2024年底-Sre面试问题总结-持续更新

这几个缩写贴一下是因为真的会有人问:(

SRE “Site Reliability Engineer”
站点可靠性工程师

SLA “Service Level Agreement”
服务可用性协议

CICD “Continuos Integration Continous Deployment”
持续集成持续部署

3个高频问题

K8s生产环境中处理过哪些复杂 or 印象很深的问题?
答: 举了2个生产案例:

k8s coredns历史调用链路问题, pod -> kube-system(coredns) -> Windows(此时节点出现故障) -> Windows Consul服务失败 | -> localCacheDns -> 优化链路 -> 增加告警
历史配置规范问题: 内网网关Envoy被打爆1台(共2台)、守护进程自启动后因历史配置不规范导致, 所有CDS/EDS没有加载起来, 内网一半调用全卡在网关上报后端超时.

有问题就有复盘, 出现问题要快速定位、解决。
恢复后全面复盘: 包括但不限于链路优化、监控、高可用、故障预案、操作规范等等

Sre和传统运维的区别?
答: 个人理解, SLI、SLO 2个重要指标, 50%运维50%开发、消除琐事、 Oncall、故障前、故障后复盘
监控告警中你是怎么定义它的级别的, 为什么它是Warn或Critical?
答: AlertmanagerRule里的规则大多参考官方, 这块儿内容没有非常细致的区分过, 有些靠个人经验. (其实这个问题应该反馈出整个告警与响应流程, 告警规则应该了解的越细越好)

K8s相关

存储

你们之前的k8s都用过哪些存储? 有没有用过分布式存储, 比如 ceph?
答: 所在场景没用分布式, 常用hostPath、emptyDir、nfs、configmap、secret 以及云盘nas。
如果用到nfs, 那单节点的问题怎么解决?
答: 生产用的云盘没用nfs, 也做的有异机备份。| 看方案可以这样 client -> keepalived-> nfs (rsync实时同步)

网络

k8s svc几种类型?
答: ClusterIP、NodePort、LoadBalancer、ExternalName
svc ipHash了解过吗? 除了ipHash 还有哪些?
答: 我理解这部分其实是说 Session affinity会话保持(svc .spec.sessionAffinity), 默认为none, 可以配置为ClusterIP 然后设置timeoutSeconds 会话超时时间
k8s下不同主机的pod通信是怎么实现的底层实现原理?
答: CNI 网络插件, calico、flannel等, 如 Flannel 会在每一个宿主机上运行名为 flanneld 的代理，其负责为宿主机预先分配一个子网，并为 Pod 分配 IP 地址，数据包则通过 VXLAN、UDP 或 host-gw 等后端机制进行转发.
svc是怎么找到后端的pod?
答: svc -> 标签 -> endpoints (pod)
私有化k8s环境下, 如果k8s和外部负载均衡网络通的, 内部服务想暴露到外部有哪几种实现方式?
答: nodePort、ingress、istio…

调度

k8s原生之上的调度上的处理? 假设要调度1批deployment到指定机器不干预其他机器应该如何实现?
答: koordinator-system负载感知和节点亲和性调度、污点+容忍实现
有自己写过k8s operator吗?
答: 无

迁移 (自建机房会有这个趋势)

如果将自建MySQL迁移上云, 怎样做影响最小?
答: 云上的MySQL先建好, 数据从自建上拷贝过去, 然后找业务低峰期, 修改一小部分试点项目的配置, 重启切换读取MySQL地址, 跑一段时间, 如果没问题则可以大范围切换
如果将自建K8s集群迁移到阿里云Ack 迁移流程是怎样的?
答: 1.镜像, 看阿里云上是自建还是直接买服务自建设计到暴露网络的问题, 2.服务, 采用Velero备份导入到集群的方式
云上K8s集群升级迁移是怎么做的?
答: *大版本跨度才会出现升级迁移, 而不是在线升级, 1.测试新集群-高版本下跑服务和组件是否正常 2.新集群准备好所有基础组件 -> 3.再将业务服务备份导入到新集群 -> 4.最后从云负载均衡上迁移流量至新集群有问题则从入口处切换 *

