最近开始整理运维方向的面试题，我原本以为所谓“运维八股”大概就是：

Linux 常用命令
TCP 三次握手
Nginx
MySQL

结果翻了一圈公开面经以后，发现现在的运维、DevOps、SRE 面试已经比这个宽很多了。

经常能看到：

Linux
网络
Nginx
Docker
Kubernetes
Prometheus
Grafana
CI/CD
MySQL
Redis
Shell / Python
故障排查
项目经历

甚至一些偏运维开发、云原生的岗位，还会顺带问：

MCP
RAG
AI 自动化

所以这篇不打算做一份“几百道题目但看完什么都记不住”的题库。

我更想先整理一份：

如果准备运维 / DevOps / SRE 面试，最先应该会回答哪些问题？

每个问题都给一个适合面试时开口的回答框架。

---

一、先说结论：现在运维面试到底在考什么？

我把它大致分成 9 块：

模块	常见考察内容
Linux	文件、权限、进程、CPU、内存、磁盘、systemd、日志
网络	TCP、DNS、ARP、路由、端口、HTTP
Nginx	反向代理、负载均衡、502/504、日志
Docker	镜像、容器、Dockerfile、网络、存储、隔离
Kubernetes	组件、Pod、Deployment、Service、调度、探针、排障
监控	Prometheus、Grafana、Alertmanager、指标
CI/CD	Git、Jenkins、流水线、发布、回滚
数据库/缓存	MySQL、Redis 基础与常见故障
场景题	CPU 高、磁盘满、网站慢、Pod 起不来、DNS 不通

