编程与调试

把本地依赖收进一份编排文件，新同事不用再手动装环境

新同事要跑起 [服务名]，依赖 [数据库/缓存/消息队列] 三个组件。请写一份 compose 配置：1）各服务的镜像版…

按实测水位给 Pod 定资源请求与上限，讲清放大的代价

服务 [服务名] 的监控显示 CPU 常态 [x] 核、峰值 [y] 核，内存常态 [a] GiB、峰值 [b] GiB…

定位扩缩容反复抖动的原因，换成更合适的扩容信号

HPA 按 CPU 扩容时反复抖动，Pod 数在 [n] 到 [m] 之间来回跳。请：1）从指标延迟、统计窗口、冷却期、…

按线索判断重启是应用崩了还是被平台杀掉的

下面是 [Pod 的 describe 输出与上一次容器日志]。请按顺序判断：1）重启原因是 OOMKilled、探针失…

分清三种探针各自该检查什么，避免连环重启

现有 Deployment 的 liveness、readiness、startup 三个探针配置如下。请：1）指出哪些…

让副本真正分散到不同节点和可用区，并保住维护时的可用量

集群有 [节点数与可用区分布]，服务 [服务名] 的 [副本数] 个 Pod 经常落在同一节点。请：1）用反亲和与拓扑分…

解释配置改了却没生效的原因，给出可靠的触达方式

配置放在 ConfigMap，通过 [挂载文件/环境变量] 注入。请：1）说明这两种注入方式在配置更新后是否会自动生效，…

把密钥从仓库和镜像里挪出去，并定好轮换流程

项目目前把 [数据库密码/第三方 Key] 写在 [配置文件/仓库变量] 里。请给一套分层方案：1）本地开发、CI、生产…

从容器内到入口网关，逐层排查服务之间访问不通的原因

从 [调用方 Pod] 访问 [服务名] 报连接超时。请给一份从下往上的排查清单：1）Pod 是否 Ready、Endp…

判断有状态组件该不该上 K8s，以及存储怎么配

要把 [数据库/中间件] 部署到 K8s，现有数据量约 [大小]，日增 [增量]。请：1）StatefulSet、PVC…

把工作负载的权限收回到刚够用，降低被滥用风险

下面是当前的 Role/ClusterRole 绑定和 [ServiceAccount] 使用情况。请：1）找出授予过宽…

节点换规格时按批次滚动替换，保证业务不中断

要把 [集群名] 的节点从 [旧规格] 换成 [新规格]，业务不能中断。请：1）给出节点池滚动替换的顺序与每批数量；2）…

把新业务要用的云资源一次算全，少留漏项

新业务预计 [日活/请求量]，主要功能是 [功能描述]。请输出一份资源规划表：1）计算、数据库、缓存、对象存储、带宽、日…

逐个组件标注冗余级别，评估机房故障的真实影响

现有架构部署在 [区域/可用区数量]，数据库为 [类型与部署方式]。请评估：1）逐个组件标注单点、同区冗余还是跨区冗余；…

按访问频率给对象存储分层，避免越存越贵

桶里存的是 [文件类型]，总量 [大小]，访问集中在 [时间范围]。请：1）按访问频率划分热、温、冷、归档四层，给出各层…

提前规划网段与子网，避免以后扩不动也改不了

要为 [项目/多环境] 规划 VPC。请：1）给出 CIDR 划分建议，含未来扩容与多云互通的预留；2）公有、私有、数据…

把域名、证书、强制跳转这些上线必做项列全

新服务要用 [域名] 对外提供 HTTPS。请给一份上线清单：1）DNS 解析、备案、证书类型的选择，含单域名、通配、多…

在连接数打满之前算清实例数、池大小和上限的关系

服务 [服务名] 有 [实例数] 个副本，每个副本的连接池配置为 [大小]，数据库规格是 [规格]。请：1）算出最大连接…

按生产与消费速率定分区数和容量，应对堆积

使用 [消息队列]，主题 [topic] 的日量为 [条数]，消费端单条耗时 [毫秒]。请：1）算出所需的消费并发与分区…

从可接受的丢失量和恢复时长倒推备份频率与保留

系统包含 [数据库/文件存储/配置]，业务可接受丢失 [时长] 数据、恢复耗时 [时长]。请：1）据此给出全量与增量的频…

