04.2.2.5 进程管理、部署与线上监控
所属:全栈开发面试题库 / 04 后端语言与运行时 / 04.2 Node.js / 04.2.2 工程化与性能诊断
04.2.2.5-001 生产环境为什么需要进程管理器?
一句话结论
进程管理器负责崩溃自动重启、多实例管理、日志收集、重载与监控;裸 node app.js 退出后无人拉起,故障期间服务不可用。
概念解释
Node 进程可能因未捕获异常、OOM、依赖故障退出。管理器在进程失败后按策略重启,并提供运行状态与日志入口,是生产部署的基础层。
原理流程
- 管理器拉起应用进程。
- 监听退出事件,异常退出按策略重启。
- 收集日志、状态指标,支持重载与停止。
代码或图示
pm2 start app.js -i max
常见误区
- 进程管理器能修复代码 bug:它只负责拉起与运维,根因仍要修。
- 容器内不需要管理器:容器编排本身承担守护职责,进程内不再叠加 PM2。
追问
- 常见管理器?答:PM2、systemd 服务、容器编排平台,按部署形态选择。
- 管理器提供哪些能力?答:崩溃重启、进程数管理、日志聚合、重载、监控与开机自启;容器内由编排承担这些职责。
04.2.2.5-002 PM2 的 cluster 模式做了什么?
一句话结论
PM2 cluster 按配置 fork 多个工作进程共享端口,内置负载均衡与守护;相当于在 PM2 管理下使用 Node cluster 能力利用多核。
概念解释
fork 模式每进程独立端口,cluster 模式共享端口分发连接。cluster 适合多核并行服务,进程数由配置与机器资源决定。
原理流程
- PM2 读取实例数配置。
- fork 工作进程并共享监听句柄。
- 监控退出状态,异常重启,聚合日志。
代码或图示
// ecosystem.config.js
module.exports = {
apps: [{ name: 'api', script: 'app.js', instances: 'max', exec_mode: 'cluster' }],
};
常见误区
- cluster 模式是多线程:仍是多进程,各有独立内存与事件循环。
- 实例数写死 max 适合所有环境:容器/受限资源下需按可分配核数调整。
追问
- 待确认:PM2 负载均衡策略与版本行为,以工具当前文档为准。
- 怎么启动集群?答:
pm2 start app.js -i max(或指定实例数);底层用 cluster 模块派生多进程。
04.2.2.5-003 重启策略如何设计?
一句话结论
区分异常退出与主动退出,配重启次数上限、退避间隔与内存/时间阈值重启;避免崩溃循环占满 CPU,反复崩溃时上报告警而非无限拉起。
概念解释
立即无限重启放大故障。策略应包含:崩溃重启、内存超阈值重启、最小重启间隔、次数上限与告警出口。
原理流程
- 进程退出触发管理器。
- 判断退出码/信号与重启原因。
- 按退避策略拉起;超限或高频崩溃则告警停止。
代码或图示
退出 → 分类原因 → 退避等待 → 重启 ≤ 上限 → 高频崩溃告警
常见误区
- 配置成永远立即重启:致命 bug 下崩溃-重启循环消耗资源。
- 内存阈值重启不设观察窗口:瞬时峰值被误判为泄漏。
追问
- 内存重启阈值怎么定?答:压测峰值留余量,结合观察窗口避免抖动重启。
- 有哪些重启方式?答:按退出码/信号重启、内存超阈值重启、定时或手动重启;需配退避与观察窗口。
04.2.2.5-004 零停机重载如何实现?
