dymu / lista weryfikacyjna:

Przygotuj wersję roboczą testu dymnego i listy weryfikacyjnej dla [SERVICE], którą uruchomię po wdrożeniu: kontrola stanu, najważniejsze ścieżki użytkowników, jakie wskaźniki powinienem monitorować przez ile minut? Załóżmy, że zaznaczę najbardziej krytyczne ścieżki biznesowe i pozostawię to pole puste.

3) Plan wycofania:

Używam [METODA WDROŻENIA]. Napisz mi jasny plan wycofania: jakim poleceniem/krokiem mam przywrócić starą wersję, ile czasu to zajmie, jakie jest ryzyko samego wycofania (np. nie można cofnąć migracji bazy danych), co powinienem sprawdzić przed wycofaniem?

4) Kompleksowa lista kontrolna wydania:

Przygotuj kompleksową listę kontrolną przygotowania do wydania w nowym projekcie [SERVICE]: bezpieczeństwo kodu/obrazu, potok, plan infrastruktury, monitorowanie i alarmowanie, skanowanie bezpieczeństwa, strategia wydania, wycofywanie i weryfikacja. Zaznacz każdy element pytaniem „Czy jestem gotowy?” Zmień to w pytanie.

Słaba zachęta/silna zachęta

Słabe: „Jak mogę to włączyć do prod?”

Wynik: brak kontekstu; Sztuczna inteligencja wymienia ogólne etapy wdrażania, nie uwzględnia tolerancji ryzyka, skali użytkowników ani potrzeby wycofywania zmian.

Güçlü: „Będę promował usługę płatniczą z 10 milionami użytkowników, moja tolerancja na przestoje jest bardzo niska. Czy polecasz Canary czy Blue-Gree, dlaczego? Które ścieżki krytyczne powinienem przetestować po wdrożeniu, jakie wskaźniki powinienem monitorować przez ile minut i jaki powinien być 60-sekundowy plan wycofywania zmian? Podejmę ostateczną decyzję”.

Różnica: drugi monit podaje skalę, tolerancję i oczekiwane wycofanie; Wymaga strategii + weryfikacji + cofnięcia decyzji i pozostawia decyzję człowiekowi.

Typowe błędy

• Wdrażanie bez planu wycofywania. Jeśli nie ma odwrotu, każde wdrożenie jest ryzykowne.
• Wdrożenie typu „big bang”. Podanie go całemu użytkownikowi jednocześnie maksymalizuje ryzyko.
• Zakładając, że „zielony = działający”. Usługa, która przeszła kontrolę stanu, może zostać uszkodzona na ścieżce krytycznej.
• Myśląc, że zostawiasz krytyczne ścieżki biznesowe AI. Musisz zaznaczyć metody takie jak płatność.
• Brak monitorowania po wdrożeniu. Podstępne problemy nie pojawiają się w pierwszej minucie; wymagane jest okno obserwacyjne.
• Myślenie, że migracja bazy danych jest odwracalna. Niektóre zmiany nie są wycofywane; są planowane osobno.

Podsumowując

Przejście do prod jest najbardziej krytycznym ogniwem w łańcuchu i nie odbywa się poprzez „nadzieję”, ale przy użyciu kontrolowanych strategii: niebiesko-zielony zapewnia natychmiastowe wycofanie, ograniczając efekt kanarkowy do małego wycinka, oddzielając wdrożenie flagi funkcji od wydania. Praca nie kończy się wraz z zakończeniem wdrożenia; Niezbędna jest systematyczna weryfikacja poprzez kontrole stanu zdrowia, testy dymu i monitorowanie złotego sygnału. Sztuczna inteligencja generuje i przyspiesza wersje robocze na każdym kroku w całym module — od pliku Dockerfile po potok, od Terraform po regułę alarmową, od sekcji zwłok po analizę kosztów. Pozostaje jednak kompetentna osoba, która weryfikuje każdy krok, naciska przycisk uruchomienia i gwarantuje wynik. To złota zasada kompleksowego DevOps opartego na sztucznej inteligencji.

