罗罗编程学习记录
本页内容 展开查看

11.2.1 故障排查与稳定性

所属:全栈开发面试题库 / 11 跨领域综合场景题 / 11.2 故障排查与稳定性

知识地图

排查方法论与观测三件套(现象假设验证、指标/日志/Trace、分层下钻)
  → CPU 内存类故障(高负载、OOM、GC、泄漏、线程/句柄、容器限制)
    → IO 磁盘与连接池故障(IO 等待、磁盘空间、慢 SQL、连接耗尽、句柄泄漏)
      → 网络与依赖故障(连通分层、DNS/端口/连接状态、下游慢与熔断、丢包重传)
        → 事故响应与复盘改进(止血定级、根因分析、行动项闭环、SLO 与稳定性建设)

子主题

编号 子主题 核心内容 题数
11.2.1.1 排查方法论与观测三件套 排查流程、告警分级、指标/日志/Trace、分层下钻、假设驱动、变更关联、现场保留、止血优先、工具选用、复现与时间线、慢接口排查 18
11.2.1.2 CPU 内存类故障 CPU 高负载、线程定位、火焰图、死循环/正则/序列化、上下文切换、内存定位、OOM 分类、GC、内存泄漏、堆 dump、直接内存、线程/句柄、缓存膨胀、容器限制 18
11.2.1.3 IO 磁盘与连接池故障 磁盘 IO 定位、iostat/iotop 判读、空间/inode 满、慢 SQL 关联、连接池打满、连接耗尽、长事务、句柄泄漏、日志写爆、网络存储、锁竞争、swap 颠簸、批量任务、MQ 积压、池参数 18
11.2.1.4 网络与依赖故障 分层连通排查、ping/mtr、DNS、端口探测、连接状态、TIME_WAIT/CLOSE_WAIT、下游慢、熔断降级、跨机房抖动、丢包重传、带宽、网关、证书、连接复用、接口兼容、tcpdump 18
11.2.1.5 事故响应与复盘改进 响应流程、定级、止血手段、升级通报、根因方法、时间线、复盘结构、行动项闭环、SLO/SLI 错误预算、稳定性建设、变更管理、演练预案、重试放大、复盘防形式主义、数据事故、重复故障治理、稳定性度量 18

合计 90 题。 每题按「现象 → 假设 → 验证命令 → 判读 → 处置」组织,并承载六段式(一句话结论 / 概念解释 / 原理流程 / 代码或图示 / 常见误区 / 带答案追问);命令与参数可核对,数字标注计算口径,不编造线上数据,版本相关行为标待确认。

学习路径

  1. 先读 11.2.1.1 建立排查方法论与三件套视角,掌握分层下钻与证据闭环;
  2. 再读 11.2.1.2 定位 CPU/内存类故障,会用线程栈、火焰图与堆 dump;
  3. 然后 11.2.1.3 处理 IO、磁盘与连接池类问题,区分慢 SQL、泄漏与容量瓶颈;
  4. 11.2.1.4 掌握网络与依赖故障排查,从连通层到下游服务逐层验证;
  5. 最后 11.2.1.5 落到事故响应、复盘闭环与稳定性建设。

自检清单

  • [ ] 能按「现象 → 假设 → 验证 → 处置」推进排查,并用指标/日志/Trace 交叉印证
  • [ ] 能定位高 CPU 线程到代码,用火焰图识别热点与自占比
  • [ ] 能区分堆内 OOM、堆外/直接内存问题与容器 OOMKilled
  • [ ] 能从 IO 指标定位慢 SQL、连接泄漏与磁盘空间问题
  • [ ] 能分层排查网络连通、DNS、端口与连接状态,识别 TIME_WAIT/CLOSE_WAIT
  • [ ] 能区分下游处理慢、网络慢与本端连接池/超时配置问题
  • [ ] 能按定级、止血、根因、复盘流程组织事故响应,写出可闭环行动项
  • [ ] 能解释 SLO/SLI/错误预算,列举稳定性建设的主要防护机制