云可观测性工程师考试试卷与答案

云可观测性工程师考试试卷与答案一、单项选择题（每题2分，共20分）1.云可观测性的“三支柱”不包括以下哪项？A.指标（Metrics）B.日志（Logs）C.拓扑（Topology）D.追踪（Traces）2.Prometheus的核心数据模型是？A.键值对（KeyValue）B.时间序列数据（TimeSeriesData）C.文档型数据（DocumentData）D.图结构数据（GraphData）3.以下哪项不是OpenTelemetry（OTel）支持的标准化信号类型？A.指标（Metrics）B.日志（Logs）C.事件（Events）D.追踪（Traces）4.在Grafana中，用于定义告警规则的组件是？A.DatasourceB.DashboardC.AlertingRuleD.Panel5.结构化日志的典型格式是？A.纯文本字符串B.JSONC.二进制流D.CSV6.以下哪种指标类型适用于统计请求总数？A.Gauge（仪表盘）B.Counter（计数器）C.Histogram（直方图）D.Summary（摘要）7.AWSCloudWatch中用于监控EC2实例的基础指标采集频率是？A.1分钟B.5分钟C.15分钟D.1小时8.分布式追踪中，用于标识一次完整请求链路的全局唯一ID是？A.SpanIDB.TraceIDC.ParentIDD.EventID9.以下哪项是日志聚合工具？A.PrometheusB.JaegerC.ElasticsearchD.Fluentd10.SLO（服务级别目标）的核心是定义？A.服务不可用的最长时间B.服务性能的具体量化目标C.服务故障的响应时间D.服务成本的控制范围二、多项选择题（每题3分，共15分，多选、少选、错选均不得分）1.云可观测性中“数据采集”的常见挑战包括？A.多源数据格式不统一B.数据量过大导致存储成本高C.网络延迟影响实时性D.数据加密需求与分析效率的矛盾2.以下属于Prometheus生态组件的有？A.AlertmanagerB.ExporterC.GrafanaD.Jaeger3.结构化日志的优势包括？A.便于机器解析和查询B.减少存储占用C.支持复杂过滤和聚合D.提升人工阅读体验4.分布式追踪的典型应用场景包括？A.定位跨服务调用的性能瓶颈B.统计服务间调用拓扑关系C.分析请求全链路错误分布D.监控单个服务的CPU使用率5.设计告警策略时需考虑的关键要素有？A.告警阈值的合理性（避免误报/漏报）B.告警接收人的准确性（责任到人）C.告警的收敛机制（避免重复通知）D.告警的上下文信息（如关联指标、日志）三、填空题（每题2分，共20分）1.云可观测性的核心目标是通过________、________、________三类数据，实现对系统状态的全面感知与问题根因分析。2.Prometheus采用________（拉取/推送）模型采集指标，默认通过________协议传输数据。3.OpenTelemetry的核心组件包括________（负责数据接收、处理、导出）和________（各语言的API/SDK）。4.日志的“三要素”通常指________、________、________（如时间戳、日志级别、消息内容）。5.分布式追踪中，一个Trace由多个________组成，每个________表示服务中的一个操作单元。6.SLI（服务级别指标）是SLO的量化依据，例如“HTTP请求的________分位响应时间≤200ms”或“服务可用性≥99.9%”。7.日志存储优化的常见手段包括________（降低采样率）、________（按时间/类型分层存储）和________（删除非必要字段）。8.Grafana中通过________（查询语言）实现对Prometheus指标的可视化，通过________（插件类型）支持多数据源接入。9.云厂商（如AWS、阿里云）的托管可观测性服务通常包括________（监控）、________（日志）、________（追踪）等模块。10.指标的“基数”指________，高基数指标可能导致________（存储/查询）性能下降。四、简答题（每题8分，共40分）1.简述日志、指标、追踪三类数据的关联与区别。2.说明OpenTelemetry在云可观测性中的核心价值，并列举其解决的主要问题。3.设计一个针对电商大促场景的SLO体系，需明确SLI选择、目标值设定及合规周期。4.当用户反馈“下单接口响应慢”时，如何利用可观测性工具进行问题排查？请描述具体步骤。5.对比Prometheus与云厂商托管监控服务（如AWSCloudWatch）的优缺点，说明各自适用场景。五、案例分析题（每题12.5分，共25分）案例背景：某互联网公司的用户支付系统（微服务架构，包含订单服务、支付网关、银行接口服务）近期频繁收到用户投诉“支付失败”，但服务端监控显示各服务CPU、内存使用率正常，错误率指标（HTTP5xx）未超过阈值。