用一次真实演练验证备份能不能在规定时间内恢复

需要为 [系统] 做一次恢复演练。请给一份可执行的演练脚本：1）演练目标与通过标准，即恢复到哪个时间点、多长时间内完成；…

误删之后按代价从低到高选择恢复手段，先止血

[表/目录] 被误执行了 [DELETE/DROP/覆盖] 操作，影响范围是 [范围]。请给一份应急顺序：1）先做什么防…

建立定期抽查机制，让备份的可恢复性有据可查

已有 [备份方案] 在运行。请设计一套定期验证机制：1）抽样恢复的频率与样本选择方式；2）自动化校验项，含文件完整性、是…

把业务指标一步步换算成 QPS、并发和机器数量

业务指标是 [日活/订单量/并发用户]，峰值集中在 [时段]。请反推容量：1）把业务指标换算成 QPS 与并发的完整推导…

估算存储增长曲线，提前安排扩容和归档

现在每天新增 [数据量]，保留 [时长]，当前已用 [大小]。请：1）算出 3、6、12 个月后的用量与告警阈值；2）区…

算清出网带宽与流量费用，找出能省的部分

服务是 [描述]，平均响应 [大小]，请求量 [数值]。请估算：1）出网带宽峰值与月流量，写清计算过程；2）按 [云厂商…

把压测数字翻译成规格和实例数的采购建议

压测结果是 [QPS/延迟/错误率]，实例规格 [规格]。请：1）判断拐点位置与瓶颈资源，含 CPU、内存、IO、连接数…

大促前按链路找最短板，提前锁住需要的资源

预计大促峰值是日常的 [倍数]，持续 [时长]。请给一份容量准备计划：1）按链路列出各环节的承载上限与最短板；2）需要提…

回滚之前先判断数据兼容性，避免回退后读不了

版本 [版本号] 上线后写入了新格式数据，现在需要考虑回滚。请：1）列出回滚前必须确认的兼容性问题，即新旧版本能否读同一…

用一次演练确认回滚真的能在预期时间内完成

需要在 [环境名] 对 [服务名] 演练一次回滚。请给方案：1）选择演练对象与回滚类型，含镜像版本回退、配置回退、数据库…

设计故障演练的边界、中止条件和观测点

要对 [系统] 做一次故障演练，验证 [依赖超时/节点宕机/网络分区] 下的表现。请：1）设计演练方案，明确爆炸半径、时…

逐个组件判断单点及其影响，排出处理优先级

下面是 [架构说明/部署清单]。请逐个组件标注：1）是否存在单点，判断依据是什么；2）该单点失效时的影响范围，是全站不可…

为核心依赖设计分级降级动作和触发条件

核心链路依赖 [第三方服务/内部服务]，历史上出现过 [故障表现]。请设计降级方案：1）按依赖的重要程度分级，每级对应的…

明确机房级故障的判定、切换步骤和回切条件

主用区域是 [区域]，备用区域是 [区域]，数据同步方式为 [方式]。请给一份切换预案：1）判定「确实需要切换」的依据与…

给故障处理定角色、权限和固定节奏的信息同步

线上故障处理常出现多人同时改动、信息不同步。请给一份 [故障等级] 下的应急协作模板：1）角色划分，含指挥、操作、观测、…

按产品和标签拆解账单，定位涨幅来源与浪费

本月云账单比上月增加 [比例/金额]，明细按 [产品/地域/标签] 拆分如下。请：1）定位涨幅最大的前几项并给出可能原因…

用利用率数据筛出可以停用或释放的资源

现有资源清单与近 [天数] 的利用率数据如下。请筛出可回收项：1）按资源类型列出判定标准，含低 CPU、无连接、无流量、…

在不牺牲排查能力的前提下压掉日志与快照开销

存储成本中日志占 [比例]、快照占 [比例]。请给优化方案：1）日志分级与采样策略，哪些级别只保留聚合指标就够；2）保留…

按稳定性判断该用承诺折扣还是按量付费

有一批稳定运行 [时长] 的 [资源类型]，当前计费方式为 [计费方式]，月度成本 [金额]。请：1）对比按量、包年包月…

用标签把共享成本分到团队，让账单能对应到人

公司有 [团队数] 个团队共用一个云账号。请设计成本分摊方案：1）标签体系，含业务、环境、团队、负责人，以及强制打标的手…

