Κουίζ Canary and Shadow Deployments

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

1. Τι ορίζει μια ανάπτυξη καναρινιών;
   • Δρομολόγηση ενός μικρού ποσοστού ζωντανής επισκεψιμότητας στη νέα έκδοση ενώ την παρακολουθείτε
   • Αποστολή όλης της κυκλοφορίας στη νέα έκδοση ταυτόχρονα
   • Εκτέλεση της νέας έκδοσης μόνο τα Σαββατοκύριακα
   • Ανάπτυξη χωρίς καμία παρακολούθηση
2. Ποιο είναι το βασικό χαρακτηριστικό μιας σκιώδους ανάπτυξης;
   • Οι απαντήσεις του προβάλλονται στους μισούς χρήστες
   • Λαμβάνει κατοπτρισμένη επισκεψιμότητα, αλλά οι απαντήσεις του απορρίπτονται, δεν εμφανίζονται στους χρήστες
   • Εκτελείται μόνο στο περιβάλλον ανάπτυξης
   • Αντικαθιστά αμέσως το μοντέλο παραγωγής
3. 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
4. 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
5. 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
6. Πώς η ανάπτυξη καναρινιών και σκιών αλληλοσυμπληρώνονται;
   • Είναι το ίδιο πράγμα με διαφορετικά ονόματα
   • Το Shadow επικυρώνει τη συμπεριφορά στη ζωντανή κυκλοφορία χωρίς κίνδυνο χρήστη. Το καναρίνι επικυρώνει τον πραγματικό αντίκτυπο του χρήστη σε ένα μικρό κομμάτι
   • Το Canary απορρίπτει τις απαντήσεις ενώ η σκιά τις εξυπηρετεί
   • Κανένα από τα δύο δεν περιλαμβάνει κίνηση παραγωγής
7. 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
8. 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