Перейти к содержимому

Ghoster AI 3.3.5 — новый раздел «Прогресс»

SRE / Platform Engineer

342 вопросов в базе. Ниже — разобранные вопросы с ответами.

21 разобрано
01Чем отличаются Deployment, StatefulSet и DaemonSet в Kubernetes?Intern — Middle+

Deployment и StatefulSet — это два типа контроллеров в Kubernetes, которые управляют развертыванием подов, но служат разным целям. Deployment используется для управления статeless-приложениями. Он обеспечивает создание и обновление подов, гарантируя нужное количество реплик. Поды в Deployment взаимозаменяемы и не имеют постоянного состояния. StatefulSet предназначен для приложений с состоянием, где важен стабильный идентификатор пода, порядок запуска и сохранение данных. StatefulSet обеспечивает уникальные имена подов и стабильное хранилище (PersistentVolume), что важно для баз данных и других stateful-сервисов. Пример: • Deployment — веб-серверы, которые могут масштабироваться и перезапускаться без потери данных. • StatefulSet — базы данных, кэш-системы, где каждый экземпляр должен иметь постоянный идентификатор и хранилище.

02Опишите ваш опыт в DevOps/SRE — что именно вы делали, за что отвечали?Middle — Middle+

SRE (Site Reliability Engineering) — это инженерная практика, которая объединяет разработку и эксплуатацию для обеспечения надежности, масштабируемости и производительности сервисов. Основные задачи SRE: • Автоматизация процессов развертывания, мониторинга и управления инфраструктурой. • Обеспечение высокой доступности и отказоустойчивости сервисов. • Мониторинг и анализ метрик производительности и ошибок. • Реагирование на инциденты и проведение постмортемов для предотвращения повторных проблем. • Оптимизация процессов CI/CD и инфраструктуры. • Управление масштабированием и ресурсами. SRE стремятся сделать эксплуатацию систем более предсказуемой и автоматизированной, снижая человеческий фактор и повышая качество обслуживания пользователей.

03Расскажите о вашей роли и зоне ответственности в предыдущих местах работыMiddle

На текущем проекте я занимался поддержкой и развитием платформы для автоматизации развертывания и мониторинга микросервисов. В мои задачи входило создание и оптимизация CI/CD пайплайнов, настройка систем логирования и алертинга, а также обеспечение высокой доступности сервисов через автоматическое масштабирование и восстановление после сбоев. Кроме того, я внедрял инструменты для управления конфигурациями и занимался автоматизацией рутинных операций, что значительно повысило эффективность работы команды.

04Как бы вы реализовали блоковый парсинг конфигураций, учитывая что одни и те же функции (например, BGP) описываются по-разному у разных вендоров?Intern

Для реализации блокового парсинга конфигураций с учётом различий в описании одних и тех же функций у разных вендоров, можно использовать следующий подход: • Абстракция через промежуточное представление . Создать универсальную модель конфигурации (например, структуру данных или объект), которая описывает основные параметры и блоки (например, BGP). • Плагинная архитектура парсеров . Для каждого вендора реализовать отдельный парсер, который преобразует специфичный синтаксис в универсальное промежуточное представление. • Использование шаблонов и регулярных выражений для выделения блоков и параметров, учитывая особенности синтаксиса каждого вендора. • Модуль тестирования и валидации для проверки корректности парсинга и соответствия универсальной модели. Пример (псевдокод): // Интерфейс парсера для вендора type VendorParser interface { ParseConfig(rawConfig string ) (UnifiedConfig, error ) } // Универсальная модель BGP type BGPConfig struct { ASN int Neighbors [] string } // Универсальная модель конфигурации type UnifiedConfig struct { BGP BGPConfig // другие блоки } // Парсер для вендора A func ParseVendorA (raw string ) (UnifiedConfig, error ) { // специфичный парсинг синтаксиса вендора A } // Парсер для вендора B func ParseVendorB (raw string ) (UnifiedConfig, error ) { // специфичный парсинг синтаксиса вендора B } Такой подход позволяет расширять поддержку новых вендоров без изменения основной логики обработки конфигураций.

