6.7 Vérification des connaissances - Conteneurs et plateforme d'IA

1.

Une équipe qui migre un niveau web public vers un Managed Kubernetes public Cluster déclare un Service de type LoadBalancer et suppose qu'il dispose maintenant d'un équilibreur de charge externe hautement disponible, qui préserve la source IP, équivalent à celui utilisé ailleurs dans l'entreprise. L'architecte réagit. Pourquoi cette supposition est-elle erronée, et quelle est la bonne façon de gérer la charge de travail ?

A Un Service LoadBalancer n'est pas un équilibreur de charge externe géré ; IONOS réserve une adresse IP publique statique et l'attribue en tant qu'adresse IP secondaire à un worker Node unique qui agit comme l'équilibreur de charge d'entrée, donc l'entrée de production devrait être un équilibreur de charge Load Balancer provisionné séparément, ainsi qu'un contrôleur d'entrée dans le Cluster. B Un Service LoadBalancer est un équilibreur de charge L4 entièrement géré, mais il ne devient hautement disponible qu'une fois que au moins trois nœuds sont dans le pool, donc la solution consiste simplement à mettre à l'échelle le pool de Node à trois. C Le type de Service fonctionne comme prévu ; la seule correction nécessaire est de définir externalTrafficPolicy : Cluster afin que le trafic soit équilibré automatiquement sur chaque Node. D Le manifeste Cluster provisionne automatiquement un Managed Network Load Balancer en arrière-plan, donc l'équipe devrait supprimer le Service explicite et laisser le contrôleur le créer.

2.

Une équipe soucieuse des coûts exécutant des travaux par lots sur un Managed Kubernetes Cluster souhaite que le pool Node soit réduit à zéro nœuds la nuit lorsque aucun travail ne s'exécute, et elle souhaite également que les événements de plan de contrôle du Cluster soient acheminés vers le Logging Service centralisé aux côtés de leurs journaux d'application. L'architecte explique que les deux attentes entrent en collision avec les limites de la plateforme. Quel énoncé décrit correctement ces limites ?

A Node Pools peut être mis à l'échelle à zéro, et les événements de plan de contrôle sont livrés au Logging Service par défaut une fois que le Cluster est créé. B Node Pools peut être mis à l'échelle à zéro uniquement sur des grappes privées, tandis que les événements de plan de contrôle atteignent le Logging Service uniquement sur des grappes publiques. C L'auto-mise à l'échelle de Cluster a un plancher d'un Node chaud et ne peut pas être mise à l'échelle à zéro, et les événements de plan de contrôle n'atteignent pas le Logging Service, donc l'équipe doit concevoir autour d'un Node toujours actif et source la visibilité du plan de contrôle d'une autre manière. D Node Pools peut être mis à l'échelle à zéro si l'analyse de vulnérabilité est désactivée au préalable, et les événements de plan de contrôle atteignent le Logging Service une fois que la journalisation d'audit vers le S3 est activée.

3.

Un architecte conçoit un Managed Kubernetes Cluster privé pour une charge de travail réglementée et énumère les prérequis. La construction est pour un Cluster privé dont le plan de données doit être isolé, dont le serveur API doit rester accessible uniquement par l'équipe d'exploitation, et dont les nœuds doivent communiquer à travers un second centre de données virtuel. Quel ensemble de décisions est correct ?

A Les clusters privés isolent le point de terminaison API lui-même, donc aucune liste d'autorisation n'est nécessaire ; le trafic sortant et le trafic entre centres de données virtuels fonctionnent sans ressources réseau supplémentaires. B Mettre en place une passerelle NAT et un Cross-Connect après le démarrage du Cluster, et compter sur un groupe de sécurité lié à l'objet Cluster pour restreindre le serveur API. C Choisir le type de pool Node de manière approximative puisqu'il peut être modifié plus tard, et protéger le serveur API en plaçant le plan de contrôle dans une région des États-Unis pour la redondance. D Un Cluster privé isole le plan de données mais pas le point de terminaison API, donc protéger le serveur API avec une liste d'autorisation IP ; mettre en place la passerelle NAT pour le trafic sortant et le Cross-Connect pour le trafic Node entre centres de données virtuels avant de construire le Cluster ; conserver le plan de contrôle dans la région pour la souveraineté et fixer le type de pool Node à l'avance car il est immuable après la création.

