Masz aplikację internetową w Pythonie, która wymaga około 0,1 CPU i 128 MB RAM. Potrzebujesz wysokiego monitorowania wykorzystania maszyn i niezawodnych wdrożeń. Jakie podejście powinieneś zastosować?

Poprawna odpowiedź (klaster GKE z węzłami n1-standard-1, obraz Docker z tagiem wersji, wdrożenie Kubernetes z imagePullPolicy 'IfNotPresent' i środowisko staging) jest najlepsza, ponieważ GKE zapewnia wysoką dostępność, skalowalność i zaawansowane monitorowanie, spełniając wymagania zadania. Użycie obrazów Docker z tagami wersji i środowiska staging gwarantuje niezawodne wdrożenia. Węzły n1-standard-1 są wystarczające dla aplikacji o niskim zapotrzebowaniu na zasoby, a imagePullPolicy 'IfNotPresent' optymalizuje pobieranie obrazów. Pozostałe opcje są mniej odpowiednie: Opcja z f1-micro i restartowaniem instancji jest nieefektywna i niezapewnia niezawodnych wdrożeń ani wysokiego monitorowania. Opcja z n1-standard-1 i przebudową obrazu Compute Engine jest mniej elastyczna i bardziej skomplikowana w zarządzaniu wdrożeniami niż konteneryzacja. Opcja z n1-standard-4 jest przewymiarowana dla aplikacji o niskim zapotrzebowaniu, a użycie tagu 'latest' i imagePullPolicy 'Always' w produkcji bez środowiska staging jest ryzykowne i niezalecane dla niezawodnych wdrożeń.