一句话结论
逐个替换工作进程:先起新实例就绪接流量,旧实例停止接新连接并 drain 在途请求后退出;全程保持有健康实例对外服务。
概念解释
整批重启存在无实例空窗。滚动替换把发布影响控制在单个实例,配合健康检查与摘流,旧进程处理完存量请求再终止。
原理流程
- 启动新 worker 并等待就绪。
- 负载层把新实例纳入流量。
- 旧 worker 摘流、drain、退出,继续替换下一个。
代码或图示
pm2 reload app.js
常见误区
- reload 同时杀掉所有进程:正确滚动是逐个替换。
- 旧进程立即退出:在途请求被切断,需等待 drain。
追问
- 长连接怎么处理?答:发布前评估连接时长,必要时优雅关闭或分批迁移。
- PM2 reload 怎么做?答:逐个重启实例,旧实例处理完存量连接后退出,保持任一时刻有实例接流量。
04.2.2.5-005 线上应该监控哪些 Node 专项指标?
一句话结论
除 CPU、内存、句柄/连接数外,重点看事件循环延迟、堆用量趋势、GC 频率与停顿、请求量/错误率/延迟,以及队列长度与重启次数。
概念解释
通用主机指标看不出 JS 层阻塞。事件循环延迟反映主线程是否被长任务占用;堆趋势判断泄漏;重启次数反映稳定性。
原理流程
- 采集运行时指标并按进程维度聚合。
- 对照基线看延迟、堆、句柄趋势。
- 异常指标关联日志与追踪定位。
代码或图示
主线程:事件循环延迟 · GC 频率/停顿 · 堆/RSS
资源:句柄 · 连接池 · 队列长度 · 重启次数
业务:QPS · 错误率 · p95/p99 延迟
常见误区
- 只监控 CPU 与内存:主线程阻塞可能 CPU 不高但延迟飙升。
- 只看整机汇总:个别进程异常被平均值掩盖。
追问
- 事件循环延迟怎么采样?答:用
perf_hooks.monitorEventLoopDelay采集直方图。 - 还应看哪些指标?答:事件循环延迟、堆/堆外内存、句柄/连接数、请求 P99 延迟与错误率、队列在途数。
04.2.2.5-006 monitorEventLoopDelay 给出什么数据?
一句话结论
它采样事件循环调度延迟直方图,输出分位数(min/p50/p99/max 等)与样本计数,用于判断主线程是否被长任务卡住。
概念解释
延迟是“任务到期到实际被调度”的等待时间。直方图分位数比平均值更能反映长尾卡顿;持续升高指向主线程阻塞。
原理流程
- 创建并启用采样器,设置分辨率。
- 周期性读取直方图分位数。
- 对比基线,长尾升高时录制 CPU profile 定位长任务。
代码或图示
const { monitorEventLoopDelay } = require('perf_hooks');
const h = monitorEventLoopDelay({ resolution: 20 });
h.enable();
// 读取 h.percentile(99) 等
常见误区
- 平均值低就没有卡顿:p99 长尾可能已严重影响个别请求。
- 延迟升高一定是代码慢:也可能是主线程被其他长任务占住。
追问
- 待确认:分位数 API 名称与字段以当前版本文档为准。
- 怎么采集延迟?答:
new perf_hooks.MonitorEventLoopDelay({ resolution }),start() 后取percentile(p99)与 max。
04.2.2.5-007 进程如何处理退出信号做优雅关闭?
一句话结论
监听 SIGTERM/SIGINT,停止接收新连接,等待在途请求与连接 drain,关闭连接池/定时器/订阅后退出;设强制超时兜底。
概念解释
直接退出丢弃缓冲与在途请求。优雅关闭把状态收尾做完整:摘流 → 处理存量 → 释放外部资源 → 退出。
原理流程
- 信号到达,标记关闭中。
- server 停止 listen,通知健康检查摘流。
- 等待存量完成,释放资源,超时强制退出。
代码或图示
process.on('SIGTERM', () => {
server.close(() => { db.end(() => process.exit(0)); });
});
常见误区
- 关闭路径只关服务不关数据库连接:连接被强制占用到超时。
- 不设超时兜底:卡住的连接拖住发布流程。
追问
- 待确认:不同平台信号名称与默认行为,以部署环境为准。
- 监听哪些信号?答:
SIGTERM(优雅终止)、SIGINT(中断);收到后停止接新请求、关闭连接池、等待在途任务。
04.2.2.5-008 日志应该记录哪些内容,如何避免日志拖垮服务?