如果是普通运维实习/校招：

Linux + 网络 + Nginx

通常是基本盘。

如果岗位开始写：

DevOps
SRE
云原生
运维开发

那么：

Docker + K8s + Prometheus + CI/CD

重要性会明显上升。

---

第一部分：Linux 八股

1. Linux 中如何查看 CPU、内存和磁盘？

这是最基础的一题。

CPU：

top
ps aux
mpstat

内存：

free -h

磁盘容量：

df -hT

目录占用：

du -sh /var/*

块设备：

lsblk

面试不要只回答命令。

最好加一句：

df 看文件系统整体使用率，du 用来找目录和文件到底是谁占空间，两者解决的问题不一样。

---

2. free -h 里面 free 很少，是不是说明内存不够？

不一定。

Linux 会尽量利用空闲内存作为：

page cache
buffer/cache

所以：

free

很少并不代表系统马上 OOM。

排查时更应该关注：

available
swap
进程 RSS
持续的内存变化

可以说：

Linux 会把暂时不用的内存用于缓存，提高 I/O 效率；真正判断还能不能分配内存，更关注 available，而不是只盯 free。

---

3. Load Average 是什么？

uptime 或 top 会看到：

load average: 0.30, 0.50, 0.60

分别表示过去：

1 分钟
5 分钟
15 分钟

的平均系统负载。

在 Linux 中，Load Average 主要统计：

可运行任务
+
不可中断睡眠任务

所以它不是单纯的：

CPU 使用率

例如大量进程卡在磁盘 I/O，也可能导致 Load 很高。

面试里可以补一句：

看 Load 要结合 CPU 核数、CPU 使用率和 I/O 一起判断。

---

4. 一个进程 CPU 占用 100%，你怎么排查？

第一步先确认是谁：

top
ps -eo pid,ppid,cmd,%mem,%cpu --sort=-%cpu | head

拿到 PID 后继续：

ps -fp PID

看进程属于哪个程序。

再根据程序类型继续：

应用日志
线程
系统调用
I/O
业务流量

Java 可以进一步：

top -H
jstack

如果怀疑系统调用：

strace

面试回答的重点应该是：

先定位进程，再定位线程或具体业务，不是看到 CPU 高就直接 kill -9。

---

5. kill 和 kill -9 有什么区别？

普通：

kill PID

默认发送：

SIGTERM

进程有机会：

保存数据
关闭文件
释放资源
正常退出

而：

kill -9 PID

发送：

SIGKILL

进程无法捕获或忽略，会被内核直接终止。

所以：

kill -9 应该作为最后手段，而不是第一选择。

---

6. 什么是僵尸进程？

子进程已经退出，但父进程没有读取它的退出状态。

这时子进程会留下一个进程表项：

Zombie

在：

ps

中常看到：

Z
<defunct>

僵尸进程本身不继续执行代码，但会占用 PID 和进程表资源。

真正要处理的是：

找父进程为什么没有正确 wait() 回收子进程。

---

7. 软链接和硬链接有什么区别？

软链接：

ln -s source link

可以理解成：

一个路径快捷方式

它有自己的 inode，指向另一个路径。

原文件删除后，软链接可能失效。

硬链接：

ln source link

和原文件：

指向同一个 inode

删除其中一个名字，文件数据并不会立即消失，只要还有硬链接存在。

常见限制：

硬链接通常不能跨文件系统
通常不能给目录创建普通硬链接

---

8. chmod 755 是什么意思？

Linux 权限：

r = 4
w = 2
x = 1

所以：

7 = rwx
5 = r-x
5 = r-x

于是：

chmod 755 file

代表：

owner：rwx
group：r-x
others：r-x

不要只会背 777。

面试官很可能继续问：

生产环境为什么不建议随便 chmod 777？

因为它会扩大权限范围，违背最小权限原则。

---

9. df 显示磁盘满了，但 du 找不到那么大的文件，为什么？

这是非常经典的场景题。

一个常见原因：

文件已经被删除，但仍然被某个进程打开。

此时：

目录里看不到文件

所以 du 不统计。

但是进程的文件描述符还占着空间，文件系统并没有真正释放。

可以检查：

lsof +L1

或者：

lsof | grep deleted

然后确认对应进程。

---

10. 磁盘还有容量，却提示 No space left on device，可能是什么？

除了块空间耗尽，还有一个常见原因：

inode 用完

查看：

df -i

大量：

几百万个小文件

可能导致 inode 先耗尽。

