Cuestionario sobre implementaciones de Canary y Shadow

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

1. ¿Qué define una implementación canaria?
   • Dirigir un pequeño porcentaje del tráfico en vivo a la nueva versión mientras se monitorea
   • Enviar todo el tráfico a la nueva versión a la vez
   • Ejecutando la nueva versión sólo los fines de semana.
   • Implementación sin ningún tipo de supervisión
2. ¿Cuál es la característica clave de un despliegue en la sombra?
   • Sus respuestas se sirven a la mitad de los usuarios.
   • Recibe tráfico reflejado pero sus respuestas se descartan y no se muestran a los usuarios.
   • Sólo se ejecuta en el entorno de desarrollo.
   • Reemplaza inmediatamente el modelo de producción.
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. ¿Cómo se complementan entre sí las implementaciones canary y en la sombra?
   • son lo mismo con diferentes nombres
   • Shadow valida el comportamiento en el tráfico en vivo sin riesgo para el usuario; canary valida el impacto real del usuario en una pequeña porción
   • Canary descarta respuestas mientras Shadow les sirve
   • Ninguno de los dos implica tráfico de producción.
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