是石科技 · 运维工程师（一面）
1. 常用运维命令有哪些？
首先系统这块。Linux 上常用的就是 top 或者 htop 看负载，free -h 看内存，df -h 和 du -sh 看磁盘，uptime 看负载均值。排查的时候用 ps aux 配 grep 找进程，netstat 或者 ss 看端口和连接。系统加固这块用户权限管理、进程调度、日志分析这些都能独立操作，比如 useradd、passwd、chmod、chown 这些权限相关，还有看日志的 tail -f、grep，配合 journalctl 查 systemd 的日志。
网络这块，使用 ping 测连通性，用 ip addr 和 ip route 看地址和路由，用 traceroute 定位是哪一跳出问题，用 netstat 或 ss 看 TCP 连接状态，排网络不通的时候会从本机环回、网关、DNS 一层层往下查。
数据库这块，比如 MySQL，会写 SQL、做表设计、看慢查询，主从复制和备份恢复流程也清楚，mysqldump 做备份、binlog 做恢复。
然后运维这块最核心的，就是容器和 K8s 那套。Docker 常用 docker ps 看运行容器、docker images 看镜像、docker logs 看日志、docker exec 进容器、docker-compose 起服务。K8s 常用的是 kubectl，比如 kubectl get nodes、kubectl get pods、kubectl get svc、kubectl logs、kubectl describe 去定位 Pod 状态。
文件这块，看内容用 cat、tail -f 实时跟踪日志；文本处理用 grep、awk、sed；找文件用 find；压缩解压用 tar。
2. CPU 占用高如何排查？
CPU 占用高的排查，核心分三步。
第一步先看 top，确认是不是真的 CPU 忙——注意看 us、sy、wa，如果 wa 高，那其实不是 CPU 问题，而是磁盘 IO 拖慢了，该查磁盘。
第二步定位进程，在 top 里按 P 键按 CPU 排序，或者用 ps aux --sort=-%cpu，就能锁定是哪个进程占的；如果想更细，再用 top -Hp 加进程号看具体是哪个线程，配 pidstat 也行。
第三步判断是正常还是异常——对比这个进程平时的基准占用、看是不是周期性任务或业务高峰期，就能区分。如果是正常负载我一般不动或考虑扩容；如果是异常，比如死循环、频繁 GC 或者可疑进程，那才处理。另外我会多留一个心眼，CPU 莫名飙高有时候是安全事件的信号，我会顺带排查有没有异常进程或外连。
3. 磁盘 100% 故障排查
磁盘 100%，先判断是"满了"还是"忙了"。
先看是不是满了。用 df -h 看各分区使用率，如果某个分区到 100%，就定位占用大户。用 du -sh 加个路径或 *，逐层往下找到底哪个目录、哪个文件把空间吃掉了，常见的就是日志文件、临时文件、数据库 binlog、core dump 这些。找到了就针对性清理——日志归档清理、删临时文件、或者清理 docker 镜像和容器数据。如果是有业务的，删之前先确认，不误删生产数据。
再看是不是忙（IO 高）。如果是 IO 读写高而不是空间满，那用 iostat 看 %util 和 await，用 iotop 看是哪个进程在疯狂读写。这种情况常见原因有大查询、备份任务、日志刷盘、或者某个应用在扫表。定位到进程后，再判断是正常任务还是异常。
4. 服务启动失败怎么排查
服务启动失败，按从近到远的顺序排查。
第一步先看报错，这是最快的路径——用 systemctl status 看服务状态和最近日志，或者 journalctl -u 服务名 直接看启动日志，大多数启动失败的问题日志里都写得明明白白，比如配置文件写错、端口被占用、依赖的服务没起来。
第二步看资源，磁盘满了、内存不够、文件句柄超限，也会导致服务起不来，用 df、free、ulimit 查一下。第三步看配置和权限，配置语法对不对、关键目录和文件的权限属主对不对，比如 systemd 里有没有写错路径。
