13.14 实战项目阶梯
所属:全栈开发面试题库 / 学习路径 / 13 DevOps 与 SRE
项目按递进关系排列,前一个项目的产出是后一个项目的基础。每个项目给出量化验收指标,指标在本地或测试环境取得,不作为线上容量承诺。建议用自己写过的一个服务(如博客、Todo API、商品查询)作为贯穿全程的部署对象,不要只在教程里敲命令。
项目一:单机服务部署与监控
- 目标:在一台 Linux 机器上把一个 Web 服务用 systemd 跑起来,配 Nginx 反代,接基础监控。
- 规模:1 台机器,1 个服务,1 个数据库。
- 技术点:Linux 命令、systemd unit、Nginx 配置、SSH 密钥登录、UFW 防火墙、基础日志管理、定时备份脚本。
- 完成标准:
- 服务崩溃后 systemd 自动拉起,30 秒内恢复。
- Nginx 反代 HTTP 服务,支持 HTTPS(自签证书即可)。
- 日志按天切割(logrotate),磁盘不被日志占满。
- 数据库每天定时备份,备份文件保留 7 天。
- SSH 用密钥登录,密码登录已禁用,root 远程登录已禁用。
- 简历一句话:在单台 Linux 机器上用 systemd + Nginx 完成一个 Web 服务的部署、监控与安全基线配置,实现崩溃自动恢复与日志轮转。
项目二:容器化与多服务编排
- 目标:把项目一的服务和数据库打成 Docker 镜像,用 Docker Compose 在单机上跑多容器。
- 规模:1 台机器,3 个容器(应用、数据库、缓存)。
- 技术点:Dockerfile 多阶段构建、镜像分层、Docker Compose、数据卷、环境变量配置、私有镜像仓库(可用 Harbor 或 Registry)。
- 完成标准:
- 应用镜像从 800MB 压到 100MB 以下(distroless 或 alpine)。
docker compose up一条命令拉起所有服务,新机器上可复现。- 数据库数据存在 named volume,容器删了数据不丢。
- 配置通过环境变量传入,不同环境(dev/prod)用不同 .env 文件。
- 镜像推到私有仓库,tag 用 git sha 而非 latest。
- 简历一句话:将多服务应用用多阶段 Dockerfile 容器化,镜像体积压缩 90%,通过 Docker Compose 实现一键部署与环境一致性。
项目三:Kubernetes 集群部署与 CI/CD
- 目标:把项目二的服务迁移到 K8s 集群,配 CI/CD 流水线实现 GitOps。
- 规模:1 个 K8s 集群(3 节点),2 个服务,1 个数据库。
- 技术点:K8s Deployment/Service/Ingress、探针、资源 requests/limits、Helm Chart、GitHub Actions 或 GitLab CI、Argo CD GitOps、多环境 overlay。
- 完成标准:
- 服务在 K8s 上跑 Deployment,配 liveness/readiness 探针,杀 Pod 后自动恢复。
- 改 Git 里的部署 YAML,Argo CD 自动同步到集群。
- commit 触发 CI:lint → test → build 镜像 → 推仓库,全流程自动化。
- 滚动发布零停机,回滚 30 秒内完成。
- 多环境(dev/staging)用 Kustomize overlay 隔离配置。
- 简历一句话:搭建基于 Kubernetes + Argo CD 的 GitOps 发布流水线,实现从 commit 到生产部署的全自动化,滚动发布零停机、回滚 30 秒内完成。
项目四:可观测性与告警体系
- 目标:为项目三的服务建三件套(指标、日志、链路),配分级告警。
- 规模:1 个集群,2 个服务,跨服务调用。
- 技术点:Prometheus 指标采集、PromQL 查询、Grafana 看板、Loki 日志聚合、OpenTelemetry 链路追踪、Alertmanager 告警路由。
- 完成标准:
- Prometheus 采集主机、Pod、应用指标,Grafana 看板显示 QPS/P99/错误率。
- Loki 收集容器日志,按 traceId 能把一次请求在两个服务里的日志串起来。
- 两个服务间配 OTel 链路追踪,一次请求能看到完整 span 树。
- 告警分级:page(错误率 > 2% 持续 5 分钟)、ticket(单个 Pod 重启)、info(发布成功)。
- 每条告警附 runbook 链接,误报率 < 20%。
- 简历一句话:搭建 Prometheus + Grafana + Loki + OpenTelemetry 可观测性体系,实现跨服务链路追踪与分级告警,故障发现时间从小时级降到分钟级。
项目五:安全基线与故障应急
- 目标:给项目四的集群做安全加固,建立故障应急流程并做一次演练。
- 规模:1 个集群,安全基线全覆盖,1 次故障演练。
- 技术点:Sealed Secrets、Pod Security Context(non-root/只读 FS)、Network Policy、RBAC、Trivy 镜像扫描、HPA 自动扩缩、故障应急流程、runbook、复盘报告。
- 完成标准:
- Git 仓库里搜不到明文密钥(Sealed Secrets 加密后提交)。
- 所有 Pod 以 non-root 跑,根文件系统只读,禁止提权。
- Network Policy 默认拒绝,只放行必要流量。
- 每个应用用独立 ServiceAccount,RBAC 最小权限。
- HPA 配 CPU 阈值,压测时 Pod 自动扩容。
- 做一次故障演练(杀一个 Pod 或模拟数据库慢查询),按 runbook 恢复,写复盘报告。
- 简历一句话:完成 K8s 集群安全基线加固(non-root、Network Policy、Sealed Secrets、RBAC 最小权限),建立故障应急流程并通过混沌演练验证系统韧性。
项目六:SLO 与容量规划(可选)
- 目标:为核心服务定义 SLO,做一次容量评估,配错误预算追踪。
- 规模:1 个集群,1 个核心服务,完整 SLO 体系。
- 技术点:SLI/SLO 定义、错误预算计算、压测(k6)、容量评估、HPA 优化、变更管理流程。
- 完成标准:
- 核心接口定义 SLI(成功率、P99)和 SLO(月度 99.9%)。
- 错误预算看板实时显示剩余百分比。
- 单实例压测报告给出 QPS/P99/资源占用基线。
- 根据压测结果调整 HPA 阈值和副本数。
- 写一份变更管理 checklist,每次发布有记录和回滚方案。
- 简历一句话:为核心服务建立 SLO 与错误预算体系,通过压测完成容量规划与 HPA 优化,将月度可用性目标从定性描述提升为可量化、可追踪的工程指标。