第一章 岗位能力画像与简历优化模板

面试问题：

“请用一句话说明 SRE 工程师最核心的能力是什么？”

面试官考察点：

• 是否理解 SRE 本质是“用软件工程方法解决运维问题”
• 能否快速提炼出自己的能力标签

回答框架：

能力标签（如“自动化”）+ 具体体现（如“用 Python 开发了自愈系统”）+ 产生的结果（如“MTTR 降低 50%”）

简短示例回答：

“我最核心的能力是自动化：曾用 Python 开发故障自愈引擎，将团队 MTTR 从 45 分钟降至 15 分钟，同时支撑了 200+ 微服务的自动修复。”
（67字）

可能追问：

• “自愈引擎的决策逻辑是什么？”
• “如果自愈误判怎么办？”

面试问题：

“你的简历上写‘负责线上故障排查’，能不能具体讲讲一次典型的故障处理？”

面试官考察点：

• 是否理解 SRE 对故障处理的完整闭环（发现-定位-修复-复盘）
• 能否证明你主导了故障复盘与改进

回答框架：

STAR 模型：S（故障背景）→ T（目标恢复时间）→ A（如何定位 & 修复）→ R（结果 + 改进项）

简短示例回答：

“某次数据库连接池耗尽导致线上交易超时。我通过监控发现连接数飙升，立即扩容连接池并限流恢复。事后分析为慢查询，推动加索引并增加连接池监控，后续再无同类故障。”
（78字）

可能追问：

• “慢查询的根因是什么？”
• “限流策略怎么设计的？”

面试问题：

“你简历中写的‘将系统可用性提升到 99.99%’，这个数据是怎么计算出来的？”

面试官考察点：

• 是否理解 SLO/SLI/Error Budget 的完整定义
• 数据来源是否可靠，是否亲自做过可观测性配置

回答框架：

SLI 指标定义（例如请求成功率）→ 时间窗口（通常是28天滚动）→ 计算方法（成功请求/总请求）→ 验证手段（Prometheus + Grafana）

简短示例回答：

“我用请求成功率作为 SLI，通过 Prometheus 采集过去 28 天数据，计算成功请求占比为 99.992%。同时我们设置了 Error Budget 为 0.008%，当超过时自动冻结发布。”
（82字）

可能追问：

• “Error Budget 消耗完以后你们怎么做？”
• “如果监控数据丢失怎么处理？”