Что хотят услышать интервьюеры:

Контейнерная архитектура — это способ упаковать приложение со всеми зависимостями в изолированную единицу, чтобы оно одинаково работало в разных средах. Обычно ожидают услышать про изоляцию процессов, переносимость, воспроизводимость окружения и удобство масштабирования. Для ML/AI важно также упомянуть разделение этапов: обучение, инференс, предобработка и сервисы вокруг модели.

Определение:

Контейнерная архитектура — это подход, при котором приложение и его зависимости запускаются в контейнерах, разделяющих одно ядро хостовой ОС, но изолированных на уровне процессов, файловой системы и сети. Контейнеры позволяют стандартизировать окружение: один и тот же образ можно запустить локально, в CI/CD и в продакшене без изменения конфигурации приложения.

В ML-инженерии контейнеры часто используют для:

упаковки inference-сервиса с моделью и зависимостями;
воспроизводимого запуска пайплайнов обработки данных;
изоляции разных версий библиотек Python, CUDA, драйверов и т.д.

Пример использования:

Допустим, есть сервис инференса модели, который принимает HTTP-запрос и возвращает предсказание. Его упаковывают в Docker-образ вместе с кодом, requirements и артефактами модели, а затем запускают в Kubernetes или другом оркестраторе.

FROM python:3.11-slim

WORKDIR /app

COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt

COPY app.py model.pkl ./

EXPOSE 8080

CMD ["python", "app.py"]

Такой образ можно собрать один раз и запускать в dev, staging и prod с одинаковым поведением.

Пояснение кода:

В этом примере код контейнера не требует сложного объяснения, потому что суть архитектуры важнее реализации. Разберём по шагам:

Базовый образ python:3.11-slim задаёт минимальное предсказуемое окружение с Python.
WORKDIR /app определяет рабочую директорию внутри контейнера.
COPY requirements.txt . и RUN pip install ... устанавливают зависимости внутрь образа.
COPY app.py model.pkl ./ добавляет код сервиса и файл модели.
EXPOSE 8080 документирует порт, на котором сервис будет слушать запросы.
CMD ["python", "app.py"] задаёт команду запуска контейнера.

Идея в том, что контейнер содержит всё нужное для работы сервиса, поэтому запуск не зависит от того, что установлено на хосте.

Ключевые моменты:

Контейнер — это изолированная среда для приложения с его зависимостями.
Главная польза: переносимость, воспроизводимость и упрощение деплоя.
Контейнеры легче и быстрее виртуальных машин, потому что используют ядро хостовой ОС.
В ML контейнеризация особенно полезна для инференса, пайплайнов и управления версиями зависимостей.
Для масштабирования контейнеры обычно оркестрируют через Kubernetes или аналогичные системы.
Контейнер не решает все проблемы сам по себе: важны управление конфигурацией, секретами, хранилищем моделей и наблюдаемостью.

Как устроена архитектура с контейнерами?