大厂运维工程师高频面试题（含真实详细答案）

大厂运维工程师高频面试题（含真实详细答案）一、Linux基础高频题（必考）1、说说你常用的Linux命令，以及日常工作怎么用？详细答案：日常运维主要用文件操作、进程排查、日志查看、网络、磁盘五大类命令：文件操作：ls、cd、mkdir、rm、cp、mv，工作中最注意rm风险，线上删除文件我都会先ls确认、尽量用rm-rf针对单个文件/目录，禁止批量删根目录相关；编辑文件用vi/vim，改配置前必cp备份原文件。日志查看：cat、tail-f、tail-n、less、grep，线上排查问题基本实时tail刷新日志，结合grep过滤报错关键词，比如error、timeout、exception。进程管理：ps-ef、psaux、top、htop、kill、kill-9，排查卡顿、服务挂死，先top看CPU、内存占用，再ps查进程详情，普通终止用kill，僵死无响应进程才用kill-9。磁盘空间：df-h看整体磁盘占用，du-sh查目录大小，线上经常遇到磁盘爆满导致服务异常，优先查日志目录、缓存目录。权限用户：chmod、chown、useradd、groupadd，线上服务目录严格控制权限，防止权限过大导致安全风险。2、软链接和硬链接的区别？工作中什么时候用？详细答案：1）硬链接：和原文件共用同一个inode，相当于文件别名，只能针对文件、不能跨分区、不能针对目录，删除原文件硬链接依然可用。2）软链接：相当于Windows快捷方式，独立inode，可跨分区、可针对目录和文件，原文件删除后链接失效、变红报错。工作场景：线上基本只用软链接。比如版本迭代，把新版本程序目录做软链接指向统一启动目录，切换版本只需要改软链接，不用改启动脚本，回滚也非常快。硬链接工作中几乎不用，局限性太大。3、Linux权限755、775、644分别代表什么？线上目录文件权限规范？详细答案：权限分为所有者、所属组、其他用户，r=4、w=2、x=1。755：所有者读写执行，组和其他只读执行，目录默认权限，保证所有人可以进入目录查看文件，不能修改。644：所有者读写，组和其他只读，文件默认权限，普通配置文件、日志文件全部用644，禁止执行权限，防止恶意执行。775：多了组用户读写权限，一般多人维护的项目目录会用，普通线上服务不会用，权限偏大。线上规范：目录统一755、普通文件644，脚本文件755，严禁出现777权限，安全风险极高。4、怎么排查服务器CPU100%问题？完整排查流程？详细答案：我线上固定排查步骤，快速定位问题：1、top命令查看整体CPU占用，排序找到占用最高的进程PID和进程名；2、top-H-p进程PID，查看该进程下哪个线程占用CPU最高；3、printf"%x\n"线程ID，转为16进制；4、jstack（Java）/pstack打印堆栈，定位代码死循环、死锁、频繁GC问题；5、查看服务日志、系统日志/var/log/messages，确认是否是接口雪崩、请求暴涨、代码bug导致；6、临时处理：负载过高影响业务时，先重启服务临时恢复，再定位根因优化，避免直接重启服务器。5、服务器内存爆满怎么排查？buff/cache过高怎么清理？详细答案：排查步骤：free-h看整体内存，top看进程实际内存占用，很多时候不是服务吃内存，是系统buff/cache占用过高。buff/cache是系统文件缓存，Linux会尽量利用空闲内存做缓存，不属于内存泄漏，但过高会导致应用可用内存不足。手动清理缓存（线上安全操作）：sync#先同步数据到磁盘echo3>/proc/sys/vm/drop_caches根本解决：定时清理日志、清理无用缓存文件、优化服务内存参数，不要频繁手动清缓存，属于临时应急方案。