05Права 755 на директории — что это значит?Middle

Права 755 на директории означают следующее: • Восьмеричное значение 755 соответствует правам rwxr-xr-x. • Владелец директории имеет права на чтение (r), запись (w) и выполнение (x). • Группа и остальные пользователи имеют права на чтение (r) и выполнение (x), но не на запись. Для директорий право "выполнение" (x) означает возможность заходить внутрь директории и выполнять поиск файлов. Таким образом, с правами 755 владелец может изменять содержимое директории, а остальные могут только просматривать и заходить в неё, но не создавать или удалять файлы.

06Напиши SQL запрос, который выведет все строки из products и добавит к каждой строке соответствующий name из users (owner_id связан с id в users).Middle

sql SELECT p.*, u.name FROM products p LEFT JOIN users u ON p.owner_id = u.id; Этот запрос выбирает все столбцы из таблицы `products` и добавляет к каждой строке поле `name` из таблицы `users`, где `owner_id` в `products` соответствует `id` в `users`. Используется `LEFT JOIN`, чтобы вывести все продукты, даже если у некоторых нет соответствующего пользователя.

07С какими дистрибутивами Linux ты работал?Middle

В работе SRE и Platform Engineer часто используются различные дистрибутивы Linux, в зависимости от требований проекта и инфраструктуры. Наиболее распространённые: • Ubuntu — популярный дистрибутив с большим сообществом, часто используется для серверов и рабочих станций. • Debian — стабильный и надёжный, часто применяется на серверах. • CentOS / Rocky Linux / AlmaLinux — широко используются в корпоративных средах, совместимы с Red Hat Enterprise Linux. • Fedora — для тестирования новых технологий и разработки. • Arch Linux — для опытных пользователей и специфичных задач. Выбор зависит от требований к стабильности, поддержке пакетов и корпоративной политике.

08Как вы работаете с OpenSearch для логирования? Что важно при настройке?Middle

При работе с OpenSearch для логирования важно правильно настроить сбор, индексацию и хранение логов, чтобы обеспечить быстрый поиск и анализ. Основные моменты: • Сбор логов: Использую агенты (например, Filebeat, Fluentd) для передачи логов в OpenSearch. • Индексация: Настраиваю шаблоны индексов с правильными маппингами, чтобы поля логов индексировались корректно (например, timestamp, уровни логов). • Ротация и управление индексами: Настраиваю политики ILM (Index Lifecycle Management) для автоматической ротации, архивирования и удаления старых данных, чтобы не перегружать кластер. • Безопасность: Включаю аутентификацию и шифрование, чтобы защитить данные логов. • Мониторинг производительности: Следят за нагрузкой на кластер, размером индексов и временем отклика запросов. Пример настройки шаблона индекса: PUT _template/logs_template { "index_patterns" : [ "logs-*" ] , "settings" : { "number_of_shards" : 3 , "number_of_replicas" : 1 } , "mappings" : { "properties" : { "timestamp" : { "type" : "date" } , "level" : { "type" : "keyword" } , "message" : { "type" : "text" } , "service" : { "type" : "keyword" } } } } Важно также обеспечить удобный интерфейс для анализа, например, через Kibana или OpenSearch Dashboards.

09Расскажи о себе и своём опыте (интро)Intern — Middle+

На позиции SRE / Platform Engineer я могу быть полезен благодаря опыту в автоматизации процессов развертывания и поддержки инфраструктуры, а также в обеспечении стабильности и масштабируемости сервисов. Мой опыт включает: • Настройку CI/CD пайплайнов для ускорения релизов. • Мониторинг и алертинг с использованием Prometheus, Grafana. • Управление контейнерной инфраструктурой (Docker, Kubernetes). • Оптимизацию производительности и устранение инцидентов. Я умею быстро анализировать проблемы, работать с логами и метриками, а также внедрять инструменты для повышения надежности и удобства эксплуатации платформы. Готов активно взаимодействовать с командами разработки и поддержки для достижения общих целей.

