引導式測驗 · 中等 等級
機器學習模型的藍綠部署測驗
了解藍綠部署中的流量切換與回滾,包含容量規劃、綱要相容性以及路由回滾的限制。
問題 1 的 8
在發布期間是如何分配藍色與綠色環境的?
預覽每個問題8 問題
當您參加測驗時,就會出現答案和解釋。
- 在發布期間是如何分配藍色與綠色環境的?
- 一個環境服務目前的流量,同時另一個環境進行候選版本的預備工作
- 它們儲存不同的訓練與測試標籤
- 它們永久執行不同的模型類別
- 它們將 GPU 分割為兩個硬體驅動程式
- 是什麼讓不良的切換後能快速進行路由回滾?
- 新模型會在每次請求期間重新訓練
- 前一個環境保持可用且健康
- 資料庫綱要被刪除
- 舊的成品被覆寫了
- 為什麼要同時為藍色和綠色環境規劃容量?
- 清理完成後,模型會永遠在兩個環境上執行
- 流量總是會被路由器加倍
- 兩個生產等級的環境在推出期間可能都需要資源
- 藍色與綠色需要兩個資料集
- 為什麼資料庫變更在切換期間必須與兩個版本保持相容?
- 綠色環境必須重寫藍色環境的權重
- 路由器會自動變更資料庫欄位
- 機器學習模型不會讀取資料綱要
- 回滾可能會將流量帶回較舊的應用程式或模型
- 影子流量 (shadow traffic) 提供什麼功能?
- 自動完全切換至生產環境
- 用於比較的候選預測結果,且不會提供給使用者
- 零延遲的保證
- 模型評估資料的替代品
- 路由復原不一定會復原什麼?
- 路由器的流量目標
- 哪個環境會接收未來的請求
- 已經產生的外部副作用或寫入
- 舊環境的可用性
- Canary 與基本的藍綠切換有何關聯?
- 它僅驗證容器映像簽名
- 它是指兩個環境且沒有流量切換的另一種說法
- 它消除了對綠色環境的需求
- 它可以在完整切換前先暴露少量流量
- 為何在切換前先在綠色環境中預熱大型模型?
- 它可以減少初始化延遲與加速器配置的意外
- 它保證輸出品質
- 它消除了舊環境的成本
- 它驗證每個子群組指標