所以磁盘满排查至少要看：

df -h
df -i

---

第二部分：网络八股

11. TCP 为什么需要三次握手？

过程：

Client                 Server

SYN
---------------------->

             SYN + ACK
<----------------------

ACK
---------------------->

核心目的：

确认双方发送能力
确认双方接收能力
同步初始序列号
建立可靠连接状态

为什么不是两次？

因为两次无法让服务端确认：

客户端确实收到了自己的 SYN+ACK，双向通信能力都已经确认。

---

12. TCP 四次挥手为什么通常是四次？

TCP 是全双工。

关闭一边的发送能力，并不代表另一边也立即没有数据要发。

因此：

FIN
ACK
FIN
ACK

通常分开完成。

中间的：

ACK

和：

FIN

有时也可能合并，因此抓包不一定永远严格看到四个独立报文。

---

13. TIME_WAIT 和 CLOSE_WAIT 有什么区别？

TIME_WAIT：

通常出现在主动关闭连接的一方

作用包括：

确保最后 ACK 有机会重传
避免旧连接报文影响后续相同四元组连接

CLOSE_WAIT：

出现在被动关闭的一方

说明：

对端已经发 FIN，但本地应用还没有调用 close() 完成关闭。

如果大量 CLOSE_WAIT：

通常优先怀疑应用没有正确释放 socket。

---

14. Ping 通服务器，能说明 443 端口一定通吗？

不能。

Ping 使用：

ICMP

HTTPS 通常使用：

TCP 443

ICMP 通，不代表：

防火墙允许 TCP 443
服务监听 443
应用工作正常

验证端口可以：

nc -vz server 443

或者：

curl -v https://server

Linux 还可以：

ss -lntp

确认服务是否监听。

---

15. DNS 解析过程怎么讲？

以访问：

www.example.com

为例。

本机通常先检查：

本地缓存
hosts
本地解析器配置

没有结果后向配置的递归 DNS Resolver 查询。

Resolver 可能依次询问：

Root
↓
TLD
↓
Authoritative DNS

最终得到：

A / AAAA 等记录

并返回客户端。

面试经常继续问：

DNS 默认主要使用哪个端口？

常见：

UDP 53
TCP 53

---

16. ARP 是干什么的？

在 IPv4 同一二层网络中，ARP 用来完成：

IP 地址
↓
MAC 地址

的映射。

主机要向同网段目标发送以太网帧时，需要先知道目标 MAC。

如果目标在其他网段：

主机不是 ARP 远端主机，而是 ARP 默认网关的 MAC。

这是很常见的追问。

---

17. 一台 Linux 服务器访问不了公网，你怎么排查？

可以按层次说：

1. ip -br link
   网卡是否 UP

2. ip -br addr
   IP 和掩码是否正确

3. ip route
   默认路由

4. ping 网关
   本地到网关

5. ping 公网 IP
   三层公网连通

6. DNS
   getent / dig / resolv.conf

7. ss / nc / curl
   应用端口

8. tcpdump
   必要时抓包

这类题最重要的不是命令数量。

而是：

有层次地缩小故障范围。

---

第三部分：Nginx 八股

18. 什么是正向代理和反向代理？

正向代理：

Client
↓
Proxy
↓
Internet

客户端知道代理的存在。

代理代表：

客户端

访问外部资源。

反向代理：

Client
↓
Nginx
↓
Backend Servers

客户端只知道 Nginx，不一定知道真正后端服务器。

Nginx 代表：

服务器端

接收请求。

---

19. Nginx 常见负载均衡方式有哪些？

常见：

轮询
权重
ip_hash
least_conn
hash

例如：

upstream backend {
    server 10.0.0.1 weight=3;
    server 10.0.0.2 weight=1;
}

权重大的一台会承担更多请求。

---

20. Nginx 502 和 504 有什么区别？

502 Bad Gateway 常见：

Nginx 无法正确从 upstream 获取有效响应

例如：

后端进程没启动
Connection refused
Unix Socket 错误
上游异常断开

504 Gateway Timeout 常见：

Nginx 等待 upstream 响应超时

例如：

后端处理太慢
数据库慢
网络延迟
upstream timeout

所以：

502 更像“上游连接/响应异常”
504 更像“等太久”

