SRE顾问面试宝典 - 第1节
一、岗位能力画像
SRE 顾问不仅需要深厚的技术功底，更需具备架构设计、稳定性保障、自动化运维和跨团队协作等综合能力。以下画像覆盖核心能力维度，面试官常通过此框架评估候选人匹配度。
岗位能力画像分解表
| 维度 | 关键能力 | 面试高频考察点 |
|---|---|---|
| 技术深度 | Linux、网络、数据库、编程语言（Go/Python） | 内核参数调优、TCP拥塞控制、慢查询优化 |
| 架构设计 | 分布式系统、高可用架构、服务网格 | 如何设计容灾方案、流量调度 |
| 稳定性保障 | SLO/SLI、告警策略、应急预案 | 如何定义SLO、故障分类及响应流程 |
| 自动化运维 | CI/CD、基础设施即代码、混沌工程 | 如何实现无人值守发布、弹性伸缩 |
| 沟通协作 | 事故复盘、技术汇报、跨团队推动 | 如何组织故障复盘、推动工程文化 |
二、简历结构模板
一份优秀的 SRE 顾问简历应遵循“模块清晰、重点前置、成果量化”原则。建议按以下顺序组织：
- 个人信息：姓名、联系方式、GitHub/博客链接（可选）
- 技术关键词：3行以内，按领域分类（运维/监控/云原生/编程）
- 工作经历：倒序，每段包含公司、职位、时间、
2-3个量化成果 - 项目经历：选择2-3个最相关项目，使用STAR格式
- 教育背景/证书：简化，仅突出名校或CKA、CKAD等
三、关键词清单
面试官简历筛选环节常通过关键词扫读。以下清单覆盖 SRE 顾问高频词汇，建议根据实际经验选用：
| 类别 | 关键词 |
|---|---|
| 核心运维 | Linux、Nginx、HAProxy、Keepalived、DNS、CDN |
| 监控与可观测性 | Prometheus、Grafana、ELK、OpenTelemetry、Jaeger |
| 云原生 | Kubernetes、Docker、Helm、Terraform、Ansible |
| 稳定性 | SLA、SLO、SLI、错误预算、容量规划、冗余 |
| 编程语言 | Python、Go、Shell、Ruby |
| 流程与工具 | CI/CD（Jenkins/GitLab CI）、Blue-Green部署、混沌工程 |
四、成果量化句式
简历中最有说服力的部分是用数据说话。以下是 SRE 场景下常用的量化句式模板：
- 可用性提升：“将核心服务的月度可用性从
99.90%提升至99.99%，减少停机时间约40分钟/月” - 告警压降：“通过优化告警规则和自动化处理，将告警数量减少
70%，MTTR 缩短至15分钟” - 成本优化：“通过资源调优和弹性伸缩策略，年度云成本降低
35%（约¥120万）” - 自动化率：“实现
90%的变更自动化，零人工干预发布代码200+次” - 故障恢复：“设计容灾方案，在模拟故障中实现
RTO=5分钟，RPO=0（无数据丢失）”
五、面试问答卡片
Q1: 你的SRE项目经历如何量化？
面试官考察点：验证你是否具备数据驱动的思维，能否用具体指标证明成果。
回答框架：STAR法则 → 突出“改进前基线”+“改进方式”+“改进后数据”。
示例回答：“之前线上告警平均每天300条，MTTR约1小时。我优化了告警聚合策略并引入自动化恢复脚本，三个月后告警量降至50条/天，MTTR缩短至10分钟，系统可用性从99.93%提升到99.995%。”
可能追问：“你用什么指标衡量告警质量？”“自动化恢复脚本如何避免误操作？”
Q2: 简历中列举了很多技术栈，如何突出核心竞争力？
面试官考察点：考察你是否只是罗列名词，还是真正理解技术深度及关联场景。
回答框架：选择2-3项最熟悉技术 → 说明应用场景 → 量化使用效果。
示例回答：“我简历中突出Kubernetes和Prometheus。在XX项目中，我主导将微服务从VM迁移到K8s，部署效率提升5倍；并基于Prometheus定制了业务级SLO监控，将告警准确率从60%提到95%。”
可能追问：“你如何设计Prometheus的告警规则？”“K8s资源限制和自动扩缩容策略你怎么配置？”
Q3: 简历中“负责系统稳定性”如何写出亮点？
面试官考察点：稳定性表述过于笼统，考察你能否拆解出具体职责和产出。
回答框架：明确角色 → 具体动作 → 指标结果。
示例回答：“我负责XX平台线上稳定性，建立了全链路可观测性体系，将故障发现时间从平均8分钟降至1分钟；同时推动每周混沌演练，演练后系统抗故障能力提升50%。”
可能追问：“你如何设计混沌实验？”“故障发现时间缩短后，MTTR是否同步改善？”