Kanarya ve Gölge Dağıtımları Testi

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. Kanarya dağıtımını ne tanımlar?
   • Canlı trafiğin küçük bir yüzdesini izlerken yeni sürüme yönlendirme
   • Tüm trafiği tek seferde yeni sürüme gönderme
   • Yeni sürümün yalnızca hafta sonları çalıştırılması
   • Herhangi bir izleme olmadan dağıtma
2. Gölge konuşlandırmanın temel özelliği nedir?
   • Yanıtları kullanıcıların yarısına sunuluyor
   • Yansıtılmış trafik alır ancak yanıtları atılır ve kullanıcılara gösterilmez
   • Yalnızca geliştirme ortamında çalışır
   • Üretim modelinin hemen yerini alıyor
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. Kanarya ve gölge konuşlandırmaları birbirini nasıl tamamlıyor?
   • Farklı isimlerle aynı şey bunlar
   • Shadow, canlı trafikteki davranışı kullanıcı riski olmadan doğrular; canary, küçük bir dilim üzerinde gerçek kullanıcı etkisini doğruluyor
   • Canary, gölge onlara hizmet ederken yanıtları göz ardı eder
   • Her ikisi de üretim trafiğini içermez
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