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
- 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;
- 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;
- 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;
- 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;
- 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