Zadanie aplikacji

Wybierz usługę (prawdziwą lub fikcyjną), w której chcesz publikować. (1) Wybierz strategię, która pasuje do Twojego kontekstu, korzystając z szablonu „Wybór strategii wydania” i napisz dlaczego. (2) Wygeneruj listę weryfikacyjną za pomocą szablonu „Test dymu / lista weryfikacyjna” i samodzielnie dodaj najważniejsze ścieżki biznesowe. (3) Przygotuj 60-sekundowy plan wycofania z szablonem „Plan wycofania” i sprawdź, czy nie ma w nim żadnych nieodwracalnych kroków.

lista kontrolna

• [ ] Wybrałem strategię wydawania (kanarek/niebiesko-zielony/flaga), która pasuje do mojego kontekstu.
• [ ] Mam gotowy jasny i szybki plan wycofywania zmian przed wdrożeniem.
• [ ] Sam dodałem najbardziej krytyczne ścieżki biznesowe (np. płatność) do moich testów Smoke.
• [ ] Po rozmieszczeniu monitoruję złote sygnały przez okno obserwacyjne.
• [ ] Zaplanowałem także kroki nieodwracalne (migracja bazy danych itp.).
• [ ] Na każdym kroku weryfikowałem projekt AI; Podjąłem decyzję o rozpoczęciu transmisji na żywo.

Egzamin modułowy

1. Które z poniższych jest najlepszym miejscem dla DevOps i AI w chmurze?

• A) Sztuczna inteligencja jest narzędziem wspomagającym i wspomagającym podejmowanie decyzji; Za krytyczne decyzje mające wpływ na produkt odpowiadają ludzie ✔
• B) Sztuczna inteligencja może sfinalizować rozmieszczanie produktów i tajną rotację bez ludzkiej zgody
• C) Sztuczna inteligencja przydaje się jedynie do pisania dokumentacji, nie ma ona nic wspólnego z infrastrukturą
• D) Audyt jest niepotrzebny, bo sztuczna inteligencja zawsze wydaje bardziej niezawodne polecenia niż inżynier

Opis: Jest to asystent i narzędzie wspomagające podejmowanie decyzji, które przyspiesza zadania wymagające dużej ilości tekstu, takie jak potok sztucznej inteligencji, konfiguracja, skrypt i dziennik. Odpowiedzialność za decyzje mające wpływ na przestoje, pieniądze i bezpieczeństwo, takie jak zwolnienie produkcji, zarządzanie tajemnicą i ostateczne zastosowanie, ponosi kompetentny inżynier.

2. Które wyrażenie jest najdokładniejszym określeniem dziedziny weryfikacji przed wdrożeniem polecenia DevOps lub konfiguracji stworzonej przez sztuczną inteligencję?

• A) Jeśli wynik wygląda gładko i pewnie, można go uruchomić bezpośrednio w prod
• B) Dane wyjściowe są bezpieczne tylko wtedy, gdy nie ma błędów składniowych, nie są wymagane żadne dalsze kontrole
• C) Podłącz dane wyjściowe do źródła, zaplanuj/przeprowadź próbę próbną i przefiltruj je zgodnie z kontekstem systemu; następnie zastosuj ✔
• D) Wykonanie pierwszej próby bezpośrednio w popychaczu i obejrzenie wyniku to najszybsza weryfikacja

Wyjaśnienie: Niezbędna jest weryfikacja trójetapowa: podłączenie wyjścia do źródła (czy polecenie/flaga faktycznie znajduje się w oficjalnych dokumentach), uruchomienie go na sucho (zobaczenie, co stanie się z planem/--przebieg próbny) i przepuszczenie go przez filtr systemowy (czy pasuje do kontekstu architektonicznego i bezpieczeństwa). Płynność nie oznacza dokładności.

3. Jakie jest prawidłowe podejście w przypadku zadawania sztucznej inteligencji pytań dotyczących błędu lub problemu z wdrożeniem pliku .env zawierającego prawdziwe hasło do bazy danych?