---

21. Nginx 出问题你先看哪里？

通常：

nginx -t

先检查配置。

再看：

access.log
error.log

然后：

进程
端口
upstream
网络

例如：

ps -ef | grep nginx
ss -lntp
curl -v

---

第四部分：Docker 八股

22. Docker Image 和 Container 有什么区别？

Image：

容器运行的只读模板。

Container：

Image 创建出来的运行实例。

关系：

Image
  │
  ├── Container A
  ├── Container B
  └── Container C

---

23. Docker 容器为什么比较轻量？

因为 Linux 容器不像传统虚拟机那样为每个实例运行完整 Guest OS。

Docker 使用 Linux 内核能力，例如：

Namespaces
Cgroups
Capabilities

其中：

Namespace
主要负责隔离

Cgroup
主要负责资源限制和统计

Docker 官方安全文档也把 namespaces 和 cgroups 作为容器隔离的重要基础。

---

24. Dockerfile 中 COPY 和 ADD 有什么区别？

两者都可以把文件加入 Image。

一般建议：

单纯复制本地文件优先使用 COPY。

ADD 还具有额外行为，例如：

部分归档文件自动解压
URL 等扩展能力（具体行为取决于用法）

面试回答不要说：

ADD 永远比 COPY 高级。

反而：

功能越简单明确，Dockerfile 越容易维护。

---

25. CMD 和 ENTRYPOINT 有什么区别？

两者都与容器默认启动命令有关。

可以粗略理解：

ENTRYPOINT
更像固定主程序

CMD
更像默认命令或默认参数

例如 ENTRYPOINT 指定：

python

CMD 指定：

app.py

最终可以组合运行。

面试中重点说清：

docker run 后面的参数对 CMD 和 ENTRYPOINT 的覆盖行为不同。

---

26. 为什么 Dockerfile 要做多阶段构建？

例如编译 Go：

Stage 1
使用 Go 编译环境
↓
生成二进制

Stage 2
只复制最终二进制
↓
运行

好处：

减少最终镜像体积
减少构建工具进入生产镜像
降低攻击面
提高分发效率

近期运维开发面试中 Dockerfile 优化和多阶段构建都属于很典型的追问。

---

27. Volume 和 Bind Mount 有什么区别？

Bind Mount：

宿主机具体目录
↓
挂载进 Container

例如：

/data/mysql

Volume：

由 Docker 管理的数据卷

生命周期可以与 Container 分离。

需要持久化的数据：

数据库
上传文件
业务数据

不应该只放在 Container 可写层里。

---

28. 怎么查看正在运行和全部 Docker Container？

运行中：

docker ps

全部：

docker ps -a

日志：

docker logs <container>

进入：

docker exec -it <container> /bin/sh

这是非常常见的实习岗基础题。

---

第五部分：Kubernetes 八股

29. Kubernetes 核心组件有哪些？

Kubernetes 集群分：

Control Plane
+
Worker Node

控制平面主要：

kube-apiserver
etcd
kube-scheduler
kube-controller-manager

Node 主要：

kubelet
container runtime
kube-proxy（在部分网络实现中使用）

回答时最好不要只背名字。

一句话职责：

API Server：统一 API 入口
etcd：保存集群状态
Scheduler：给 Pod 选 Node
Controller Manager：运行各种控制循环
kubelet：保证 Node 上 Pod 正常运行
Container Runtime：真正运行容器

Kubernetes 官方当前组件文档也是按照 Control Plane 和 Node 组件来组织这些职责。

---

30. Pod 为什么不是 Container？

Pod 是 Kubernetes 中的基本工作单元。

一个 Pod 可以包含：

一个或多个 Container

同一个 Pod 内 Container 可以共享：

网络命名空间
部分存储
生命周期关系

大部分简单场景：

一个 Pod
+
一个主要业务 Container

---

31. Deployment、StatefulSet、DaemonSet 有什么区别？

Deployment：

典型无状态应用
Web
API

强调：

副本
滚动更新
回滚

StatefulSet：

适合：

有稳定身份、稳定存储需求的有状态应用

DaemonSet：

希望每个 Node 或指定 Node 都运行一个 Pod。

例如：

日志 Agent
监控 Agent
网络组件

---

32. Service 是干什么的？

Pod：

会创建
会销毁
IP 可能变化

Service 给一组 Pod 提供：

稳定访问入口

通常通过：

Label Selector

选择后端 Pod。

常见类型：

ClusterIP
NodePort
LoadBalancer

---

33. K8s 中 liveness、readiness、startup probe 区别？

livenessProbe：

判断 Container 是否已经异常，需要重启。

readinessProbe：

判断 Pod 当前是否可以接收业务流量。

startupProbe：

给启动很慢的应用更长启动时间，启动探针成功前避免 liveness/readiness 过早干预。

可以记：

startup：
启动完成了吗？

readiness：
现在能接流量吗？

liveness：
还活着吗？

---

34. Pod 一直 CrashLoopBackOff 怎么排查？

先：

kubectl describe pod <pod>

看：

Events
退出原因
探针
挂载
调度

再：

kubectl logs <pod>

如果反复重启：

kubectl logs <pod> --previous

常见原因：

应用启动报错
配置错误
环境变量缺少
端口冲突
依赖服务不可达
探针失败
OOMKilled
文件挂载问题

这比只回答：

重启 Pod

要好得多。

---

35. Pod 一直 Pending 怎么排查？

Pending 通常说明：

Pod 还没有成功进入运行阶段。

检查：

kubectl describe pod

重点看 Events。

常见：

CPU / Memory 不足
Node Selector 不匹配
Affinity
Taint / Toleration
PVC 未绑定
Scheduler 无法找到合适 Node

