DifficileChoix unique

Question d'entraînement AZ-400

Vous concevez un pipeline de mise en production pour une application de microservices déployée sur Azure Kubernetes Service (AKS). Vous devez mettre en œuvre une stratégie qui minimise les temps d'arrêt lors des mises à jour en déplaçant progressivement le trafic vers la nouvelle version tout en surveillant les erreurs. Quelle stratégie de déploiement devez-vous utiliser ?

Choisissez la meilleure réponse.

Bonne réponse

  • CDéploiement canary (Canary deployment)

Explication

Le déploiement canary est le bon choix car il déplace progressivement un petit pourcentage de trafic vers la nouvelle version tout en surveillant les erreurs, vous permettant de détecter les problèmes tôt et de revenir en arrière rapidement sans impacter tous les utilisateurs. Dans AKS, cela peut être mis en œuvre à l'aide d'un maillage de services (service mesh) comme Istio ou d'un outil de livraison progressive comme Flagger, qui gère la division du trafic via des configurations VirtualService et DestinationRule. Cela minimise les temps d'arrêt en garantissant que la majorité des utilisateurs restent sur la version stable jusqu'à ce que la nouvelle version soit vérifiée.

Pourquoi chaque option est juste ou fausse

A

Fausse

Déploiement par recréation (Recreate deployment)

Recreate arrête tous les pods existants avant de démarrer les remplacements, produisant une fenêtre de panne complète plutôt que le déplacement progressif du trafic et la surveillance des erreurs requis. C'est tentant car c'est la stratégie la plus simple et elle garantit l'absence de chevauchement de versions, ce qui la rend correcte pour les environnements de développement ou de test sans état où les temps d'arrêt sont acceptables et la compatibilité des schémas n'est pas un problème.

B

Fausse

Déploiement bleu-vert (Blue-green deployment)

Blue-green bascule le trafic entre deux environnements complets en une seule bascule, et non progressivement, et ne fournit aucun changement de pourcentage progressif intégré ni de retour en arrière automatisé basé sur les erreurs. C'est tentant car il minimise les temps d'arrêt et permet un retour en arrière instantané, ce qui le rend correct lorsque vous avez besoin d'une promotion atomique avec deux environnements complets plutôt que d'un fractionnement de trafic progressif de style canary.

C

Juste

Déploiement canary (Canary deployment)

Le déploiement canary achemine un petit pourcentage de trafic en direct vers la nouvelle version, surveille les taux d'erreur et les métriques, puis augmente progressivement l'exposition ou effectue un retour en arrière. Cela satisfait le déplacement progressif du trafic de l'énoncé avec la surveillance des erreurs, contrairement au bleu-vert, qui bascule tout le trafic en même temps.

D

Fausse

Mise à jour par roulement (Rolling update)

Une mise à jour par roulement remplace les pods de manière incrémentielle mais ne déplace le trafic qu'au fur et à mesure que les pods deviennent prêts, sans contrôle de pourcentage pondéré ni retour en arrière automatisé par surveillance des erreurs ; elle ne peut pas se mettre en pause et analyser les métriques au milieu du déploiement. C'est tentant car c'est la stratégie par défaut sans interruption de Kubernetes, et elle serait correcte pour des mises à jour sans état simples où l'analyse canary progressive est inutile.

Pour aller plus loin

Le déploiement canary achemine un pourcentage faible et contrôlé du trafic en direct vers la nouvelle version du microservice tandis que la majorité continue vers la version stable, puis augmente progressivement le poids du canary tant que les taux d'erreur, la latence et la saturation restent dans les seuils. Dans AKS, cela est généralement mis en œuvre avec des contrôleurs d'entrée (ingress controllers) ou un maillage de services tel que Istio ou Linkerd, utilisant un routage pondéré et un retour en arrière (rollback) automatisé via des métriques d'Azure Monitor ou Prometheus. Une limite subtile est que l'analyse canary nécessite un volume de trafic suffisant pour être statistiquement significative ; les services à faible trafic peuvent ne pas faire remonter les régressions rapidement. Cela importe lorsqu'une équipe doit publier fréquemment sans exposer tous les utilisateurs à une version défectueuse, ce qui est exactement le risque que les mises à jour roulantes (rolling updates) et les stratégies de recréation (recreate) n'atténuent pas avec autant de précision.

À propos de ces questions d'entraînement

Cette question fait partie des questions d'entraînement AZ-400 originales de Courseiva, rédigées pour apprendre et jamais copiées d'examens réels ou de dumps.

Traduite de l'original anglais avec l'IA et vérifiée pour le sens. Les codes d'examen, les commandes et les noms de produits sont conservés tels qu'ils apparaissent à l'examen.