第1章 岗位能力画像与简历优化模板
本章帮助面试者构建清晰的SRE能力体系，并指导如何将能力转化为有说服力的简历语言。核心任务：明确岗位五大能力维度、掌握关键词清单、学会成果量化句式。
岗位能力画像表
| 维度 | 能力描述 | 关键词 | 量化句式示例 |
|---|---|---|---|
| 稳定性工程 | SLA/SLO/SLI设计、容灾架构、混沌工程 | SLA 99.99%、故障预算、混沌实验 | “通过SLO框架将系统可用性从99.9%提升至99.99%” |
| 自动化运维 | CI/CD、基础设施即代码、GitOps、自愈 | Ansible、Terraform、ArgoCD | “实现自动化部署，服务上线时间从2小时缩短至10分钟” |
| 监控与可观测性 | Metrics/Logs/Traces、告警收敛、链路追踪 | Prometheus、Grafana、ELK、Jaeger | “搭建全链路监控体系，告警准确率提升至95%” |
| 容量与成本 | 压测、弹性伸缩、资源优化、FinOps | HPA、K8s、资源利用率、成本分析 | “通过压测驱动弹性伸缩，节省云成本30%” |
| 应急与故障 | 故障响应、复盘、MTTR优化、on-call机制 | P0/P1、故障树、故障演练、runbook | “优化故障流程，MTTR从45分钟降至15分钟” |
简历结构模板
- 个人信息：姓名、联系方式、GitHub/博客链接
- 技术栈：分类呈现（语言、容器、监控、云平台）
- 工作经历：按STAR法则描述，每个经历突出1-2个核心贡献
- 项目经验：选择2-3个高难度项目，附上量化成果
- 自我评价/能力总结：浓缩五大能力维度，直接匹配JD
关键词清单（高频）
SLA、SLO、SLI、MTTR、MTBF、故障自愈、混沌工程、GitOps、K8s、Prometheus、Grafana、ELK、容量规划、压测、弹性伸缩、服务网格、可观测性、告警收敛、FinOps、runbook、故障复盘、P0/P1。
成果量化句式（范例）
- “将系统可用性从99.9%提升到99.99%”
- “故障平均恢复时间（MTTR）降低至10分钟以内”
- “自动化覆盖率提升至95%”
- “资源利用率提高40%，年度成本节省120万元”
- “告警准确率从70%提升到98%”
面试问题：请介绍一下你的SRE核心能力。
面试官考察点：评估候选人是否对自己的能力有清晰认知，且与岗位要求匹配。
回答框架：按五大能力维度依次阐述，每个维度用一个具体成果量化支撑，最后总结如何应对挑战。
简短示例回答：“我专注SRE五大核心能力：稳定性——设计SLO框架将可用性提升至99.99%；自动化——构建CI/CD流水线部署提速80%；监控——搭建Prometheus+Grafana实现全链路可观测；容量——通过压测驱动弹性伸缩节省30%成本；应急——优化故障流程使MTTR降至15分钟。”
可能追问：你如何定义和衡量稳定性？你使用过哪些自动化工具？容量规划的具体方法？
面试问题：你的简历中如何体现故障处理经验？
面试官考察点：是否有实际故障复盘能力，能否将被动响应转化为主动改进。
回答框架：采用STAR法则：情境（Situation）、任务（Task）、行动（Action）、结果（Result）。突出改进措施和量化效果。
简短示例回答：“某电商大促期间数据库主从延迟导致订单超时。我迅速接入应急，通过读写分离+缓存预热恢复服务（行动），事后推动主从架构升级，使延迟降低90%（结果），并输出标准化复盘模板在团队推广。”
可能追问：故障根因是什么？你认为on-call机制哪里可以优化？
面试问题：你如何优化简历中的项目描述？
面试官考察点：你是否具备结果导向思维，以及是否能将技术影响用价值语言表达。
回答框架：使用X-Y-Z公式：在X技术场景/问题下，我做了Y工作，达成了Z可衡量的结果。
简短示例回答：“针对K8s集群配置复杂、上线耗时长的问题（X），我主导开发了自动化部署工具（Y），将服务上线从2小时缩短到10分钟，并输出标准化文档，使团队部署效率提升92%（Z）。”
可能追问：这个工具的技术选型？有没有遇到推广阻力？你如何证明效率提升不是其他因素导致？