• A) Maskuj prawdziwe sekrety za pomocą <PLACEHOLDER>; udostępniaj tylko zamaskowany błąd i kontekst ✔
• B) Wklejenie całego pliku .env w niezmienionej postaci rozwiązuje problem szybciej
• C) Ponieważ sekrety są już w formacie base64, można bezpiecznie wkleić je w zwykły sposób
• D) Wklejenie hasła jest bezpieczne, ponieważ sztuczna inteligencja nigdy go nie przechowuje

Opis: Do podpowiedzi AI nie są wklejane żadne prawdziwe tajemnice. Wartości takie jak hasła i tokeny są maskowane za pomocą <PLACEHOLDER>; udostępniany jest tylko komunikat o błędzie i niezbędny kontekst. Jeśli Sekret już wyciekł, należy go natychmiast anulować i zmienić.

4. Które z poniższych jest prawidłowym zarządzaniem sekretami (hasłem, tokenem) w potoku CI/CD?

• A) Jest przechowywany w tajnym repozytorium platformy i wywoływany przez odniesienie (np. ${{ secrets.X }}), a nie zapisywany zwykłym tekstem ✔
• B) Napisane zwykłym tekstem do potoku YAML dla wygody
• C) Sprawdza się to poprzez naciśnięcie przycisku echo i log na początku każdego zadania.
• D) Jeśli zdefiniowano najszersze uprawnienia (zapis wszystkich), bezpieczeństwo wzrasta

Objaśnienie: Sekrety nie są zapisywane w YAML zwykłym tekstem; Jest przechowywany w tajnym repozytorium platformy i wywoływany za pomocą referencji, takich jak ${{ secrets.X }}. Dodatkowo, stosując zasadę najmniejszych uprawnień, uprawnienia tokena są zawężane, a dziennik tajny nie jest rejestrowany.

5. Jaki jest najważniejszy krok w zarządzaniu infrastrukturą za pomocą Terraform przed wdrożeniem zmiany na żywo?

• A) Bezpośrednie uruchomienie „terraform Apply”; plan jest stratą czasu
• B) Tworzenie kopii zapasowej pliku stanu w publicznym repozytorium
• C) Uruchom „plan terraformowy” i sprawdź linie niszczenia/zamiany na wyjściu, a następnie zastosuj ✔
• D) Odinstaluj wersję Provider i upewnij się, że najnowsza wersja pojawi się automatycznie

Objaśnienie: „Plan terraform” musi zostać uruchomiony przed „zastosowaniem terraform”. Plan pokazuje, co dodać, co zmienić, a zwłaszcza co usunąć (zniszczyć), nie robiąc nic. Jeśli widoczna jest nieoczekiwana linia zniszczenia lub wymiany, nie należy stosować zastosowania.

6. Co to oznacza i co należy zrobić, jeśli w wynikach planu Terraform pojawi się linia „-/+ zamień” dla produkcyjnej bazy danych?

• A) Źródło zostanie po prostu zaktualizowane na miejscu, nie ma żadnego ryzyka
• B) Zasób zostanie usunięty i utworzony ponownie; Istnieje ryzyko utraty danych. Jeśli nie jest to oczekiwane, należy przerwać aplikację ✔
• C) Dodanie nowego zasobu nie ma wpływu na istniejącą bazę danych
• D) To jest tylko ostrzeżenie, które można bezpiecznie zignorować

Objaśnienie: „-/+ zamień” oznacza, że zasób zostanie usunięty i utworzony ponownie; W przypadku bazy danych oznacza to utratę danych. Jeśli nie jest to oczekiwane, należy przerwać stosowanie, zmienić zmianę na bezpieczną metodę lub pozostawić niezmienne pole nietknięte.

7. Które z poniższych stwierdzeń jest prawdziwe, jeśli plik Dockerfile jest gotowy do produkcji pod względem bezpieczeństwa i rozmiaru?

• A) Dla wygody osadzamy sekret w obrazie za pomocą ENV i uruchamiamy go jako root
• B) Zawsze używaj tagu „:latest” i staraj się, aby obraz bazowy był jak największy
• C) Kompilacja jednoetapowa i pozostawienie wszystkich narzędzi kompilacji na obrazie końcowym
• D) Nie osadzanie Sekretu, praca z nieautoryzowanym UŻYTKOWNIKIEM, używanie małego i stabilnego obrazu bazowego oraz wieloetapowa kompilacja ✔

Opis: obraz gotowy do produkcji: nie osadza klucza tajnego (wstrzykuje go w czasie wykonywania), działa z nieautoryzowanym UŻYTKOWNIKIEM zamiast roota, używa małego i wersjonowanego obrazu podstawowego (slim/alpine, a nie :latest) i jest zmniejszany w przypadku wieloetapowej kompilacji. Przed publikacją jest również skanowany pod kątem luk w zabezpieczeniach.

