ガイド連動クイズ · 中 レベル

Canary および Shadow デプロイメントに関するクイズ

カナリア リリースとシャドウ リリース、トラフィック処理、監視、ワークロード コスト、プライバシー制御、安全なロールアウトの準備を比較します。

関連するガイドパスカナリアとシャドウのデプロイメント
質問 1 の 8

カナリア デプロイメントを定義するものは何ですか?

すべての質問をプレビューする8 質問

クイズに答えると、答えと解説が表示されます。

  1. カナリア デプロイメントを定義するものは何ですか?
    • 新しいバージョンを監視しながら、ライブ トラフィックのごく一部を新しいバージョンにルーティングする
    • すべてのトラフィックを新しいバージョンに一度に送信する
    • 新しいバージョンを週末のみ実行する
    • 監視なしで導入する
  2. シャドウ展開の主な特徴は何ですか?
    • その応答はユーザーの半数に提供されます
    • ミラーリングされたトラフィックを受信しますが、その応答は破棄され、ユーザーには表示されません
    • 開発環境でのみ動作します
    • 量産モデルを直ちに置き換えます
  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. カナリア デプロイメントとシャドウ デプロイメントはどのように相互補完しますか?
    • 名前が違うだけで同じものです
    • Shadow は、ユーザーのリスクを負うことなく、ライブ トラフィックでの動作を検証します。 Canary は小さなスライスに対する実際のユーザーの影響を検証します
    • Canary はシャドウ サービス中に応答を破棄します
    • どちらも実稼働トラフィックには関与しません
  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