一句话结论
记录请求标识、关键路径、错误堆栈与业务结果;按级别采样,异步写入,避免在请求路径同步打大对象,日志量与级别受配置控制。
概念解释
日志是排查依据,但同步格式化大对象、阻塞写盘会占用主线程。结构化日志便于检索,采样控制高并发下的日志体积。
原理流程
- 入口生成 requestId 贯穿链路。
- 关键节点记录级别化日志。
- 日志异步输出,敏感信息脱敏,采样降级。
代码或图示
logger.info({ requestId, event: 'order_created', orderId });
常见误区
- 把整个请求体/响应体打进日志:体积大且可能含敏感数据。
- 同步写大日志阻塞事件循环:应异步落盘或交日志采集。
追问
- 错误日志必备字段?答:错误消息、堆栈、requestId、时间与上下文标识。
- 日志怎么异步化?答:用日志库异步批量落盘或交采集代理;避免在请求路径同步写大日志。
04.2.2.5-009 环境配置如何按环境区分?
一句话结论
通过环境变量注入配置(数据库地址、端口、密钥引用),代码不写死环境差异;区分开发、预发、生产默认值,启动时校验必填项。
概念解释
配置与代码分离便于同一构建产物部署到不同环境。敏感值不进代码仓库,运行时从环境/配置服务读取并校验。
原理流程
- 进程启动读取环境变量。
- 缺必填配置时快速失败并提示。
- 按环境选择默认值与日志级别。
代码或图示
const port = Number(process.env.PORT || 3000);
if (!process.env.DB_URL) throw new Error('DB_URL 未配置');
常见误区
- 在代码里写生产地址/密钥:违反配置分离与隐私规则。
- 启动不校验配置:缺项拖到运行时才暴露。
追问
- 待确认:配置注入方式随部署平台不同,按实际环境核对。
- 配置从哪来?答:环境变量、配置文件或注入密钥管理;启动时校验必填项并给清晰报错。
04.2.2.5-010 容器化部署 Node 要注意什么?
一句话结论
单容器单进程、正确转发信号、按容器限额设置内存与实例数,日志输出到标准输出由采集层收集,不在容器内再套进程管理器。
概念解释
容器编排负责守护与重启。容器内多进程会让信号传递、日志归属与资源边界复杂化;内存与 CPU 限额要在应用配置中体现。
原理流程
- 容器启动单进程并接收信号。
- 按限额设定堆上限与实例数。
- 日志走 stdout/stderr,由平台采集。
代码或图示
单进程 · 信号转发 · 限额匹配 · stdout 日志 · 不内嵌 PM2
常见误区
- 容器里跑 PM2 守护:编排层已承担守护,重复管理增加复杂度。
- 按宿主机核数设实例:应以容器可分配限额为准。
追问
- 待确认:容器内 CPU/内存限额读取方式,以编排平台文档为准。
- 为什么不按宿主机核数?答:容器有 CPU/内存限额,实例数与资源应按限额和副本调度评估。
04.2.2.5-011 启动失败如何快速排查?
一句话结论
先看启动日志与退出码,区分配置缺失、端口占用、依赖连接失败、模块加载错误与语法/版本不兼容;最小化启动逐步定位。
概念解释
启动阶段错误多为同步或顶层初始化失败。按“配置 → 依赖连接 → 模块加载 → 运行时版本”顺序排查,比通读全量日志高效。
原理流程
- 读取退出码与启动堆栈。
- 核对环境变量与端口占用。
- 检查依赖连通性、Node 版本与模块兼容性。
代码或图示
退出码/堆栈 → 配置校验 → 端口/依赖 → 模块加载 → 版本兼容
常见误区
- 反复重启不看首条错误:启动日志首条根因常被后续重试淹没。
- 忽略版本差异:语法/API 不兼容在旧版本直接启动失败。
追问
- 端口占用怎么查?答:按平台工具查看占用该端口的进程并释放。
- 先看什么?答:首条错误信息与堆栈、Node 版本兼容性、端口/依赖/配置缺失,再看后续重试日志。
04.2.2.5-012 健康检查应该检查什么?