用一组结构化问题检验架构方案的关键假设

下面是要评审的 [架构方案/设计文档]。请以评审者身份提问并按重要性排序：1）数据流与一致性：写在哪、读在哪、失败了会怎…

判断当前痛点是否真由单体造成，再决定拆不拆

现有单体包含 [模块列表]，团队 [人数]，主要痛点是 [痛点]。请：1）判断这些痛点是否真由单体架构造成；2）对比三条…

评估同步调用改异步后要补哪些一致性机制

链路 [描述] 中，[调用点] 目前是同步调用，耗时 [数值]。请评估：1）改异步后的一致性代价，含最终一致、乱序、重复…

从功能、SLA、合规、成本和退出成本评估外部服务

计划引入 [第三方服务/API] 来解决 [需求]。请出一份评估：1）功能覆盖情况与不满足的部分；2）可用性与 SLA…

在成本与隔离强度之间选择合适的多租户方案

产品要支持 [客户类型] 多租户，租户数量预计 [数量]。请对比三种隔离级别：1）共享库共享表加租户字段、共享库独立 s…

按代价从小到大评估扩容手段，别急着分库分表

表 [表名] 当前 [行数] 行，日增 [增量]，慢查询主要集中在 [场景]。请：1）按顺序评估优化手段：索引与 SQL…

加缓存之前先确认失效策略和降级路径是否成立

计划在 [服务] 与 [数据库] 之间加一层缓存，缓存的数据是 [数据种类]。请评审：1）缓存什么、不缓存什么，命中率预…

上线前逐项确认监控、告警、备份和回滚是否就绪

新服务 [服务名] 即将上线。请按清单逐项确认并标出缺失项：1）资源与配额；2）健康检查、日志、指标、链路追踪是否已接入…

把域名和证书的到期、部署位置和续期方式管起来

名下域名与证书清单如下。请：1）按到期时间排序，标出 [天数] 内到期的；2）区分证书类型与部署位置，含负载均衡、CDN…

为定时任务补上漏跑检测、重试边界和补跑流程

系统有 [数量] 个定时任务，通过 [调度方式] 触发。请设计运维方案：1）漏跑、重跑、并发重复执行的检测与防护，含幂等…

给新上线的机器一份可逐项核查的安全基线

要给 [数量] 台 [云主机/容器] 做安全基线。请给一份可核查的清单：1）账号与登录，含禁用密码登录、禁止 root…

把主从切换的检查项、步骤和回切条件演练一遍

数据库为 [类型]，一主 [从库数] 从，切换方式为 [手动/自动]。请给一份切换演练方案：1）切换前的检查项，含复制延…

从实测承载反推限流阈值，并约定被限流时的语义

服务 [服务名] 的实测承载为 [数值]，上游调用方有 [数量] 个。请：1）给出限流维度的选择，含全局、按调用方、按接…

把散落在配置和代码里的服务依赖整理成拓扑

现有 [数量] 个服务，调用关系散落在配置与代码里。请给一份梳理方法：1）从哪些来源提取依赖，含网关配置、服务注册、代码…

通过分阶段计时验证灾备的 RTO 是否真的达标

已建 [同城/异地] 灾备，目标 RTO [时长]、RPO [时长]。请设计验证方案：1）如何在不影响生产的前提下测出真…

发现并收敛手工改动造成的基础设施配置漂移

基础设施用 [Terraform/其他工具] 管理，但存在手工改动。请：1）如何发现漂移，含 plan 输出、云侧 AP…

按影响面和可回退性给变更分级，配置对应的把关

团队每周有 [数量] 次生产变更，类型包括配置、代码、数据库、基础设施。请设计分级机制：1）按影响面、可回退性、发生时段…

把数据访问层里靠字符串拼出来的查询逐条找出来，标出可利用点

下面这段 [语言] 数据访问代码里有多处用字符串拼接生成查询。请逐条列出：拼接的变量来自哪里（请求参数、内部常量、配置）…

用户提交的富文本既要保留格式又要防脚本，按白名单定清洗规则

我们的 [内容类型，如商品详情、评论] 允许用户提交带格式的 HTML。请设计一份白名单：保留哪些标签与属性、图片的 s…

链接预览、头像转存这类接口会被拿来探测内网，需要逐层设防

服务端有个 [功能名，如链接预览、头像抓取] 接口，会替用户去请求他填写的 URL。请列出攻击者借此能访问的目标（内网地…