DevOps 面试题大全（七·上）：监控系统 Prometheus/Grafana/ELK 25 题详解

前言

监控是 DevOps 的眼睛，帮助发现系统问题、性能瓶颈。本文整理 50 道监控面试题，涵盖 Prometheus、Grafana、ELK 等主流工具。

一、基础概念题（1-15 题）

1. 监控系统核心指标

• USE 方法：Utilization, Saturation, Errors
• RED 方法：Rate, Errors, Duration
• 黄金指标：延迟、流量、错误、饱和度

2. Prometheus 架构

• Prometheus Server - 时序数据库
• Exporters - 指标采集器
• PromQL - 查询语言
• Alertmanager - 告警管理
• Grafana - 可视化

3. Prometheus 数据模型

• Metric Name - 指标名称
• Labels - 标签键值对
• Timestamp - 时间戳
• Value - 指标值

4. 指标类型

• Counter - 只增不减（请求数）
• Gauge - 可增可减（内存使用）
• Histogram - 直方图（响应时间）
• Summary - 摘要（分位数）

5. PromQL 基础查询

# 瞬时向量
http_requests_total

# 范围向量
http_requests_total[5m]

# 标签过滤
http_requests_total{method="POST",job="api"}

# 聚合函数
sum(rate(http_requests_total[5m])) by (job)

6. 常用聚合函数

• sum - 求和
• avg - 平均
• max/min - 最大/最小
• count - 计数
• rate - 增长率
• irate - 瞬时增长率

7. Grafana 核心概念

• Data Source - 数据源
• Dashboard - 仪表盘
• Panel - 面板
• Query - 查询
• Alert - 告警
• Variable - 变量

8. ELK Stack 组成

• Elasticsearch - 搜索分析引擎
• Logstash - 日志收集处理
• Kibana - 可视化
• Beats - 轻量采集器

9. 日志收集架构

Filebeat → Logstash → Elasticsearch → Kibana

10. 告警级别分类

• P0 - 致命（系统不可用）
• P1 - 严重（核心功能受损）
• P2 - 警告（性能下降）
• P3 - 提示（需要关注）

11-15. 更多基础题

二、进阶实战题（16-25 题）

16. Prometheus 配置示例

global:
  scrape_interval: 15s
  evaluation_interval: 15s

scrape_configs:
  - job_name: 'prometheus'
    static_configs:
      - targets: ['localhost:9090']
  
  - job_name: 'node'
    static_configs:
      - targets: ['node1:9100', 'node2:9100']
  
  - job_name: 'kubernetes'
    kubernetes_sd_configs:
      - role: pod

17. 告警规则配置

groups:
  - name: example
    rules:
      - alert: HighCPU
        expr: avg(rate(node_cpu_seconds_total[5m])) > 0.8
        for: 5m
        labels:
          severity: warning
        annotations:
          summary: "CPU 使用率过高"
          description: "{{ $labels.instance }} CPU 超过 80%"

18. Alertmanager 路由配置

route:
  group_by: ['alertname', 'cluster']
  group_wait: 30s
  group_interval: 5m
  repeat_interval: 4h
  receiver: 'default'
  routes:
    - match:
        severity: critical
      receiver: 'pagerduty'
    - match:
        severity: warning
      receiver: 'slack'

19. Grafana Dashboard 导入

使用社区模板（ID: 8919 Node Exporter, 315 K8s），或自定义创建。

20. 自定义 Exporter

使用 Prometheus Client Library（Go/Python/Java）暴露 /metrics 端点。

21. 日志查询语法

# Lucene 语法
status:500 AND method:POST

# KQL (Kibana)
http.response.status_code : 500 and http.request.method : "POST"

# 聚合
GET /logs/_search
{
  "aggs": {
    "status_codes": {
      "terms": { "field": "http.response.status_code" }
    }
  }
}

22. 指标类型选择

• 请求总数 → Counter
• 当前连接数 → Gauge
• 响应时间分布 → Histogram
• API 延迟百分位 → Summary

23. 服务发现配置

scrape_configs:
  - job_name: 'kubernetes-pods'
    kubernetes_sd_configs:
      - role: pod
    relabel_configs:
      - source_labels: [__meta_kubernetes_pod_annotation_prometheus_io_scrape]
        action: keep
        regex: true

24. 联邦集群配置

多层 Prometheus 架构，边缘采集 → 中心聚合 → 全局视图。

25. 高可用方案

• 多副本 Prometheus
• Thanos/Cortex 长期存储
• VictoriaMetrics 替代方案
• Alertmanager 集群

下篇预告：26-50 题，涵盖高级查询、故障排查、最佳实践等

cnbugsai

打赏 海报 链接