---

36. K8s 的核心思想是什么？

我认为最值得讲的是：

Desired State（期望状态）+ Reconciliation（协调）。

例如：

Deployment replicas = 3

用户声明：

我希望一直有 3 个 Pod。

实际只剩两个时：

Controller 会推动集群补回 3 个。

这比单纯背：

K8s 是容器编排系统

更能体现理解。

---

第六部分：监控八股

37. Prometheus 是什么？为什么适合监控 K8s？

Prometheus 是：

Metrics 监控和告警系统

它把指标保存成：

Time Series

并通过：

Metric Name
+
Labels

描述数据。

Prometheus 常见采用：

Pull

模式定期抓取 HTTP Metrics Endpoint。

云原生环境里：

Pod
Service
Node

变化很频繁。

Prometheus 的：

Label
Service Discovery

模型比较适合这种动态环境。

---

38. Prometheus、Grafana、Alertmanager 分别干什么？

Prometheus：

采集
存储
查询 Metrics

Grafana：

可视化 Dashboard

Alertmanager：

接收 Prometheus 告警
分组
抑制
静默
发送通知

Prometheus 官方也把告警拆成：

Prometheus Alert Rule
↓
Alertmanager
↓
Notification

---

39. 如果让你监控 100 台 Linux 服务器，你怎么设计？

可以回答：

每台服务器部署 Node Exporter
        ↓
Prometheus 统一 Scrape
        ↓
Grafana 展示
        ↓
Alert Rules
        ↓
Alertmanager 告警

关键指标：

CPU
Load
Memory
Disk
inode
Network
Filesystem
Process / Service

再进一步：

服务发现
标签分组
高可用
长期存储

---

第七部分：CI/CD 八股

40. Jenkins 从代码提交到发布，大致经历什么？

一个常见流水线：

Developer Push
↓
Git Repository
↓
Jenkins Trigger
↓
Checkout
↓
Build
↓
Test
↓
Build Image
↓
Push Registry
↓
Deploy
↓
Health Check
↓
Success / Rollback

回答时不要只说：

Jenkins 自动发布。

最好说清：

代码怎么触发
怎么构建
怎么测试
产物放哪里
怎么部署
失败怎么回滚

近期运维实习面经里，Jenkins 从拉代码到编译、发布的完整流程就是直接被问到的题目。

---

第八部分：数据库和缓存，至少要准备这些

虽然不是 DBA，但运维面试很容易带一点。

MySQL

至少知道：

慢查询怎么开
EXPLAIN 是什么
索引为什么能加速
主从复制大概原理
备份与恢复
连接数满怎么排

遇到：

MySQL 突然变慢怎么办？

回答思路：

服务器 CPU / Memory / IO
↓
连接数
↓
慢查询
↓
锁等待
↓
执行计划
↓
索引
↓
磁盘和网络

---

Redis

至少知道：

Redis 为什么快
RDB
AOF
缓存穿透
缓存击穿
缓存雪崩
内存淘汰
主从 / Sentinel / Cluster 基础

不一定每个普通运维岗都会深入，但项目里写了 Redis，基本就可能被追问。

---

第九部分：真正拉开差距的是“场景题”

背完上面 40 道，只能算有底。

真正面试很容易变成：

那如果真的出问题呢？

下面这些建议一定自己练一遍。

---

场景 1：服务器 CPU 突然 100%

思路：

top
↓
找到进程
↓
ps
↓
线程 / 日志
↓
系统调用 / I/O
↓
业务流量

---

场景 2：磁盘 100%

df -h
↓
df -i
↓
du
↓
大文件
↓
lsof deleted
↓
日志 / Docker / 数据库

---

场景 3：网站打不开

DNS
↓
Ping / Route
↓
TCP 80/443
↓
Nginx
↓
Upstream
↓
应用
↓
数据库

---

场景 4：Nginx 502

Nginx error.log
↓
Backend 进程
↓
Backend Port
↓
Network
↓
Upstream 配置

---

场景 5：Docker Container 启动了但网页打不开

docker ps
↓
docker logs
↓
Container 内服务是否监听
↓
-p 端口映射
↓
Host ss
↓
Firewall
↓
curl

---

场景 6：K8s Pod 起不来

先别背结论。

直接：

kubectl get pod
↓
kubectl describe pod
↓
Events
↓
kubectl logs
↓
资源 / 配置 / 镜像 / Probe / Volume / Network