问题1：请分析可能导致“支付失败但监控无明显异常”的原因，并说明需补充哪些可观测性数据。问题2：假设通过追踪发现支付网关到银行接口服务的调用延迟高达3s（正常应≤500ms），但银行接口服务自身的CPU、内存指标正常。请进一步定位根因，需结合哪些数据？可能的故障点有哪些？答案一、单项选择题1.C（三支柱为指标、日志、追踪）2.B（Prometheus存储时间序列数据）3.C（OTel支持指标、日志、追踪）4.C（Grafana通过AlertingRule定义告警）5.B（结构化日志常用JSON格式）6.B（Counter用于累加计数）7.A（CloudWatch基础监控每1分钟）8.B（TraceID标识完整请求链路）9.D（Fluentd是日志聚合工具）10.B（SLO是量化的性能目标）二、多项选择题1.ABCD（均为数据采集常见挑战）2.AB（Alertmanager、Exporter属于Prometheus生态）3.AC（结构化日志便于机器解析和复杂查询，但可能增加存储；人工阅读体验可能下降）4.ABC（追踪用于跨服务分析，CPU监控属于指标范畴）5.ABCD（均为告警策略设计要素）三、填空题1.指标、日志、追踪2.拉取、HTTP/HTTPS（或HTTP）3.OpenTelemetryCollector、OpenTelemetrySDK4.时间戳、日志级别、消息内容（或其他合理组合，如服务名、请求ID）5.Span、Span6.95th（或90th、99th等具体分位）7.采样、分层存储、字段裁剪（或字段过滤）8.PromQL、Datasource插件9.CloudWatch（或类似）、CloudWatchLogs（或SLS）、XRay（或类似追踪服务）10.指标标签组合的唯一性数量、存储/查询四、简答题1.关联：三类数据互补，共同描述系统状态。例如，指标（如错误率）可触发告警，日志（如错误堆栈）提供具体原因，追踪（如调用链路）定位故障节点。区别：指标：结构化、聚合数据（如QPS、延迟分位），侧重趋势分析；日志：非结构化/半结构化事件记录（如请求详情、异常信息），侧重细节追溯；追踪：跨服务调用的时间链（如Span的开始/结束时间），侧重链路依赖分析。2.核心价值：提供统一的数据采集、标准化和导出规范，解决多工具数据孤岛问题。解决的问题：不同监控工具（如Prometheus、Jaeger）的数据格式不兼容；开发人员需为每种工具单独集成SDK（如同时接入指标、日志、追踪）；云厂商与自建系统的数据难以统一管理。3.SLO体系设计：SLI选择：支付成功率（成功支付数/总支付数）、支付响应时间（95th分位）、服务可用性（正常运行时间/总时间）；目标值：大促期间支付成功率≥99.5%（日常99.9%），95th响应时间≤500ms（日常300ms），可用性≥99.95%；合规周期：按大促活动周期（如24小时）计算，避免短时间波动影响结果。4.排查步骤：①确认问题范围：通过用户反馈时间、地域，筛选对应时间段的请求；②检查全局指标：查看下单接口QPS、错误率、95th响应时间是否异常；③分析追踪数据：定位慢调用Span（如数据库查询、第三方接口调用）；④关联日志：获取慢Span对应的服务日志（如SQL执行语句、第三方接口返回码）；⑤验证假设：如数据库慢查询（检查索引是否缺失）、第三方接口限流（查看调用日志中的错误信息）；⑥复现与修复：通过压测验证优化效果，更新监控告警规则。5.对比与适用场景：Prometheus：优点：开源灵活，支持自定义Exporter，社区生态丰富（如Alertmanager）；缺点：需自建运维（存储、扩容），对云资源（如Serverless）支持较弱；适用场景：自建数据中心、混合云架构、需要深度定制监控的场景。云厂商托管服务（如CloudWatch）：优点：与云资源（EC2、Lambda）无缝集成，自动采集基础指标，提供可视化控制台；缺点：自定义能力有限（如指标格式、告警规则），长期存储成本高；适用场景：纯云架构（如AWS）、需要快速上手的中小团队。五、案例分析题问题1：可能原因：错误未被正确分类（如银行接口返回4xx错误未被服务端标记为5xx）；部分请求未被监控覆盖（如异步回调、跨可用区请求）；业务逻辑错误（如库存校验失败，但未触发HTTP错误码）；日志采样导致关键错误被丢弃。需补充的数据：业务日志（如支付失败的具体原因：库存不足、银行卡余额不足）；自定义指标（如支付失败类型分布：银行拒绝、业务校验失败）；全链路追踪（覆盖异步回调链路）；客户端日志（用户端报错信息，如网络中断）。问题2：需结合的数据：支付网关与银行接口的网络指标（如延迟、丢包率、DNS解析时间）；银行接口的请求日志（如请求参数、返回报文、调用时间戳）；支付网关的连接池指标（如最大连接数、