IT面试题库
SRE站点可靠性工程师面试题
SRE站点可靠性工程师岗位的 71 道 IT 面试题,按岗位技术栈组织,支持限时小测与错题复习。
高频题目
如何用 Ansible 做配置管理与环境一致性保障?Playbook 的变量优先级与 Jinja2 模板如何避免配置漂移?
中级 · 3 次浏览
服务雪崩是怎么发生的?限流、熔断、隔离、降级该怎么配合才有效?
中级 · 2 次浏览
怎么用「黄金四指标」搭一套能快速定位问题的服务监控看板?
高级 · 2 次浏览
QPS、TPS、响应时间(RT)与并发数之间的定量关系是什么?如何据此做容量估算?
中级 · 2 次浏览
K8s 的 liveness 与 readiness 探针区别?
中级 · 1 次浏览
如何用 Grafana 的模板变量做一套可复用的微服务监控看板,避免「一个服务一份看板」的维护噩梦?
中级 · 1 次浏览
灰度发布、蓝绿部署与全链路压测在服务治理中怎么落地?各自的成本和风险是什么?
高级 · 1 次浏览
Grafana 看板大时间范围查询很慢怎么办?Recording Rule 与降采样该怎么用?
高级 · 1 次浏览
生产环境出现偶发超时但无任何报错日志,如何用「日志 + 指标 + 链路」可观测性三件套定位根因?
高级 · 1 次浏览
Kubernetes 的核心组件有哪些?
中级 · 新题
K8s 中 Pod 一直处于 Pending/ImagePullBackOff 怎么排查?
高级 · 新题
收到一条磁盘使用率超过90%的报警,你如何处理?
初级 · 新题
云原生【诞生】为什么会有 Docker?「在我机器上是好的」这个世纪难题的根源是什么?
初级 · 新题
云原生【本质】Kubernetes 到底在解决什么问题?「声明式 API + 控制器循环」为什么是天才设计?
初级 · 新题
云原生【本质】CI/CD 为什么诞生?为什么说「回滚能力比发布速度更重要」?
初级 · 新题
云原生【边界】云原生是不是所有团队的答案?它的复杂度账单和「降级使用」的边界在哪?
初级 · 新题
Prometheus 告警频繁误报、值班同学已经麻木,告警风暴时该如何快速定位根因并重设告警规则?
高级 · 新题
Filebeat 到 Logstash 的日志突然大量堆积、Kibana 查不到最新日志,如何定位堵点并治理?
高级 · 新题
线上 RabbitMQ 队列消息大量积压,如何用队列长度上限与溢出策略防止 Broker 被打垮?drop-head 和 reject-publish 该怎么选?
高级 · 新题
SkyWalking 这类 APM 如何做分布式链路追踪(探针/span/拓扑)?
高级 · 新题
混沌工程的核心原则(实验假设、注入故障、监控稳态)?
高级 · 新题
API 网关的性能瓶颈通常出在哪里?超时与重试该怎么配置才不会放大故障?
高级 · 新题
Nacos 的服务健康检查与心跳续约是怎么做的?服务下线后流量是如何摘除的?
中级 · 新题
Prometheus 的四种指标类型分别适合什么?为什么直方图比摘要(Summary)更常用?
中级 · 新题
Prometheus 采用拉模型(Pull),那什么时候该用 Pushgateway?为什么说临时任务也不该轻易用?
中级 · 新题
PromQL 里 rate、irate、increase 有什么区别?为什么计算 QPS 必须带上时间区间?
高级 · 新题
Grafana 的告警(Unified Alerting)与 Prometheus 的告警规则该怎么分工?
中级 · 新题
Raft 的领导人选举是怎么工作的?任期(term)、随机超时与投票规则如何共同防止脑裂?
高级 · 新题
Basic Paxos 的两阶段(Prepare/Promise、Accept/Accepted)是如何达成共识的?Multi-Paxos 又优化了什么?
高级 · 新题
Terraform 的 state 文件里存了什么?为什么官方强烈反对手改/手删 state?多人协作时如何避免 state 冲突?
