4. 面试官评分表拆解

面试问题：请描述一次你参与过的核心故障处理，你是如何一步步定位并解决的？

面试官考察点：技术深度（排障方法论）、工程思维（止损 vs 根因）、沟通协作（止损决策同步）。

回答框架：故障背景 → 关键现象 → 排除链路 → 根因定位 → 临时措施 → 长期改进。

简短示例回答：
某次线上数据库连接池爆满，我观察到监控连接数陡增、慢查询堆积。逐层排查：先连接数上限、再慢SQL、最后定位到缓存穿透导致大量DB查询。立即扩容连接池止损，随后增加布隆过滤器并优化缓存策略。

可能追问：“为什么没有更早发现缓存穿透？”、“扩容后如何确认完全恢复？”、“你提到的布隆过滤器具体如何实现？”

避坑提醒：避免只说“排查、修复”而不提具体指标和步骤；忌答“直接重启解决”——面试官想看到系统化的根因分析。

面试问题：你们团队的SLA如何定义？你如何保障99.9%的可用性？

面试官考察点：工程思维（SLA设计、冗余策略）、技术深度（降级、熔断）、成本意识。

回答框架：SLA定义依据 → 架构冗余方案 → 主动检测手段 → 限流降级策略 → 成本与收益平衡。

简短示例回答：
SLA根据历史失败次数与业务容忍度设定为99.9%。采用多AZ部署、同城双活；配合A/B测试灰度发布。主动探测每30秒一次，失败即自动摘流。降级方案：核心服务保留，非核心功能降级为缓存结果。

可能追问：“同城双活数据一致性如何保证？”、“降级策略对用户体验的影响怎么评估？”、“你能模拟一个SLA违约场景吗？”

避坑提醒：不要只背概念（如“熔断”）而说不出具体实现；避免说“完全保证100%”——面试官希望看到你对现实复杂度的承认和应对措施。

面试问题：当开发团队频繁上线导致线上故障，你怎么推动改进流程？

面试官考察点：沟通协作（跨团队推动）、工程思维（流程优化）、复盘文档能力。

回答框架：问题客观陈述 → 数据化影响 → 提出改进方案（灰度、卡点）→ 推动落地 → 效果闭环。

简短示例回答：
收集近两周故障数据，发现70%由未经灰度发布引起。我与开发负责人沟通后，推动上线流程增加强制灰度比例和自动化回归测试。执行一个月后灰度覆盖率从30%提升至90%，线上故障下降50%。

可能追问：“开发不配合怎么办？”、“灰度比例如何确定？”、“自动化回归测试覆盖率你们是怎么评估的？”

避坑提醒：切忌抱怨开发团队不专业；不要说“这是管理问题与我无关”——SRE的核心职责之一就是促进工程协作。回答要体现主动协调和数据说服力。