https://hangliuc.github.io/tags/sre/Recent content in Sre on HRunningHugo -- gohugo.iozh-cnHRunningWed, 09 Sep 2026 15:51:15 +0800https://hangliuc.github.io/topic/interview/sre/Thu, 04 Dec 2025 18:06:35 +0800https://hangliuc.github.io/topic/interview/sre/<img src="https://hangliuc.github.io/img/cover/sre_interview_cover.png" alt="Featured image of post SRE面试题汇总 | SRE" /><h2 id="slaslosli">SLA、SLO、SLI </h2><ul> <li>SLI（Service Level Indicator）：服务水平指标，用于量化衡量服务表现，例如成功率、延迟和可用性等。</li> <li>SLO（Service Level Objective）：服务水平目标，是针对某个 SLI 设定的目标值，必须明确统计周期或时间窗口，例如“按月统计的可用性不低于 99.9%”。</li> <li>SLA（Service Level Agreement）：服务水平协议，是服务提供方与客户之间约定的服务标准，通常包含 SLO 以及未达标时的补偿或处理方式。</li> </ul> <p>简单来说，SLI 用于衡量实际表现，SLO 是公司内部设定的服务目标，SLA 则是对客户的外部承诺。</p> <h2 id="mttr">MTTR </h2><p>MTTR：平均故障修复时间（Mean Time to Repair）</p> <p>MTTR = 故障修复总时长 ÷ 故障次数</p> <h3 id="如何降低-mttr">如何降低 MTTR？ </h3><h3 id="监控">监控 </h3><ul> <li>完善监控告警体系 <ul> <li>业务指标监控</li> <li>系统指标监控</li> </ul> </li> <li>告警降噪 <ul> <li>告警分级：P1、P2、P3</li> <li>告警升级：当某告警等级为 P2，且在 1 小时内未被处理（未关闭、未屏蔽等）时，自动升级为 P1</li> <li>告警间隔：设置合理的重复通知间隔，避免同一告警频繁发送</li> <li>告警淹没：设置合理的告警策略，避免告警过多导致重要告警被忽略</li> </ul> </li> </ul> <h3 id="快速定位">快速定位 </h3><ul> <li>标准化排障 SOP <ul> <li>CPU、内存飙高怎么查</li> <li>ELB 5xx 怎么查</li> <li>Pod CrashLoop 怎么查</li> </ul> </li> <li>自动抓取现场信息 <ul> <li>C++ core dump</li> </ul> </li> <li>统一日志平台 <ul> <li>ELK / Loki</li> </ul> </li> <li>全链路追踪</li> </ul> <h3 id="快速修复">快速修复 </h3><ul> <li>灰度发布 / 金丝雀发布</li> <li>配置中心（Apollo）+ 动态切流（必要时像开关一样关闭某个模块）</li> <li>自动扩容（根据业务流量自动扩容，例如 HPA）</li> <li>脚本化修复 <ul> <li>一键重启</li> <li>一键清理 DNS 缓存</li> <li>……</li> </ul> </li> </ul> <h3 id="高可用部署">高可用部署 </h3><ul> <li>服务多实例和多 AZ 部署</li> <li>自动故障转移</li> </ul> <h3 id="持续演练--可靠性测试">持续演练 &amp; 可靠性测试 </h3><ul> <li>混沌工程（提前演练故障）</li> <li>增加缺失监控点</li> <li>持续复盘并完善故障应急预案</li> </ul>