一句话结论
存活检查反映进程是否在运行;就绪检查反映能否接流量(依赖可达、初始化完成);两者分开,避免依赖抖动时被误杀。
概念解释
liveness 失败触发重启,readiness 失败只摘流。检查内容区分:进程存活、端口监听、关键依赖(DB/缓存)连通性与初始化状态。
原理流程
- 存活探针:进程与事件循环是否响应。
- 就绪探针:依赖与初始化是否完成。
- 未就绪实例不接流量,故障实例按策略重启。
代码或图示
liveness:进程存活/可响应
readiness:依赖可达 + 初始化完成
常见误区
- 健康检查包含重查询:探针频繁打下游会放大压力。
- 依赖不可达就判进程死亡:应摘流而非直接重启。
追问
- 待确认:探针路径与周期配置按编排平台规范设置。
- 探针分哪两类?答:存活探针(liveness,失败重启)与就绪探针(readiness,失败摘流);检查保持轻量。
04.2.2.5-013 多副本下连接池如何配置?
一句话结论
总数据库连接上限 = 副本数 × 单副本池大小,需在数据库可承受范围内;按并发与等待时间反推单池大小,避免连接数打爆下游。
概念解释
每个进程独立建池,副本数放大总连接。配置时先定数据库总连接预算,再分摊到单副本,结合慢查询与连接等待调整。
原理流程
- 确定数据库最大连接预算。
- 按副本数分摊单副本池上限。
- 压测连接等待与吞吐,回调池大小。
代码或图示
总连接预算 ÷ 副本数 = 单副本池上限
常见误区
- 每副本池配很大:总连接随副本数线性增长,压垮数据库。
- 池满排队无超时:连接等待应设上限与降级。
追问
- 待确认:连接池参数语义按所用驱动/库文档核对。
- 总连接怎么估算?答:单池大小 × 副本数 ≤ 数据库连接上限;池满要有排队上限与降级策略。
04.2.2.5-014 崩溃与异常如何告警联动?
一句话结论
进程退出、未处理异常、错误率与延迟阈值、内存/句柄持续增长都应触发告警;告警带进程标识、退出码与日志链接,便于快速定位。
概念解释
监控指标需要阈值与通知出口。告警分级:进程反复重启、错误率飙升为紧急;缓慢内存增长为观察项。
原理流程
- 指标采集并设基线阈值。
- 越限触发通知渠道。
- 附带进程 id、退出码、日志与快照链接。
代码或图示
退出事件 · 错误率 · 延迟长尾 · 堆/句柄趋势 → 阈值 → 告警 + 上下文
常见误区
- 只告警不附上下文:排查还要重新捞日志,响应变慢。
- 阈值过松:泄漏类缓慢增长被长期忽略。
追问
- 待确认:告警渠道与分级规范按团队运维约定。
- 告警应带什么?答:进程/实例标识、退出码与信号、错误堆栈、requestId、时间与最近日志上下文,并按级别分级。
04.2.2.5-015 如何区分进程级问题与机器级问题?