中级 · 新题
AWS 上给应用做权限,为什么要「IAM Role 而不是把 AccessKey 写进配置文件」?IAM Policy 里 Allow 与 Explicit Deny 同时命中时以谁为准?
中级 · 新题
Helm Chart 的目录结构与核心文件有哪些?
初级 · 新题
Helm 升级失败如何回滚?--atomic 与 --wait 各起什么作用?
中级 · 新题
Terraform 的 state 文件起什么作用?为什么必须远程化并加锁?
中级 · 新题
terraform plan/apply 的执行流程是怎样的?如何在 CI/CD 中安全使用?
中级 · 新题
服务响应变慢时,如何用 Arthas、火焰图与分布式链路追踪定位是 CPU、锁竞争还是慢 SQL 导致的?
高级 · 新题
什么是 GitOps?Argo CD 如何基于 Git 声明式地实现应用的持续部署与自动同步?
初级 · 新题
ELK(Elasticsearch + Logstash + Kibana)的架构与数据流是怎样的?各组件分别承担什么职责?
中级 · 新题
分布式链路追踪中 Span 上下文如何在服务间传播(如 W3C traceparent/baggage)?高并发下采样率该如何权衡?
中级 · 新题
用 Python 写一个带超时与重试的微服务探活(health probe)脚本,并说明它如何对应 K8s 的存活/就绪探针。
中级 · 新题
落地混沌工程实验时,如何定义稳态指标、控制爆炸半径(blast radius)并设置中止条件,避免演练引发真实故障?
高级 · 新题
Kubernetes Pod 从创建到终止经历哪些阶段?liveness、readiness、startup 探针和优雅下线如何配合?
高级 · 新题
什么是 GitOps?它与传统 CI/CD(命令式部署)的核心区别是什么?
初级 · 新题
描述 ArgoCD 的核心架构:API Server、Repository Server、Application Controller、Application CRD 各自负责什么?
中级 · 新题
ArgoCD 中声明式配置应用有哪几种方式?Application CRD、App of Apps、ApplicationSet 分别适合什么?
中级 · 新题
应用状态一直 OutOfSync,已开启 auto-sync 却仍不自动同步,可能的原因和排查步骤是什么?
高级 · 新题
如何用 ArgoCD 的 Projects 和 RBAC 实现多环境、多团队的隔离?
中级 · 新题
如何基于 Argo Rollouts 在 ArgoCD 上实现金丝雀/蓝绿渐进式交付,并按指标自动回滚?
高级 · 新题
生产环境 ArgoCD 自身如何高可用部署?API Server / Controller 崩溃、Git 不可达等常见故障如何治理?
高级 · 新题
写入变慢、磁盘占用暴涨,怀疑后台 Part 合并(merge)跟不上,如何定位与治理?
高级 · 新题
什么是混沌工程?它和普通的故障演练、容灾测试有什么本质区别?
初级 · 新题
混沌工程实验的标准流程是怎样的?如何定义「稳态指标」(Steady State)?
中级 · 新题
要在生产环境对支付服务做一次「杀掉一个 Pod」的混沌实验,怎么设计才能既验证韧性又最小化影响?
中级 · 新题
引入混沌工程后,某次实验引发了雪崩(连锁故障),复盘时该从哪些维度归因?
中级 · 新题
常用的混沌工程工具(如 Chaos Mesh、Gremlin、Litmus)各自适合什么场景?能注入哪些故障类型?
中级 · 新题
如何把混沌工程融入 CI/CD 和 SLO 体系,让它成为常态化工程实践而非一次性活动?
高级 · 新题
设计一个「混沌工程平台」的核心架构:要支持多集群、多故障类型、自动编排与结果判定,你怎么落地?
高级 · 新题
GitHub Actions 里 workflow、job、step、action 分别是什么?它们之间的关系是怎样的?
初级 · 新题
如何配置一个 workflow,仅在推送到 main 分支、以及对 main 的 PR 时触发,并限制并发避免重复运行?
中级 · 新题
如何在 GitHub Actions 中缓存依赖(npm / yarn / pip / maven)以显著加速构建?写出关键步骤。
中级 · 新题
在线刷SRE站点可靠性工程师题 →