卓望运维一面:内存接近 100% 是否不足、Flume 三件套、从库延迟与 30% 节点错配止损
- 轮次
- 一面
- 时间
- 2026-10
- 来源
- 牛客网
《面试题目》
- 一台 Linux 主机内存看起来接近 100%,这一定说明内存不足吗?你会如何判断?
- 需要每天凌晨执行一次巡检脚本,最常见的实现方式是什么?上线前要注意哪些基本问题?
- 交接班时只说「今天没问题」是否足够?一个好的运维交接至少应该包含什么?
- Flume 常见的 Source、Channel、Sink 分别是什么作用?
- 主从数据库中,从库延迟越来越大,可能有哪些原因?应该先看哪些指标?
- K8s 有了解吗?Pod 一直 Pending 怎么办,怎么排查?
- 一次自动化发布把错误配置推到了 30% 的节点,业务开始出现间歇性 5xx,你会如何止损?事后自动化体系需要补哪些能力?
- 共享 root 账号会有哪些问题?
《参考解析》
Linux 内存接近 100% 不等于不足:free 的 available 才是可分配给新进程的量,buff/cache 占满是被动利用空闲内存做缓存、可回收;判断要看 available 是否够、有没有 swap 换入换出(si/so 持续非零说明真吃紧)、有没有 OOM killer 记录(dmesg | grep -i oom)、以及 page cache 命中率。真正的问题是「可用内存不足 + 频繁回收」,不是「used 高」。
凌晨巡检脚本最常见是 crontab -e 写 0 2 * * * /path/check.sh,或者用 systemd timer(有日志与依赖管理,更现代)。上线注意点:绝对路径与显式环境变量(cron 的 PATH 很干净)、脚本要幂等、输出与退出码要落日志、失败要能告警(否则脚本静默死掉没人知道)、加锁防重入(flock)、避开业务高峰、以及脚本本身纳入版本管理与变更评审。
好的交接要有五块:当前系统状态与关键指标、进行中的变更与回滚点、已知问题与临时处置、待办与负责人、以及异常事件的时间线。只说「今天没问题」等于把风险留给下一个人。
Flume 三件套:Source 负责采集(taildir / spooling directory / kafka / exec),Channel 负责缓冲(memory 快但可能丢、file / kafka 持久),Sink 负责写出(HDFS / Kafka / HBase)。调优点在 Channel 容量与批量、以及 Sink 的并发与失败重试。
主从延迟:先看 SHOW SLAVE STATUS 的 Seconds_Behind_Master、Read_Master_Log_Pos 与 Exec_Master_Log_Pos 的差、以及 Relay_Log_Space;原因通常是大事务 / 大批量 DML、从库单线程回放(MySQL 5.7+ 可开并行复制 slave_parallel_workers + LOGICAL_CLOCK)、从库硬件或 IO 跟不上、主库写入突增、长查询阻塞回放、网络带宽、以及无主键表导致行锁扫描。处置是拆大事务、加索引、开并行复制、读写分离时对强一致读走主库。
Pod Pending 排查:kubectl describe pod 看 Events 里的原因——资源不足(Insufficient cpu/memory,看 requests 与节点可分配量)、节点亲和 / 污点容忍不匹配、PVC 未绑定、镜像拉取失败(那通常是 ImagePullBackOff)、节点 NotReady、以及配额(ResourceQuota / LimitRange)。按 Events 的提示逐项排除最快。
30% 节点错配的止损顺序:先止血——暂停发布流水线、把流量从异常节点摘掉(摘除 LB 后端 / 驱逐或回滚该批节点的配置)、必要时整体回滚到上一版本;再确认影响面(哪些接口、多少请求、是否影响资金类操作);然后修复配置并灰度验证。事后要补的能力:配置的 schema 校验与 diff 预览、分批灰度 + 自动金丝雀(错误率阈值自动中止)、发布可回滚(版本化配置与一键回滚)、发布前 dry-run、以及全链路监控与告警联动。共享 root 的问题是权限过大误操作风险、无法审计到人、无法最小权限、密钥轮换困难、一旦泄露影响全局——解法是个人账号 + sudo 授权 + 跳板机审计 + 密钥托管。