二、网络基础高频题1、TCP和UDP的区别？工作中哪些服务用TCP、哪些用UDP？详细答案：TCP：面向连接、可靠传输、有三次握手四次挥手、有重传、有序、速度慢，适合对数据完整性要求高的场景。UDP：无连接、不可靠、无重传、速度快、开销小，适合实时性要求高、允许少量丢包的场景。业务场景：TCP：HTTP/HTTPS、SSH、FTP、数据库、Redis、Nginx所有业务接口，核心业务全部用TCP，不能丢数据。UDP：DNS、视频直播、语音通话、监控数据流，追求实时性，少量丢包不影响整体业务。2、HTTP和HTTPS区别？HTTPS工作流程？详细答案：HTTP：明文传输、端口80、无加密、不安全、容易被抓包、篡改。HTTPS：HTTP+SSL/TLS加密、端口443、传输加密、防抓包篡改、安全合规。HTTPS流程：1、客户端发起连接请求，携带支持的加密套件；2、服务端返回证书、公钥、选定加密算法；3、客户端验证证书合法性（有效期、域名、是否可信CA）；4、客户端生成随机密钥，用服务端公钥加密后发送；5、服务端私钥解密得到随机密钥；6、双方通过对称密钥加密传输业务数据。3、接口超时、访问不通，你的完整排查思路？详细答案：我是从外到内、从网络到服务逐层排查，不瞎猜：1、先测网络连通：ping域名/IP，telnet/ss测端口是否通，判断是网络不通还是端口没监听；2、DNS排查：nslookup/dig解析域名，确认是否解析错误、DNS污染；3、防火墙排查：服务器firewalld/iptables、云服务器安全组、公司出口防火墙是否拦截端口；4、服务排查：查看服务是否启动、端口是否监听、进程是否僵死；5、日志排查：Nginx日志、业务日志，看是否是500、502、504、请求超时、数据库阻塞；6、链路排查：内网网关、负载均衡、代理层是否异常。三、Web服务与架构运维（Nginx/集群）1、Nginx常见状态码含义，线上怎么处理？详细答案：只说工作中高频遇到的：200：请求正常。301/302：永久/临时重定向，一般是域名跳转、地址变更。403：权限拒绝，目录权限不足、防盗链、IP黑名单。404：资源不存在，路径错误、文件丢失。500：服务内部错误，代码报错、数据库异常、脚本报错。502BadGateway：后端服务挂了、端口没启、进程崩了、代理不通。504GatewayTimeout：后端接口响应太慢、阻塞、超时，不是服务挂了，是处理慢。499：客户端主动断开连接，一般是用户刷新页面、请求超时退出，高并发场景常见。2、Nginx反向代理和负载均衡原理？常用负载均衡策略？详细答案：反向代理：用户访问Nginx，Nginx替用户转发请求到后端业务服务，用户感知不到后端真实IP，隐藏后端服务、统一入口、做限流缓存。负载均衡：多台后端服务器分担请求，避免单节点压力过大，实现高可用。常用策略：1、轮询：默认，请求依次分发；2、权重weight：性能好的机器权重高，多分请求；3、ip_hash：同一用户IP固定访问一台后端，解决session不一致问题；4、least_conn：最少连接，自动分发到压力最小的机器。3、Nginx高可用怎么搭建？详细答案：大厂标准方案：Nginx+Keepalived双主高可用。两台Nginx服务器配置一致，部署Keepalived，配置虚拟VIP。正常情况下VIP绑定主节点，所有流量走主Nginx；主节点宕机，Keepalived自动检测，秒级切换VIP到备节点，业务无感知。同时配合健康检查，自动剔除异常节点。四、数据库与缓存运维（MySQL/Redis）1、MySQL慢查询怎么排查和优化？