10Что именно вы проверяли при вызове API: только успешный HTTP-статус или также содержимое ответа и бизнес-результат?Junior

Ответ доступен в приложении.

11Расскажите про настройку мониторинга: серверы Prometheus, Grafana, агенты, логированиеMiddle — Middle+

Настройка мониторинга с использованием Prometheus и Grafana обычно включает следующие компоненты: • Prometheus сервер — собирает метрики с различных источников, хранит их и предоставляет API для запросов. • Экспортеры (агенты) — специальные программы или библиотеки, которые собирают метрики с приложений, ОС, баз данных и передают их в Prometheus. Например, node_exporter для метрик ОС, blackbox_exporter для проверки доступности сервисов. • Grafana — инструмент визуализации, который подключается к Prometheus и строит дашборды на основе метрик. • Логирование — дополняет мониторинг, помогает анализировать события и ошибки. Обычно используется централизованный стек (например, ELK: Elasticsearch, Logstash, Kibana) или Loki от Grafana. Пример настройки: • Установить Prometheus и настроить файл конфигурации prometheus.yml с указанием таргетов (экспортеров). • Запустить необходимые экспортеры на серверах или в контейнерах. • Установить Grafana, добавить Prometheus как источник данных. • Создать дашборды для мониторинга ключевых метрик (нагрузка CPU, память, задержки, ошибки). • Настроить алерты в Prometheus или Grafana для уведомлений при аномалиях. Таким образом, мониторинг обеспечивает сбор, хранение, визуализацию и оповещение по метрикам и логам, что помогает быстро реагировать на проблемы в инфраструктуре.

12Что такое healthcheck в Docker? Как правильно настроить? Пробы liveness и readiness в Kubernetes — как писали?Intern — Middle+

В Kubernetes пробы (probes) используются для проверки состояния контейнеров и управления их жизненным циклом. Есть три основных типа проб: • Liveness Probe (проба живости): • Проверяет, жив ли контейнер. • Если проба не проходит, Kubernetes перезапускает контейнер. • Используется для обнаружения зависших или «мертвых» процессов. • Readiness Probe (проба готовности): • Проверяет, готов ли контейнер принимать трафик. • Если проба не проходит, контейнер исключается из сервисов и балансировщиков. • Позволяет избежать отправки запросов на контейнер, который еще не инициализирован. • Startup Probe (проба запуска): • Используется для проверки успешного старта приложения. • Позволяет задать более длительный таймаут для старта, чтобы не считать контейнер упавшим слишком рано. • После успешного прохождения startup probe, Kubernetes переключается на использование liveness probe. Пример: если приложение долго стартует, можно настроить startup probe с большим таймаутом, чтобы не перезапускать контейнер преждевременно. После старта, liveness и readiness пробы следят за состоянием и готовностью приложения.

13Использовали ли вы Ansible?Middle — Middle+

Опыт с Ansible включает: • Автоматизация конфигурации и развертывания : написание playbook'ов для установки и настройки сервисов, управления пакетами, конфигурационными файлами. • Оркестрация задач : последовательное выполнение задач на множестве серверов с учетом зависимостей. • Использование ролей (roles) : структурирование кода для переиспользования и удобства поддержки. • Интеграция с CI/CD : запуск Ansible playbook'ов в пайплайнах для автоматического деплоя. • Работа с инвентарями : динамические и статические инвентори для управления группами хостов. • Обработка ошибок и отладка : использование --check , --diff , логирование и отладочные модули. Пример простого playbook для установки nginx: - hosts: webservers become: yes tasks: - name: Установить nginx apt: name: nginx state: present - name: Запустить и включить nginx service: name: nginx state: started enabled: yes Такой опыт позволяет эффективно автоматизировать рутинные операции и поддерживать инфраструктуру в актуальном состоянии.

