Kvíz spojený s průvodcem · Střední úroveň
Kvíz o nasazení Canary a Shadow
Porovnejte verze canary a shadow, zpracování provozu, monitorování, náklady na pracovní zátěž, kontroly ochrany osobních údajů a bezpečnou přípravu na zavedení.
Otázka 1 z 8
Co definuje kanárské nasazení?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Co definuje kanárské nasazení?
- Směrování malého procenta živého provozu na novou verzi při jejím sledování
- Odeslání veškerého provozu na novou verzi najednou
- Spuštění nové verze pouze o víkendech
- Nasazení bez jakéhokoli sledování
- Jaká je klíčová charakteristika stínového nasazení?
- Jeho odpovědi jsou doručeny polovině uživatelů
- Přijímá zrcadlený provoz, ale jeho odpovědi jsou zahozeny a uživatelům se nezobrazují
- Běží pouze ve vývojovém prostředí
- Okamžitě nahrazuje produkční model
- What does a shadow deployment protect users from, and what can it still cost?
- It uses no extra resources and cannot access user data
- Its predictions are returned to every user
- Candidate responses are withheld, but mirrored inference still consumes compute and needs side-effect controls
- It guarantees the candidate has no production impact of any kind
- How does user-facing traffic differ between a canary and a shadow?
- Both always send candidate output to every user
- A shadow deployment never uses production inputs
- A canary is only an offline test
- A canary serves candidate responses to a defined live-traffic segment; a shadow typically does not
- What should a team define before starting a canary or shadow rollout?
- Traffic rules, monitoring thresholds, rollout duration, and a rollback owner
- A promise that the candidate will outperform production
- A fixed traffic percentage that must never change
- A requirement to expose every user to the candidate
- Jak se kanárkové a stínové nasazení vzájemně doplňují?
- Jsou to samé s různými jmény
- Shadow ověřuje chování v reálném provozu bez rizika uživatele; canary ověřuje skutečný dopad na uživatele na malém řezu
- Canary zahazuje odpovědi, zatímco stín jim slouží
- Ani jedno nezahrnuje produkční provoz
- What should an operator do before mirroring production requests to a shadow model?
- Allow the shadow model to execute writes twice
- Assume copied requests contain no sensitive data
- Isolate side effects and protect the handling of copied request data
- Disable all monitoring of the candidate
- What does a canary reveal that a shadow deployment does not directly measure?
- Whether candidate inference consumes compute
- How its predictions compare offline
- Whether a model can load in the serving stack
- How the candidate affects users who are actually served by it