Cloud Digital Leader — Questions d'entraînement et examen blanc

Cloud Trace est le service de traçage distribué de Google Cloud, qui suit les requêtes à travers les microservices et enregistre la latence à chaque étape (docs.cloud.google.com/trace/docs/overview). Il génère des visualisations en cascade montrant le temps que chaque service met à traiter une requête, ce qui rend les goulots d'étranglement faciles à repérer. Cloud Trace s'intègre à GKE, Cloud Run et App Engine, et prend en charge l'instrumentation OpenTelemetry. Pourquoi pas Cloud Monitoring ? Il suit des métriques comme l'utilisation du CPU ou de la mémoire, mais ne trace pas le parcours de chaque requête entre les services. Pourquoi pas Error Reporting ? Il identifie les erreurs et les exceptions applicatives, pas les goulots d'étranglement de latence. Pourquoi pas Cloud Logging ? Il collecte des entrées de journal, mais n'offre pas de traçage de latence au niveau des requêtes au-delà des frontières entre services. Astuce d'examen : identifier quel service précis provoque la latence dans une chaîne de requêtes distribuée = Cloud Trace.

AutoML sur Agent Platform automatise la sélection des algorithmes, le réglage des hyperparamètres et l'entraînement du modèle, sans demander d'expertise en ML ni de code (docs.cloud.google.com/vertex-ai/docs/start/training-methods). Pour des équipes peu expérimentées en ML et des jeux de données plus petits, AutoML produit plus vite des modèles de grande qualité, car il supprime le besoin d'écrire du code d'entraînement et de développer des pipelines de données. La comparaison officielle des méthodes d'entraînement le confirme : AutoML ne demande aucune expertise en data science et se passe de code. Pourquoi pas l'entraînement personnalisé ? Il exige une expertise en ML importante pour développer les applications d'entraînement—il ne produit pas toujours de meilleurs modèles quelle que soit l'expertise. Pourquoi pas uniquement des API pré-entraînées ? Les API pré-entraînées traitent des tâches courantes, mais ne peuvent pas s'entraîner sur ton propre jeu de données. Pourquoi pas « AutoML s'adresse uniquement aux grandes entreprises » ? AutoML est accessible à tous les utilisateurs, quelle que soit la taille de l'organisation. Astuce d'examen : peu d'expertise en ML + besoin de résultats rapides + petit jeu de données = AutoML.

Les conteneurs virtualisent au niveau du système d'exploitation en partageant le noyau de l'hôte, tandis que les VM virtualisent au niveau matériel, chacune exécutant un système d'exploitation invité complet (docs.cloud.google.com/migrate/containers/docs/anthos-migrate-benefits). La documentation Google confirme que les conteneurs sont bien plus légers que les VM puisqu'ils ne contiennent pas le système d'exploitation et demandent donc nettement moins de ressources de calcul et de mémoire. D'où un démarrage en quelques secondes (et non en minutes) et une densité plus élevée sur le même matériel. Pourquoi pas « suppriment le besoin de tout système d'exploitation » ? Les conteneurs dépendent toujours du noyau du système d'exploitation de l'hôte—ils le partagent au lieu d'embarquer le leur. Pourquoi pas « ne s'exécutent que sur Google Cloud » ? Les conteneurs sont portables sur toute plateforme prenant en charge un runtime de conteneurs. Pourquoi pas « une isolation de sécurité plus forte » ? Les VM offrent une isolation plus forte grâce à des noyaux séparés ; les conteneurs sacrifient un peu d'isolation au profit de l'efficacité. Astuce d'examen : les conteneurs partagent le noyau du système d'exploitation ; chaque VM a le sien.

Google Cloud chiffre les données en transit à la fois sur l'internet public et à l'intérieur de son réseau interne (docs.cloud.google.com/docs/security/encryption-in-transit). Le trafic externe est chiffré en TLS/QUIC via les Google Front Ends (GFE), tandis que le trafic interne entre services s'appuie sur ALTS (Application Layer Transport Security) pour l'authentification mutuelle et le chiffrement. Google utilise aussi le protocole de sécurité PSP pour le chiffrement au niveau réseau, avec déchargement sur SmartNIC. C'est automatique et cela ne demande aucune configuration côté client pour le trafic standard. Pourquoi pas uniquement avec le Premium Tier ? Le chiffrement en transit s'applique quel que soit le niveau de réseau. Pourquoi pas uniquement sur l'internet public ? La documentation indique explicitement que Google chiffre les données à l'intérieur de son réseau interne avec ALTS. Pourquoi pas une configuration TLS manuelle ? Google gère automatiquement le chiffrement pour ses services—aucun certificat géré par le client n'est nécessaire. Astuce d'examen : TLS = externe ; ALTS = interne. Les deux sont automatiques.