14Почему df показывает нет места, а du показывает что место должно быть?Middle

Команда df показывает свободное место на уровне файловой системы, а du — размер файлов и директорий, видимых в текущем каталоге. Причины, почему df может показывать, что места нет, а du — что место есть: • Удалённые, но открытые файлы: Если файл был удалён из каталога, но процесс всё ещё держит его открытым, du его не увидит, а df учтёт занятое место. • Файлы вне видимой директории: du считает только указанную директорию, а df — всю файловую систему. • Скрытые или смонтированные каталоги: Если есть точки монтирования или скрытые файлы, du может не учитывать их. Пример: если процесс пишет в лог, который потом удалили, место под этот файл не освободится, пока процесс не закроет дескриптор. Чтобы найти такие файлы, можно использовать lsof : lsof +L1 Это покажет открытые удалённые файлы, занимающие место.

15Что такое Load Average, почему он состоит из трёх чисел и что они означают?Middle — Middle+

Load Average — это усреднённое значение нагрузки на систему за определённые интервалы времени (обычно 1, 5 и 15 минут). Оно показывает среднее количество процессов, которые либо выполняются на CPU, либо ожидают его. Расчёт происходит путём подсчёта процессов в состоянии "готов к выполнению" (runnable) и тех, кто ожидает завершения ввода-вывода (uninterruptible sleep). Эти значения усредняются с помощью экспоненциального скользящего среднего. Например, если Load Average равен 2 на системе с 2 ядрами, это значит, что CPU загружены полностью. Если значение выше количества ядер — процессы ожидают в очереди. Это метрика помогает понять, насколько загружена система и есть ли узкие места в обработке задач.

16Что такое OOM Killer?Middle

OOM Killer (Out-Of-Memory Killer) — это механизм в ядре Linux, который срабатывает, когда системе не хватает оперативной памяти и она не может выделить память для процессов. В такой ситуации OOM Killer выбирает один или несколько процессов для завершения, чтобы освободить память и предотвратить крах всей системы. Выбор процесса для убийства основан на различных критериях, таких как потребление памяти, приоритет процесса и время работы. Обычно жертвой становится процесс, который занимает много памяти и при этом имеет низкий приоритет. Пример ситуации: если на сервере запущено много приложений и суммарное потребление памяти превышает доступный объём, OOM Killer завершит один из процессов, чтобы система продолжила работать.

17Как перезапустить под после изменения ConfigMap?Intern — Middle

Чтобы изменить значение ConfigMap и чтобы сервис увидел эти изменения, нужно: • Обновить ConfigMap с помощью команды kubectl apply -f configmap.yaml или kubectl edit configmap <имя> . • Если сервис использует ConfigMap как переменные окружения, то для применения изменений нужно перезапустить поды, так как переменные окружения читаются только при старте контейнера. • Если ConfigMap монтируется как volume, то изменения в файлах внутри volume обычно видны сразу, но приложение должно уметь отслеживать изменения и перезагружать конфигурацию без рестарта. Пример перезапуска пода: kubectl rollout restart deployment/<имя-деплоймента> Таким образом, чтобы сервис увидел обновления ConfigMap, чаще всего требуется перезапуск пода или деплоймента.

18Requests и Limits в Kubernetes. Что происходит при превышении memory limit и CPU limit?Intern — Middle+

В Kubernetes для контейнеров можно задавать два параметра ресурсов: requests и limits . • Requests — минимальное количество ресурсов, которое гарантированно выделяется контейнеру. Планировщик использует эти значения для размещения подов на узлах. • Limits — максимальное количество ресурсов, которое контейнер может использовать. Что происходит при превышении лимитов: • CPU limit: Если контейнер пытается использовать CPU больше, чем указано в лимите, Kubernetes (через cgroups) ограничит его использование CPU. Контейнер не будет убит, но его процессам будет выделяться меньше CPU, чем они хотят, что может привести к снижению производительности. • Memory limit: Если контейнер превысит лимит по памяти, ядро Linux (через OOM Killer) убьёт процесс контейнера, так как память выделяется жестко. В результате контейнер перезапустится (если настроен RestartPolicy). Пример в манифесте: resources: requests: memory: "128Mi" cpu: "250m" limits: memory: "256Mi" cpu: "500m" Здесь контейнер гарантированно получит 128Mi памяти и 250m CPU, но не сможет использовать больше 256Mi памяти и 500m CPU.