基础问题

云上维护K8s有多少节点? 大概多少个Pod? 自建的k8s集群什么版本及方式
答: 30, 2000Pod, 1.24 3Master/ETCD kubeadm
创建一个Pod的流程?
答: 详细可以看米开朗基扬, 简而言之: 下图可以看虫师技艺
创建一个Deployment会生成哪些资源?
答: 容器、Pod、ReplicaSet
Deployment 和 Statefulset有什么区别? 有状态就不能扩缩容吗?
答: 无状态和有状态, 无状态可以随意创建销毁有状态需要关心各节点的角色和关系, 不能随意替换或重建, 可能影响到数据中断, 影响到服务
Deployment几种升级方式?
答: 滚动升级RollingUpdate 和重新创建Recreate, 默认滚动
ETCD存储哪些东西? 有没有做过增删改查、备份恢复的操作?
答: k8s元数据、集群状态信息, 比如节点状况, deployment 实际yaml等, 增删改查有接口的, 备份是打snapshot快照
k8s如何更新证书?
答: 生成证书、先更新master、再更新node节点
k8s备份怎么做的?
答: 脚本+异机、Velro
k8s中有哪几种健康检查? 为什么要设置3种健康检查方式?
StartupProbe 启动探针, 3者中优先进行检查 , 确保有足够的启动时间
ReadinessProbe 就绪探针, 确保是否准备好接收流量, 如果有问题则摘除对应endpoints流量
LivenessProbe 存活探针, 如果有问题则重启
configmap和secret的区别?
答: 前者存配置信息后者存密钥且base64加密
hpa 应该如何查看? 具体要怎么设置?
答: kubectl get hpa即可, 具体设置cpu或内存的request值为基数、设置扩容阈值、扩缩容副本数
docker中 arm64的镜像是否可以放在amd64机器上运行？
答: 一般不可以, 除非用工具转换也不建议转换
Helm部署流程? Helm chart的作用? 是否可以将同一个chart部署在不同的pod中? 和configmap的区别? 如何更新配置呢?
答: 先repo add仓库update更新, 再install , 如果想自己修改配置, 可以pull 版本, 在install ./目录。
chart 是资源的集合(deploy、svc、rbac…)。
helm install 指定不同的release即可。
helm upgrade更新原有配置。
Dockerfile 是运维制作的吗? 一个java的Dockerfile应该会涵盖哪些内容? 如果想要批量更新应该怎么做? Dockerfile和K8s如何结合使用?
答:
Deployment、Service这种yaml是开发维护的吗? 还是运维发布维护的?
答:

实战问题

Pod遇到过哪些起不来的报错? 你会怎样排查?
答:
K8s中如何保留故障现场? 比如4个pod都挂掉了, 我如何将这个现场保留反馈给研发分析呢?
答:
K8s中如何将不健康节点的流量摘除? pod什么状态下流量会被摘除?
答:
有没有遇到过创建1个Pod 然后出现报错, 然后创建了很多的异常pod的情况? 要怎么解决?
答:

todo…

监控、日志、链路追踪相关

监控

如果你有一个干净的K8s ACK 环境, 需要增加监控和日志你会怎么做?
Prometheus监控体系是怎样的? 用了什么组件? 数据存储多久? 如果想外接存储 365天应该如何实现?
Prometheus监控k8s是什么组件?
Prometheus监控交换机路由器?

CICD相关

现在Jenkins的流程是怎么样的? 除了Jenkins还用过什么CICD? 或者了解过的?
现有CICD优化具体做了哪些?

Linux基础及中间件相关

TCP3次握手
TCP之上https建立流程
TLS双向认证是什么?
https 1年有效期怎么更好的解决？
如果给你一台干净的Linux机器上边跑java进程, 你会对机器做什么初始化?
LVS的几种模式
linux 下有个文件, 有10几层目录, 如何快速找到呢?
linux 系统内核问题夯住了, 能ping通, 应该如何提前监控哪些?
Calico BGP 了解吗?
网卡bond是mod几? 网卡bond中1个网卡坏掉应该如何切换?
MySQL选型是什么? 备份怎么做的?
什么样的文档算是一个好的文档应该包含哪些内容?

Redis相关
- Redis Clusters为什么需要15台? 多大的数据量?
- Redis中key是怎么释放? 是直接释放吗?
- - 答: 1.惰性删除(当客户端尝试访问一个Key时，Redis首先会检查该Key是否过期。如果Key已过期，Redis会在访问时立即将其删除，以确保过期数据不再被访问和占用内存)
- - 2.定期删除(根据配置时间来定期清理)
- Redis当我set一个key是这个内存是如何分配的?
- - 答: 1.预分配 (会有预留空间, 当实际需要的空间大于预分配的空间时，Redis会自动扩展内存以适应新的需求)
- - 2.惰性释放 (当字符串的长度超过了预分配的空间，Redis会自动释放多余的内存)
ES相关
- ES的索引声明周期管理流程?
- 答: ILM管理, hot频繁读写、warm只读、cold不在查询、delete删除
- ES单节点, 如果上限是1000索引, 但是只跑了500 就提示满了是为啥应该排查哪些?
- - 答: 内存限制、磁盘、文件句柄、参数配置了上限
- ES有没有被打爆的情况? 原因是什么?