DifficileChoix unique

Question d'entraînement AZ-400

Vous concevez une pipeline de release pour une application critique qui nécessite des déploiements sans interruption (zero-downtime). L'application s'exécute sur Azure Kubernetes Service (AKS) avec plusieurs réplicas. Vous utilisez Azure Pipelines avec une stratégie de déploiement canary. Quelle est la meilleure approche pour acheminer progressivement le trafic vers la nouvelle version tout en surveillant les erreurs ?

Choisissez la meilleure réponse.

Bonne réponse

  • AUtilisez un service mesh tel qu'Istio pour acheminer un pourcentage du trafic vers la nouvelle version.

Explication

Un service mesh tel qu'Istio fournit un découpage du trafic précis au niveau de la couche réseau, permettant d'acheminer un pourcentage précis du trafic (par exemple 5 %, puis 10 %, puis 50 %) vers la version canary tandis que le reste va vers la version stable. La télémétrie d'Istio (via les sidecars Envoy) permet une surveillance en temps réel du taux d'erreur et de la latence, ce qui vous permet d'effectuer un retour arrière (rollback) automatique ou manuel si des anomalies apparaissent. Il s'agit de l'approche la plus contrôlée et la plus observable pour les déploiements canary sur AKS.

Pourquoi chaque option est juste ou fausse

A

Juste

Utilisez un service mesh tel qu'Istio pour acheminer un pourcentage du trafic vers la nouvelle version.

Les règles de répartition du trafic d'Istio fonctionnent au niveau de la couche d'entrée (ingress) et du sidecar, vous permettant de pondérer le trafic par pourcentage indépendamment du nombre de réplicas de pods. Cela répond à la transition graduelle et surveillée exigée par la stratégie canary, étant donné qu'un retour arrière est une modification de routage plutôt qu'un nouveau déploiement.

B

Fausse

Utilisez Azure Application Gateway comme contrôleur d'entrée (ingress controller) avec des pools de backend pondérés.

Les pools de backend pondérés d'Application Gateway acheminent au niveau de la couche 7 vers des backends de machines virtuelles ou d'adresses IP, et non vers des pods Kubernetes individuels ; ils ne peuvent donc pas répartir le trafic entre des révisions de pods canary et stables. Cette solution convient à l'entrée avec un routage pondéré entre services. Le déploiement canary au niveau de la granularité des pods nécessite un service mesh ou un contrôleur d'entrée qui comprend les points de terminaison (endpoints) Kubernetes.

C

Fausse

Utilisez la stratégie de mise à jour progressive (rolling update) d'AKS avec un excédent maximal (max surge).

Une mise à jour progressive remplace les pods sur place sans contrôle de répartition du trafic, de sorte qu'elle ne peut pas basculer progressivement un pourcentage de trafic tout en surveillant les erreurs ; elle maintient simplement la disponibilité pendant le remplacement. Les mises à jour progressives avec max surge conviennent aux releases standard sans interruption, et non à l'analyse canary.

D

Fausse

Déployez dans un environnement de staging, puis échangez les VIP avec la production.

L'échange de VIP est un basculement tout ou rien, envoyant 100 % du trafic vers staging instantanément sans déplacement graduel de pourcentage ni surveillance des erreurs. Les déploiements blue-green utilisent ce modèle pour un retour arrière instantané. L'approche canary nécessite une pondération incrémentielle du trafic entre les versions, ce que l'échange de VIP ne peut pas fournir.

Pour aller plus loin

Les ressources VirtualService et DestinationRule d'Istio définissent des sous-ensembles (par exemple v1, v2) et un routage basé sur des pondérations, tandis que les sidecars Envoy collectent des métriques telles que le nombre de requêtes, le taux d'erreur et la latence par sous-ensemble. Cela permet une analyse canary automatisée (par exemple Flagger) qui promeut ou annule le déploiement en fonction de requêtes Prometheus. Un comportement subtil : le découpage du trafic d'Istio est conscient de la couche 7 (L7), de sorte qu'il peut acheminer en fonction d'en-têtes (headers), de cookies ou de l'identité de l'utilisateur, ce qui est utile pour les tests canary internes avant le déploiement public. Scénario du monde réel : une équipe de services financiers déploie une nouvelle version d'un service de paiement auprès de 1 % des utilisateurs, surveille les taux d'erreur via la télémétrie d'Istio et effectue un retour arrière automatique si le taux d'erreurs 5xx dépasse un seuil, le tout sans interruption de service.

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.