191. Написать Python объект "switches" в YAML формат 2. Преобразовать "switches" так, что в нём остались "cisco" коммутаторы 3. В команде standardise_macaddr получить последний адрес хоста в сети "172.16.0.0/28" 4. Распарсить "dhcp_snooping_table" в список словарей вида: ```python dhcp_snooping_table_parsed = [ { "mac": "00:E9:BC:3F:A6:50", "ip": "100.1.1.6", "interface": "FastEthernet0/20", }, { "mac": "00:E9:22:11:A6:50", "ip": "100.1.1.7", "interface": "FastEthernet0/21", } ] ``` 5. Написать класс "NetworkSubnet" который имеет 2 метода: - get_subnet - возвращает первую доступную подсеть указанной длины в виде объекта класса IPv4Network - show_network_pool - возвращает список доступных подсетейIntern

yaml switches: cisco1: vendor: cisco model: 2960 ip: 10.0.0.1 cisco2: vendor: cisco model: 3750 ip: 10.0.0.2 hp1: vendor: hp model: 1920 ip: 10.0.0.3 --- # Фильтрация только cisco коммутаторов ```python import yaml with open('switches.yaml') as f: switches = yaml.safe_load(f) cisco_switches = {k: v for k, v in switches['switches'].items() if v['vendor'] == 'cisco'} Получение последнего адреса хоста в сети 172.16.0.0/28 import ipaddress network = ipaddress.IPv4Network( '172.16.0.0/28' ) last_host = str ( list (network.hosts())[- 1 ]) print (last_host) # 172.16.0.14 Парсинг dhcp_snooping_table в список словарей dhcp_snooping_table = ''' 00:E9:BC:3F:A6:50 100.1.1.6 FastEthernet0/20 00:E9:22:11:A6:50 100.1.1.7 FastEthernet0/21 ''' lines = dhcp_snooping_table.strip().split( '\n' ) dhcp_snooping_table_parsed = [] for line in lines: mac, ip, interface = line.split() dhcp_snooping_table_parsed.append({ 'mac' : mac, 'ip' : ip, 'interface' : interface }) Класс NetworkSubnet import ipaddress class NetworkSubnet : def __init__ ( self, network ): self .network = ipaddress.IPv4Network(network) self .used_subnets = [] def get_subnet ( self, prefixlen ): for subnet in self .network.subnets(new_prefix=prefixlen): if subnet not in self .used_subnets: self .used_subnets.append(subnet) return subnet return None def show_network_pool ( self ): all_subnets = list ( self .network.subnets()) available = [s for s in all_subnets if s not in self .used_subnets] return available # Пример использования net = NetworkSubnet( '192.168.0.0/24' ) subnet = net.get_subnet( 28 ) print (subnet) # 192.168.0.0/28 print (net.show_network_pool())

20Чем разворачивали Kubernetes и приложения? Kubespray, Helm?Middle

Для развёртывания Kubernetes и приложений часто используют следующие инструменты: • Kubespray — это набор Ansible-скриптов для автоматического развертывания Kubernetes-кластера на различных инфраструктурах (bare metal, облака). Позволяет гибко настраивать кластер, подходит для production. • Helm — менеджер пакетов для Kubernetes. Позволяет описывать, устанавливать и обновлять приложения в кластере через чарты (charts). Удобен для управления сложными приложениями с множеством компонентов. В типичном сценарии: • Kubespray используется для развертывания и настройки самого Kubernetes-кластера. • Helm — для установки и обновления приложений внутри кластера. Пример установки приложения через Helm: helm repo add stable https://charts.helm.sh/stable helm install myapp stable/nginx Таким образом, Kubespray отвечает за инфраструктуру, Helm — за приложения.

21SRE / Platform EngineerMiddle

Ответ доступен в приложении.