8. Jakie jest najważniejsze ryzyko braku określenia limitów zasobów dla Wdrożenia w Kubernetesie?

• A) Pod nigdy się nie uruchamia, ponieważ pole limit jest wymagane
• B) Na płycie monitorującej pojawia się tylko ostrzeżenie, nie ma to wpływu na działanie
• C) Kubernetes automatycznie wymusza bezpieczne limity domyślne, bez ryzyka
• D) Pod może rosnąć bez ograniczeń i zużywać zasoby węzła, powodując awarię sąsiadujących usług ✔

Objaśnienie: Pod, który nie ma limitu zasobów, może się rozwijać w nieograniczony sposób, zużywać wszystkie zasoby węzła, na którym działa, i powodować awarię sąsiadujących usług, na przykład w wyniku wycieku pamięci. Dlatego zdefiniowanie żądań/limitów jest podstawą solidności.

9. Jak uniknąć „zmęczenia alarmami” podczas monitorowania i konfiguracji alarmów?

• A) Ustawiaj alarmy dla jak największej liczby wskaźników i generuj alerty przy każdej wahaniu.
• B) Ustaw wszystkie alarmy na najwyższy poziom ważności
• C) Wyzwalanie alarmów wartościami chwilowymi bez ustawiania czasu (dla)
• D) Utrzymywanie alarmów zorientowanych na działanie i o odpowiedniej pilności, testowanie progów z danymi historycznymi, łączenie niepotrzebnych ✔

Opis: Każdy alarm musi umożliwiać podjęcie działań i mieć odpowiednią pilność; Informacje, które nie wymagają działania, są wyświetlane na tablicy, nikogo nie budzą. Progi alarmowe są testowane na podstawie danych historycznych systemu, a niepotrzebne/powtarzające się alarmy są konsolidowane. Dzięki temu prawdziwy alarm nie zaginie w hałasie.

10. Jaka jest najwyższa kolejność podczas incydentu produkcyjnego?

• A) Najpierw znajdź dokładną przyczynę pierwotną i zmniejsz ją dopiero wtedy, gdy przyczyna będzie jasna.
• B) Najpierw napisz protokół pośmiertny, potem dotknij usługi
• C) Najpierw ogranicz (usługa przywracania/przywracania), pozostawiając analizę przyczyn źródłowych na później ✔
• D) Najpierw znajdź osobę odpowiedzialną za zdarzenie i zgłoś ją

Wyjaśnienie: Złota zasada brzmi: „najpierw ogranicz, później zbadaj”. Celem jest najpierw przywrócenie usługi lub przywrócenie jej do znanej, dobrej wersji (łagodzenie); Analiza przyczyn źródłowych odbywa się spokojnie po ustąpieniu ciśnienia. Oczekiwanie na znalezienie dokładnej przyczyny źródłowej wydłuża czas odzyskiwania (MTTR).

11. Jaki jest główny cel nienagannej kultury pośmiertnej?

• A) Zidentyfikowanie osoby, która popełniła błąd i zrzucenie na nią odpowiedzialności
• B) Koncentrowanie się na systemach i procesach oraz zachęcanie do uczenia się; ✔ Wyciąganie wniosków, które zapobiegają powtarzaniu się, a nie obwinianiu
• C) Nigdy nie zgłaszaj incydentu i zadbaj o to, aby o nim zapomniano
• D) Pisanie wyłącznie szczegółów technicznych i nie dodawanie elementów, które można zastosować

Wyjaśnienie: Beznaganna sekcja zwłok skupia się na pytaniu, „który system i proces pozwolił na ten błąd”, a nie „kto to zrobił”. Ludzie otwarcie dzielą się błędem, jeśli wiedzą, że nie zostaną ukarani; Ukryty błąd się powtarza. Raport nie jest raportem z oskarżeniami, ale dokumentem edukacyjnym pełnym elementów zorientowanych na działanie.

12. Jaki jest najbardziej logiczny krok w optymalizacji kosztów chmury (FinOps) przed przejściem na gwarantowane rabaty (Plan Rezerwowy/Oszczędnościowy)?