详细答案：1、开启慢查询日志，设置阈值（一般1秒），记录执行超过1秒的SQL；2、用mysqldumpslow分析慢日志，定位高频慢SQL；3、explain分析SQL执行计划，看是否没走索引、全表扫描、索引失效；4、优化手段：加合适索引、避免select*、减少like模糊查询、避免大事务、拆分复杂SQL；5、优化数据库配置：调整缓冲池、连接数、超时参数。2、Redis缓存雪崩、穿透、击穿是什么？怎么解决？详细答案：三个问题是线上高频故障，我逐个说实战解决方案：缓存穿透：查询不存在的数据，直接打到数据库，压垮DB。解决：布隆过滤器、空值缓存、接口参数校验。缓存击穿：热点key过期，瞬间大量请求打数据库。解决：热点key永不过期、加互斥锁、续期机制。缓存雪崩：大量key同时过期/Redis宕机，全部请求落库。解决：过期时间加随机值、Redis集群高可用、多级缓存、服务熔断降级。五、监控、告警与日常运维工作1、你用过哪些监控工具？监控指标有哪些？详细答案：线上主要用Prometheus+Grafana、Zabbix、阿里云监控。核心监控指标我日常重点关注：服务器层：CPU、内存、磁盘、负载、网卡流量、TCP连接数；服务层：端口存活、进程存活、QPS、响应时间、错误率；中间件：MySQL连接数、慢查询、主从延迟；Redis内存、命中率、持久化状态；业务层：接口成功率、订单量、用户访问量异常波动。2、日常运维工作流程是什么？上线流程、变更流程？详细答案：大厂规范流程，杜绝随意操作：1、变更前：提交变更工单、写明变更内容、回滚方案、影响范围、执行时间；2、测试环境验证：先测功能、性能、兼容性，确认无问题；3、生产执行：低峰期操作（凌晨/午休），先单台灰度，再全量发布；4、变更后：观察监控、日志、业务指标10-30分钟，确认无异常；5、出现问题：立即执行回滚，优先保证业务可用，再排查根因。六、故障排查实战场景题（面试高分题）1、线上业务突然访问变慢，你怎么处理？详细答案：我遵循「先恢复、后排查、再优化」的运维原则：第一步：先看监控，确认是单机器问题还是全局问题，CPU/内存/磁盘/网络是否异常；第二步：查看Nginx和业务日志，看是否大量超时、报错、慢接口；第三步：排查数据库是否有慢SQL、锁等待，Redis是否命中率低、卡顿；第四步：如果是单节点压力大，先下线该节点、流量切走，临时恢复业务；第五步：定位根因，是流量暴涨、代码bug、资源不足、第三方接口延迟，最后优化整改。2、服务器磁盘爆满，如何快速急救？详细答案：1、df-h确认爆满分区；2、du-sh/*逐层查找大文件、大目录；3、优先清理过期日志、临时文件、缓存文件；4、注意：删除正在被进程占用的日志文件，磁盘空间不会立刻释放，需要重启对应服务或清空文件；5、临时急救后，配置日志切割（logrotate），避免后续再次爆满。七、Shell脚本与自动化运维1、你会写哪些运维脚本？脚本主要用来做什么？详细答案：日常工作常用Shell脚本实现自动化，减少重复手工操作：1、服务启停、重启脚本：统一命令启停服务，避免手工输错命令；2、日志自动清理脚本：定时清理Nginx、业务过期日志；3、服务器巡检脚本：自动检测端口、进程、磁盘、CPU，异常自动告警；4、批量部署、批量修改配置脚本，提高运维效率。简单逻辑会用循环、判断、变量、日志输出，脚本执行全程留日志，方便排查问题。八、运维安全与规范1、线上运维安全注意事项？详细答案：1、禁止root直接登录服务器，普通用户+sudo提权；2、修改配置、删除文件必须先备份，禁止裸操作；3、线上禁止随意执行rm-rf批量删除，禁止随意解压陌生文件；4、服务器定期打补丁、关闭无用端口、关闭多余服务；5、所有线上操作留日志、留工单，可追溯；6、密码定期更换，禁止弱密码，密钥登录替代密码登录。九、面试官常问软性问题1、你理解的运维工作是什么？详细答案：我理解运维