Pular para o conteúdo principal

Questão de Sistemas Operacionais — Clusters — FGV 2024

Sistemas OperacionaisClusters
Código
fg100857
Banca
FGV
Órgão
TRF - 1ª REGIÃO
Ano
2024
Nível
Superior
Cargo
Analista Judiciário - Área Apoio Especializado - Especialidade: Análise de Sistemas de Informação
A Assessoria de Tecnologia da Informação de uma organização está usando Kubernetes como plataforma de orquestração de containers. O Kubernetes foi configurado para escalar automaticamente workloads no modo HorizontalPodAutoscaler (HPA).Sendo assim, o Kubernetes irá:
  1. Aajustar periodicamente o número de réplicas em um workload para corresponder a determinada utilização de recursos;
  2. Bdimensionar workloads com base no número de eventos a serem processados, como a quantidade de mensagens em uma fila;
  3. Cescalar workloads no horário especificado pelo usuário, viabilizando a redução do consumo de recursos fora dos horários de pico;
  4. Dobservar as configurações personalizadas para os workloads que definem como e quando dimensionar os recursos das réplicas gerenciadas;
  5. Eobservar as solicitações de recursos na criação e atualização dos pods, descartando-os quando os recursos solicitados forem diferentes da configuração ajustada.
Revelar gabarito e comentário

GabaritoA — ajustar periodicamente o número de réplicas em um workload para corresponder a determinada utilização de recursos;

Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.

HorizontalPodAutoscaler (HPA) no Kubernetes

Gabarito: letra A. O HPA (HorizontalPodAutoscaler) ajusta automaticamente o número de réplicas de um workload (como um Deployment) com base na utilização de recursos observada (CPU, memória), conforme definido pelo usuário. É uma funcionalidade nativa do Kubernetes para escalonamento horizontal elástico.

O HPA monitora periodicamente métricas de recursos e ajusta o número de réplicas para manter a utilização dentro do alvo configurado. As demais alternativas descrevem outros mecanismos de escalonamento, não o HPA padrão.

Alternativa A — ✅ Correta ⟵ GABARITO

A descrição corresponde exatamente ao funcionamento do HPA: "ajustar periodicamente o número de réplicas em um workload para corresponder a determinada utilização de recursos". O HPA coleta métricas (por exemplo, uso de CPU) e recalcula o número desejado de réplicas para atingir o valor alvo.

Alternativa B — ❌ Incorreta

Dimensionar com base em eventos (como mensagens em fila) é característico de soluções como KEDA (Kubernetes Event-Driven Autoscaling), não do HPA básico. O HPA padrão utiliza métricas de recursos (CPU/memória), não eventos externos.

Alternativa C — ❌ Incorreta

Escalonar em horários específicos é um escalonamento agendado (cron-based), como o Vertical Pod Autoscaler (VPA) ou ferramentas externas, não o HPA, que reage a condições de carga em tempo real.

Alternativa D — ❌ Incorreta

O HPA não "observa configurações personalizadas" para dimensionar réplicas; ele aplica as regras definidas pelo usuário (target de métrica) e ajusta automaticamente. A descrição é vaga e não reflete o comportamento real.

Alternativa E — ❌ Incorreta

Descartar pods com base em solicitações de recursos diferentes não é função do HPA. O HPA ajusta o número de réplicas, não descarta pods por divergência de configuração.

PEGA ESSA DICA!

Lembre-se que o HPA é baseado em métricas de recursos (CPU/memória). Escalonamento por eventos, horários ou outras métricas customizadas exigem extensões (como KEDA ou métricas customizadas).

Gabarito: letra A.

Link permanente: /questoes/fg100857