Kuiz Penerapan Canary dan Shadow

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

1. Apakah yang mentakrifkan penggunaan kenari?
   • Menghalakan peratusan kecil trafik langsung ke versi baharu sambil memantaunya
   • Menghantar semua trafik ke versi baharu sekaligus
   • Menjalankan versi baharu hanya pada hujung minggu
   • Menyebarkan tanpa sebarang pemantauan
2. Apakah ciri utama penggunaan bayang-bayang?
   • Responsnya disampaikan kepada separuh pengguna
   • Ia menerima trafik bercermin tetapi responsnya dibuang, tidak ditunjukkan kepada pengguna
   • Ia hanya berjalan dalam persekitaran pembangunan
   • Ia menggantikan model pengeluaran serta-merta
3. Apakah penggunaan bayangan melindungi pengguna daripadanya, dan apakah kosnya?
   • 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. Bagaimanakah trafik yang dihadapi pengguna berbeza antara kenari dan bayang-bayang?
   • 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. Apakah yang perlu ditentukan oleh pasukan sebelum memulakan pelancaran kenari atau bayangan?
   • 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. Bagaimanakah penggunaan kenari dan bayang saling melengkapi?
   • Mereka adalah perkara yang sama dengan nama yang berbeza
   • Shadow mengesahkan tingkah laku pada trafik langsung tanpa risiko pengguna; kenari mengesahkan kesan pengguna sebenar pada kepingan kecil
   • Canary membuang respons sementara bayang melayaninya
   • Kedua-duanya tidak melibatkan trafik pengeluaran
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