一句话结论
单进程指标异常而整机平稳指向应用问题;整机 CPU/内存/磁盘/网络饱和则是机器资源问题;按进程维度与主机维度指标对比判断。
概念解释
多进程同机部署时,故障可能来自某一进程或整机资源耗尽。分层指标(主机 → 进程 → 请求)帮助定位边界。
原理流程
- 看主机层资源是否饱和。
- 对比各进程指标分布。
- 定位是单进程泄漏/阻塞,还是整机容量不足。
代码或图示
主机饱和 → 机器级问题
单进程异常、主机平稳 → 应用进程问题
常见误区
- 整机 CPU 高就改应用:可能是其他进程或系统负载占用。
- 只看应用日志:主机磁盘/网络问题也会表现为请求失败。
追问
- 待确认:主机指标采集方式按监控栈配置。
- 怎么区分进程与机器问题?答:对比主机整体 CPU/内存/磁盘/网络与单进程指标;其他进程或系统资源耗尽属机器级问题。
04.2.2.5-016 发布与回滚流程要注意什么?
一句话结论
先在预发验证,滚动发布保持健康实例;保留上一版本制品可快速回滚,发布期间监控错误率与延迟,异常立即停止并回退。
概念解释
发布风险包括配置变更、依赖迁移与代码缺陷。流程上先验证、分批放量、可回退,发布后观察关键指标窗口。
原理流程
- 预发跑通冒烟与回归。
- 滚动替换实例,观察指标。
- 异常停止发布并回滚到上一制品。
代码或图示
预发验证 → 滚动发布 → 指标观察 → 异常回滚
常见误区
- 不保留旧制品:回滚时无法快速恢复。
- 发布后不观察窗口:延迟与错误率问题滞后暴露。
追问
- 配置变更与代码变更分开?答:可独立回退的变更分开发布,降低耦合风险。
- 回滚要点?答:保留上一版本制品与配置,发布后观察错误率/延迟窗口;配置与代码变更尽量分开。
04.2.2.5-017 如何评估单实例资源水位是否合理?
一句话结论
用压测得到峰值 CPU、堆、RSS、句柄与延迟,对比实例限额留安全余量;水位长期过高需扩容或优化,过低可缩容。
概念解释
资源水位要结合峰值与长尾。只看平均利用率会掩盖突发;堆与句柄趋势也要纳入水位评估。
原理流程
- 压测覆盖峰值与突发流量。
- 记录各资源峰值与 p99 延迟。
- 对照限额判断余量,决定扩容/优化/缩容。
代码或图示
压测峰值 CPU/堆/RSS/句柄 + p99 延迟 → 对比限额 → 余量评估
常见误区
- 按平均利用率定容量:突发峰值可能超限。
- 只评估 CPU:内存/句柄先耗尽同样导致故障。
追问
- 待确认:容量水位阈值按业务 SLA 与部署规范确定。
- 看哪些峰值?答:CPU、内存、句柄/连接数的峰值与 P99 水位,预留突发余量,不只看平均值。
04.2.2.5-018 线上 Node 问题排查的整体顺序是什么?
一句话结论
先看业务现象与指标(错误率/延迟/重启),区分主线程阻塞、内存/句柄泄漏、下游依赖故障与机器资源问题,再用对应工具取证并回归。
概念解释
按“现象 → 分层定位 → 取证 → 修复 → 回归”推进:先缩小范围到层级,再选诊断手段,避免直接抓大快照或盲目重启。
原理流程
- 汇总告警、日志与指标趋势。
- 分层判断主机/进程/下游/主线程。
- 取证(profile/快照/探针),修复后压测回归。
代码或图示
现象与指标 → 分层定位 → 取证工具 → 修复 → 回归验证
常见误区
- 一上来重启进程:现场丢失,难以定位根因。
- 只修表象(加内存/扩容):未解决阻塞或泄漏根因会复发。
追问
- 待确认:当前版本可用诊断接口与工具链,结合运行时文档核对。
- 标准排查顺序?答:先保现场(日志/快照/报告)→ 定位层级(主线程/内存/句柄/下游)→ 复现与验证 → 修复并回归。
- 待确认:当前版本可用诊断接口与工具链,结合运行时文档核对。