4.

Une équipe de plateforme souhaite gérer l'accès à son registre de conteneurs de la même manière qu'elle gère ses comptes cloud, en définissant des rôles tels que développeur en lecture seule, pipeline-pusher et administrateur, et en liant des utilisateurs et des groupes humains à ces rôles. Ils souhaitent également un niveau d'extraction publique anonyme pour les images open source. L'architecte explique que le registre ne fonctionne pas de cette manière. Quel est le modèle de gouvernance correct ?

A Le registre prend en charge les rôles RBAC liés aux utilisateurs et aux groupes, mais un niveau d'extraction publique doit être activé séparément pour chaque référentiel. B La gouvernance est gérée en désactivant les jetons lorsqu'une étape de pipeline est mise à la retraite, et un niveau d'extraction publique est disponible pour les images marquées comme open source. C Le registre hérite automatiquement des rôles IAM du compte cloud, de sorte que les liaisons de rôles existants s'appliquent sans configuration supplémentaire. D Le registre n'a pas de RBAC ; l'accès est uniquement par jeton, donc la gouvernance provient de la discipline des jetons (un jeton étroitement défini par étape de pipeline avec une date d'expiration, tourné régulièrement, et supprimé plutôt que désactivé), et il n'y a pas de niveau d'extraction publique.

5.

Une entreprise souhaite ajouter une intelligence artificielle générative à une application réglementée, dans un pays, et doit maintenir tout le traitement en Allemagne, éviter d'exécuter et de corriger l'infrastructure GPU, et intégrer en utilisant ses bibliothèques clientes OpenAI existantes. Elle a également besoin d'une récupération sur un corpus privé. Quelle approche convient à la plateforme par défaut de l'entreprise et à sa direction actuelle ?

A Héberger une version open-source du modèle sur un groupe GPU Node dès le premier jour pour le contrôle, et stocker le corpus de récupération dans la fonctionnalité de stockage de vecteurs gérée de la plateforme d'intelligence artificielle. B Utiliser l'inférence gérée sur le AI Model Hub via son API compatible OpenAI avec un prix par jeton et un traitement sans état, dans le pays, et construire la récupération vous-même en utilisant des embeddings de hub, des vecteurs dans Managed PostgreSQL, et le corpus dans Object Storage. C Utiliser l'inférence gérée, mais acheminer les requêtes vers une région des États-Unis pour la capacité, en acceptant que l'état sans état compense pour les données qui quittent le pays. D Héberger le modèle et répliquer le stockage de vecteurs gérée à travers les régions afin que la récupération survive une panne régionale.

6.

Un client déploie un modèle open-source sur le AI Model Hub et demande comment les responsabilités de l'Acte AI de l'UE sont allouées, y compris le cas où IONOS modifie un modèle, par exemple en le quantifiant. Quelle allocation est correcte ?

A Le client est toujours le distributeur, IONOS est toujours le fournisseur pour chaque modèle, et la modification, telle que la quantification, ne change pas les obligations de l'une ou l'autre des parties. B IONOS est le déployeur de tous les modèles, le client est un simple utilisateur sans obligations, et la modification déplace les obligations sur l'auteur initial du modèle open-source. C Le client agit en tant que déployeur (ou fournisseur de son propre système d'IA) et possède son propre évaluation des risques ; IONOS est un distributeur ou un intermédiaire pour les modèles open-source non modifiés, mais lorsqu'IONOS modifie un modèle, par exemple en le quantifiant, il assume les obligations de transparence du fournisseur d'IA pour cette modification. D Les rôles sont sans importance car le traitement dans le pays et l'absence d'État exonèrent la plateforme et le client de l'Acte AI de l'UE dans son ensemble.