第1章 岗位能力画像与简历优化
本章帮助分布式存储平台工程师明确岗位核心能力，构建高竞争力简历。内容覆盖能力画像、简历结构、关键词清单、成果量化句式，并提供3个高频面试问答卡片。
岗位能力画像详解
| 能力维度 | 核心要求 | 面试考察点 |
|---|---|---|
| 分布式原理 | Ceph/HDFS/GFS架构、一致性协议(Raft/Paxos)、数据分布策略 | CAP理论、副本一致性、数据均衡 |
| 系统设计能力 | 分层架构、微服务、存储引擎设计、RAID/纠删码 | 读写路径设计、故障恢复机制 |
| 性能调优 | IO调度、SSD/NVMe优化、DPDK/SPDK、缓存策略 | 性能瓶颈分析、压测结果解读 |
| 运维与监控 | 集群部署、扩缩容、故障排查、监控告警(Prometheus/Grafana) | 线上事故处理、容量规划 |
| 业务理解 | 对象/块/文件存储选型、业务场景适配、成本控制 | 混合云、冷热数据分层 |
简历结构推荐
- 个人信息：姓名、手机、邮箱、GitHub/博客链接
- 专业技能：分布式存储、Linux内核、网络协议（TCP/IP, RDMA）等
- 工作经历：按时间倒序，每段突出核心职责与成果
- 项目经验：精选2-3个项目，使用STAR法则
- 教育背景：学校、专业、时间
关键词清单
技术栈：Ceph、HDFS、MinIO、GFS、Cinder、Swift、RBD、RADOS、CRUSH、纠删码、一致性哈希、Raft、Paxos、Zookeeper、etcd
硬件/OS：NVMe、SSD、SATA、SPDK、DPDK、RDMA、InfiniBand、Linux IO栈、blktrace、iostat
工具：Ansible、SaltStack、Kubernetes、Docker、Prometheus、Grafana、Elasticsearch
成果量化句式（可迁移套用）
- “通过优化[技术点]，将[指标]从[A]提升至[B]，降本[X]%。”
例：优化Ceph写入路径，IOPS从10K提升至28K，延迟降低40%。 - “设计并落地[系统]，支撑[节点数]节点、[容量]数据，可用性达[X]个9。”
例：设计分布式存储集群，支撑500节点、10PB数据，可用性99.99%。 - “主导[故障/瓶颈]排查，定位[根因]并修复，恢复时间缩短[X]%。”
例：定位OSD慢盘根因，修复后恢复时间从2h降至15min。
面试问题1：请解释Ceph的CRUSH算法如何实现数据分布
面试官考察点：分布式存储原理、一致性哈希理解、故障域设计、数据均衡能力。
回答框架：CRUSH伪随机 + 集群拓扑 → 计算目标OSD → 支持故障域和权重。
示例回答：CRUSH利用集群拓扑树和权重，通过伪随机哈希直接计算数据在PG中的存放位置。无需元数据服务器，支持按rack、host等故障域隔离，新增OSD时只迁移少量数据。
可能追问：
- 如果OSD权重设置不当会有什么问题？
- CRUSH与一致性哈希的差异？
- 如何手动调整CRUSH MAP？
面试问题2：分布式存储中如何保证数据一致性？
面试官考察点：一致性协议（Raft/Paxos）、CAP权衡、强一致与最终一致场景。
回答框架：选主复制（Raft）→ 日志同步 → 多数派写入 → 读修复或Quorum。
示例回答：以Ceph为例，使用Raft实现monitor选举，OSD间通过Peering保证PG日志一致。写入时采用主副本同步写，多数派确认后返回，读取时需处理recovery中数据。
可能追问：
- Raft的日志压缩如何实现？
- 弱一致场景（如Erasure Code）如何保证数据可读？
- 脑裂如何检测与恢复？
面试问题3：描述一次你解决分布式存储性能瓶颈的经历
面试官考察点：性能调优方法论、问题定位能力、指标监控、实际成果。
回答框架：现象（延迟高/IOPS低）→ 工具（iostat/blktrace）→ 定位（慢盘/网络/锁）→ 方案（更换硬件/参数调优/代码优化）→ 量化结果。
示例回答：发现Ceph集群写入延迟飙升，通过iostat确认多块OSD磁盘util 100%，定位为刷写策略不当。调整OSD op queue并启用rocksdb压缩，写入延迟从50ms降至12ms，IOPS提升3倍。
可能追问：
- 如何区分是网络瓶颈还是磁盘瓶颈？
- rocksdb tuning的具体参数？
- 极端情况下如何保证服务不降级？