Викторина по Canary и теневым развертываниям

Ответы и пояснения появляются по мере прохождения теста.

1. Что определяет канареечное развертывание?
   • Направление небольшого процента живого трафика на новую версию при одновременном ее мониторинге
   • Отправка всего трафика на новую версию сразу
   • Запуск новой версии только по выходным
   • Развертывание без какого-либо мониторинга
2. Какова ключевая характеристика теневого развертывания?
   • Его ответы доходят до половины пользователей.
   • Он получает зеркальный трафик, но его ответы отбрасываются и не отображаются пользователям.
   • Он работает только в среде разработки.
   • Он немедленно заменяет серийную модель.
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. Как канареечные и теневые развертывания дополняют друг друга?
   • Это одно и то же, но с разными именами
   • Тень проверяет поведение реального трафика без риска для пользователя; canary проверяет реальное влияние пользователя на небольшой фрагмент
   • Canary отбрасывает ответы, пока тень их обслуживает
   • Ни один из них не предполагает производственный трафик.
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