• A) Najpierw podejmij jak najdłuższe zobowiązanie, a o marnotrawstwie pomyśl później
• B) Najpierw posprzątaj odpady (nieużywane zamknięcie, odpowiedni rozmiar), a następnie zaangażuj się w użytkowanie zgodne z przeznaczeniem ✔
• C) Natychmiast przenieś wszystkie zasoby do pojemności Spot
• D) Usunięcie najdroższej pozycji bez sprawdzania danych do faktury

Wyjaśnienie: Najpierw należy uprzątnąć odpady (zamknięcie niewykorzystanych zasobów, redukcja zasobów ponadgabarytowych). W przeciwnym razie zablokujesz zmarnowane wykorzystanie po obniżonej cenie na 1-3 lata. Właściwy dobór wymiarów i czyszczenie na biegu jałowym nie wymagają zaangażowania i są prawie wolne od ryzyka.

13. Jaki jest najważniejszy środek bezpieczeństwa, jeśli skrypt sugerowany przez sztuczną inteligencję zawiera linię „rm -rf „$DIR”/”?

• A) Uruchomienie skryptu bezpośrednio w prod bez jego czytania przyspieszy
• B) Dodaj set -euo pipefail i pustą kontrolę zmiennych i spróbuj najpierw wykonać próbę próbną ✔
• C) Wystarczy skrócić nazwę zmiennej
• D) Użycie rm -rf --force zamiast rm rozwiązuje problem

Objaśnienie: Jeśli $DIR jest pusty, instrukcja ta może próbować usunąć katalog główny. Zatrzymanie się na niezdefiniowanej zmiennej za pomocą „set -u” i sprawdzenie, czy zmienna nie jest pusta przed jej usunięciem (np. [ -n "$DIR" ] || wyjście 1) pozwala uniknąć katastrofy. Ponadto operacje niszczące należy najpierw wypróbować w trybie pracy na sucho.

14. Co należy zrobić w pierwszej kolejności, jeśli klucz dostępu do chmury przypadkowo wycieknie do publicznego repozytorium?

• A) Natychmiast anuluj i odnów (obróć) klucz; Samo usunięcie nie wystarczy ✔
• B) Po prostu usuń plik z magazynu, a klucz będzie bezpieczny
• C) Nie robić nic, bo nikt tego nie widział
• D) Utworzenie magazynu prywatnego eliminuje potrzebę obracania klucza

Wyjaśnienie: Wyciekły sekret należy natychmiast anulować i obrócić. Samo usunięcie pliku nie wystarczy, ponieważ sekret pozostaje w historii Git, a publiczne repozytoria są skanowane przez boty w ciągu kilku sekund. Po anulowaniu/zwrocie oceniany jest wpływ i dodawany jest tajny skaner, aby zapobiec ponownemu wystąpieniu.

15. Które z poniższych podejść minimalizuje ryzyko przy wypuszczeniu nowej wersji Prod?

• A) Udostępnienie nowej wersji wszystkim użytkownikom jednocześnie (big-bang) i nieprzygotowanie planu wycofania
• B) Uznanie wdrożenia za zakończone, gdy tylko pojawi się „zielone”, bez przeprowadzania dodatkowej weryfikacji
• C) Stosowanie kontrolowanej strategii, takiej jak flaga kanaryjska/niebiesko-zielona/funkcyjna, gotowy plan wycofywania i test dymny + monitorowanie wskaźników po wdrożeniu ✔
• D) Pozostawienie testowania krytycznych ścieżek biznesowych całkowicie sztucznej inteligencji i nie determinowanie ich w ogóle.

Wyjaśnienie: Strategie kontrolowanych wydań (zaczynając od małego procentu w przypadku kanarku, natychmiastowe wycofywanie zmian w kolorze niebiesko-zielonym, oddzielając wdrożenie od wydania za pomocą flagi funkcji) ograniczają ryzyko. Ponadto niezbędny jest jasny plan wycofywania zmian przed wdrożeniem oraz monitorowanie złotego sygnału wraz z testowaniem dymu po wdrożeniu; „wyglądanie ekologicznie” nie oznacza, że ​​działa.