13.17 自测清单
所属:全栈开发面试题库 / 学习路径 / 13 DevOps 与 SRE
按阶段分组的自测勾选项。每条都是可观察、可验证的行为,不是大词。全部勾完说明整条路径走完了。
阶段 0 Linux 与网络基础
- [ ] 能用 ps/top/ss 把进程、CPU、内存、端口对应起来
- [ ] 能写一个 systemd unit 文件让服务自启并崩溃拉起
- [ ] 能用 dig/curl -v/ss 分层定位一次接口不通(DNS→TCP→HTTP)
- [ ] 能用 df/du/lsof 定位磁盘占用,发现删了文件未释放的场景
- [ ] 能配 SSH 密钥登录、禁 root 远程登录、禁密码登录、开 UFW
- [ ] 能用 journalctl 按服务名和时间范围过滤日志
- [ ] 能配 logrotate 让日志按天切割压缩
阶段 1 Shell 与脚本工程
- [ ] 能写一个带参数校验、错误处理的部署脚本(set -euo pipefail)
- [ ] 能用 awk 从日志里统计错误数或按字段聚合
- [ ] 能配 cron 定时任务,知道 cron 环境变量和交互式 shell 的区别
- [ ] 能用 grep/sed 批量修改配置文件
- [ ] 能写出脚本的帮助信息和用法说明
阶段 2 容器与镜像
- [ ] 能写多阶段 Dockerfile,把 800MB 镜像压到 100MB 以下
- [ ] 能说清镜像分层、容器层、数据卷的关系
- [ ] 能用 docker compose 一键拉起多服务环境
- [ ] 能说清容器删了为什么数据会丢,怎么避免
- [ ] 能把镜像推到私有仓库,tag 用 git sha 而非 latest
- [ ] 能用 docker exec 进容器排查问题(即使容器里没有 curl)
阶段 3 Kubernetes 编排基础
- [ ] 能画出 Pod/Container/Service/Deployment 的关系
- [ ] 能说清 Deployment、StatefulSet、DaemonSet 的适用场景
- [ ] 能配 liveness/readiness 探针,避免错误重启
- [ ] 能给 Pod 配合理的 requests/limits,不浪费也不 OOM
- [ ] 能用 Ingress 暴露 HTTP 服务,配 TLS 证书
- [ ] 能用 Helm 部署一个复杂应用,理解 values.yaml 的覆盖逻辑
- [ ] 能说清 Service 是怎么找到后端 Pod 的(label selector + endpoints)
阶段 4 CI/CD 与发布流水线
- [ ] 能写一条 CI 流水线:lint → test → build 镜像 → 推仓库
- [ ] 能用 Argo CD 把 Git 里的 YAML 同步到 K8s 集群
- [ ] 能说清 CI 与 CD 的边界、push 模式与 pull 模式的区别
- [ ] 能演示一次滚动发布,过程中零停机
- [ ] 能在 30 秒内回滚到上一个版本
- [ ] 能说清滚动、蓝绿、金丝雀三种发布策略的适用场景
- [ ] 能用 Kustomize 拆 base + dev/staging/prod 多环境 overlay
阶段 5 可观测性与告警
- [ ] 能说清 counter/gauge/histogram 三种指标类型的区别
- [ ] 能写出 QPS、错误率、P99 的 PromQL 查询
- [ ] 能用 Grafana 搭一个业务看板,含 QPS/P99/错误率
- [ ] 能用 Loki 按 traceId 把一次请求在多个服务里的日志串起来
- [ ] 能给两个服务间配 OpenTelemetry 链路追踪,看到完整 span 树
- [ ] 能配一条 page 级告警,触发时 oncall 能收到通知
- [ ] 能说清告警为什么要分级、为什么要加 for 持续时间
阶段 6 配置与密钥、安全基线
- [ ] 能说清 Secret 是 base64 不是加密,并使用 Sealed Secrets 或 Vault
- [ ] 能给 Pod 配 non-root、只读根文件系统、禁止提权
- [ ] 能配默认拒绝的 NetworkPolicy,再按需放行必要流量
- [ ] 能给每个应用配独立的 ServiceAccount 和最小权限 Role
- [ ] 能跑一次 Trivy 镜像扫描并输出高危漏洞清单
- [ ] 能说清密钥轮换的步骤(先加新密钥、再切流量、再删旧密钥)
- [ ] 能说清 ConfigMap 环境变量和 volume 挂载的区别
阶段 7 容量、成本与故障应急
- [ ] 能从单实例压测结果算出目标实例数,并加冗余
- [ ] 能配 HPA,流量涨时自动加 Pod,流量降时自动缩
- [ ] 能分析云账单,找出成本大户并给出降本建议
- [ ] 能说清故障应急的角色分工(IC/操作员/沟通)
- [ ] 能说清为什么止损优先于根因定位
- [ ] 能写一份含 5 Whys 的复盘报告,每条行动项有 owner 和截止日
- [ ] 能配一份 runbook,新人能照做处理一次常见故障
阶段 8 SRE 进阶(可选)
- [ ] 能给一个核心服务写出 SLI(怎么算)和 SLO(目标是多少)
- [ ] 能算错误预算,并说清预算耗尽时该做什么
- [ ] 能说清变更管理的流程(窗口、审批、回滚、观察)
- [ ] 能做一次小范围混沌实验(杀一个 Pod),验证系统自愈
- [ ] 能写一份无责复盘报告,对事不对人
- [ ] 能说清 SRE 与传统运维的核心区别
综合能力
- [ ] 能从用户报障开始,5 分钟内通过 traceId 定位到慢的那一段
- [ ] 能在不查文档的情况下,说出一次发布从 commit 到生产经过哪几步
- [ ] 能说清「流量翻 3 倍需要多少资源」的计算依据
- [ ] 能说清一次故障从告警触发到恢复的完整时间线
- [ ] 能说清从单机到多集群演进的触发条件,不会提前上复杂架构
- [ ] 能说清 GitOps 为什么比手动 kubectl apply 更可靠
- [ ] 能说清「可观测性」和「监控」的区别