---

场景 7：域名打不开，但 IP 可以访问

这个其实已经把范围缩得非常小：

IP 通
+
Domain 不通

优先检查：

DNS

例如：

cat /etc/resolv.conf
getent hosts
dig
nslookup

---

十、2026 年我会额外留意的一块：AI + 运维自动化

这部分暂时还不是所有普通运维岗的必考。

但如果岗位写：

运维开发
SRE
AI Infra
智能运维
AIOps

我会开始准备：

LLM 是什么
Agent 是什么
MCP 是什么
RAG 是什么
AI 怎么接监控系统
AI 怎么调用运维工具
自动修复为什么必须做权限控制

因为真正的趋势并不是：

AI 替代所有运维。

而更像：

监控
日志
CMDB
Shell
K8s API
网络设备 API
+
AI Agent

逐渐结合。

所以这块目前可以作为：

加分项，而不是先替代 Linux、网络和 Docker/K8s 基础。

---

十一、面试八股到底应该怎么背？

我以前觉得：

题目
↓
背标准答案

就行。

但运维面试非常容易追问。

例如：

什么是 Docker Volume？

你回答：

用于数据持久化。

下一句可能就是：

那你项目里数据库数据怎么挂的？

再下一句：

Container 删除以后数据还在吗？

再下一句：

Bind Mount 和 Volume 怎么选？

所以更好的学习方法是：

概念
↓
命令
↓
实际使用
↓
故障
↓
排查

例如 Docker：

Image / Container
↓
docker run
↓
自己跑 Nginx
↓
故意配错端口
↓
自己查

这样面试时不容易只剩一句教科书定义。

---

十二、如果只有两周准备运维面试，我会这么安排

第一优先级：

Linux
+
网络
+
真实故障排查

第二优先级：

Docker
+
Nginx

第三优先级：

Kubernetes
+
Prometheus

第四优先级：

Jenkins / Git
MySQL / Redis
Shell / Python

最后再根据目标岗位补：

云平台
Ansible
Terraform
安全
AI / MCP

---

十三、最后整理一份“看到就应该会答”的清单

如果下面这些问题里有一半完全不知道怎么开口，说明还值得继续补基础：

1. CPU 高怎么排？
2. 内存怎么看？
3. Load Average 是什么？
4. df 和 du 有什么区别？
5. inode 用完是什么现象？
6. 僵尸进程是什么？
7. kill 和 kill -9 区别？
8. chmod 755 什么意思？
9. TCP 三次握手？
10. TIME_WAIT / CLOSE_WAIT？
11. DNS 解析过程？
12. Ping 通为什么不代表 443 通？
13. ARP 做什么？
14. Linux 服务器不能上网怎么查？
15. Nginx 正反向代理？
16. 502 / 504 区别？
17. Nginx 怎么做负载均衡？
18. Docker Image / Container？
19. Namespace / Cgroup？
20. Volume / Bind Mount？
21. Dockerfile 怎么优化？
22. Kubernetes 有哪些组件？
23. Pod 是什么？
24. Deployment / StatefulSet / DaemonSet？
25. Service 是什么？
26. 三种 Probe？
27. CrashLoopBackOff 怎么查？
28. Pending 怎么查？
29. Prometheus 做什么？
30. Grafana 做什么？
31. Alertmanager 做什么？
32. Jenkins 流水线怎么走？
33. MySQL 变慢怎么查？
34. Redis RDB / AOF？
35. 网站打不开怎么查？
36. 磁盘满怎么查？
37. Docker 网页打不开怎么查？
38. K8s Pod 起不来怎么查？
39. 100 台服务器怎么监控？
40. 项目里你真正解决过什么故障？

其中最后一道：

“你真正解决过什么故障？”

我觉得甚至比前面 39 道都重要。

因为八股只能证明：

你学过。

而一个能讲清：

现象
→ 分析
→ 命令
→ 根因
→ 解决
→ 复盘

的故障案例，才更能证明：

你真的做过。

---

写在最后

运维的面试范围确实很杂。

Linux、网络、Nginx、Docker、K8s、监控、数据库，感觉每一个方向都能继续问几十道题。

但真正准备的时候没必要一口气背 500 题。

我现在反而觉得先把：

Linux
网络
Docker
K8s
故障排查

这几条主线搭起来最重要。

因为很多题最后其实会串到一起。

比如：

K8s Pod 访问数据库失败。

背后可能同时涉及：

K8s
DNS
TCP
路由
Service
数据库端口
防火墙
应用配置

这时候“八股”就不再是孤立知识点了。

它们开始变成真正的排障工具。