如果服务本身起不来，我还会用前台方式直接跑一下命令，比如直接执行那个可执行文件，能看到交互式的报错，这比看日志更直观。定位到根因后针对性修，修完重启验证状态，确认稳定了才完事。会先读日志、先确认原因再动手，不盲目重启掩盖问题。
5. ping 通但 telnet 端口不通有哪些原因
ping 通说明网络层是通的，但 telnet 端口不通，问题基本出在传输层或应用层，按这几个方向排查。
第一，服务本身没起来或端口没监听。先确认目标进程是否在跑、是否监听在那个端口，用 ss -lnt 或 netstat 在目标机器上看端口有没有 LISTEN。服务没起，端口自然不通。
第二，防火墙拦截。这是很常见的原因——本机 iptables/firewalld 或者云安全组没放行该端口，数据到了但被拦了。用 firewall-cmd --list-all 或 iptables -L 查规则，安全组那边查入站规则。
第三，服务只监听了特定地址。比如服务只绑了 127.0.0.1 而不是 0.0.0.0，那外网或跨机器就连不上。用 ss -lntp 看它监听在哪个地址。
第四，可能是代理或中间设备拦截，这个了解但排查优先级靠后。
基本就这四个方向——服务没起、防火墙拦截、监听地址不对，最后一个再考虑中间设备。从本机到目标、从服务到网络这个顺序一层层查。
6. 排查网络故障思路
排查网络故障，核心思路是"自下而上、分层定位"，从底层往上逐步缩小范围。
第一步，确认链路通不通。先用 ping 测目标，不通再 ping 网关，判断是本机、中间链路还是目标端的问题。同时用 ip addr 看网卡有没有 IP，ip route 看默认网关。
第二步，测端口。通了不代表端口通。用 telnet IP 端口 或 nc 测端口；本机用 ss -tlnp 看端口是否监听、是否被防火墙挡。
第三步，查 DNS。如果 IP 通但域名不通，多半是 DNS。用 nslookup 或 dig 解析域名确认。
第四步，抓包定位。查不出就用 tcpdump，看 SYN、ACK、RST 标志位：SYN 发出去没回应可能是丢包或被防火墙拦，收到 RST 是被主动拒绝。
第五步，按现象分类处理。完全不通就用 traceroute 看卡在哪一跳；时通时断用 mtr 或 ping -f 查丢包；通但慢看是不是带宽或服务处理不过来；通但被拒优先查防火墙规则和服务状态。
7. 用过什么监控系统？
监控这块我主要熟悉两套。最熟的是 Prometheus 加 Grafana，这个我在实战里搭过——能配置采集指标、写告警规则，用 Grafana 做可视化看板，这套是现在云原生环境的主流。其次是 Zabbix，我了解它的整体监控方案，适合传统服务器和主机监控。
另外日志监控这块，我掌握 ELK/EFK 这套，就是 Elasticsearch、Logstash/Fluentd 加 Kibana，做日志采集、检索和可视化，用来排查问题和看运行状态。
8. 会不会 Shell 脚本？
基础的 Shell 我会，能写脚本完成常规的运维任务，比如日志清理、批量处理文件、定时备份、遍历目录这些。但我得诚实说，Shell 不是我的强项，我在 awk、sed 这些高级文本处理和复杂正则上还需要查资料，遇到没把握的语法我会先查再写，写完会反复测试，避免在生产环境出问题。
9. 是否接受值班、夜班、故障加班？
接受，运维岗位值班、夜班、故障加班本身就是工作的常态，我来投这个岗位，就是认可并准备好接受这个节奏的。
第一，作息上我没问题，我年轻、没有家庭负担，现在正是能扛的年纪，夜班倒班、节假日值守我都能接受，也不会因为值班安排跟公司讲条件。第二，故障加班这块，我的原则是"故障就是命令"——真出了紧急问题，该连夜处理就连夜处理，不会因为下班了或者值班结束了就撒手不管，这点责任心我是有的。
另外我提前了解过，像贵公司做 AI 基础设施这块，业务对稳定性和可用性要求很高，监控、告警、应急响应基本是 7×24 的，这我理解也接受。
值班我不是被动应付，我会把它当成锻炼机会——夜班和故障正是积累排障经验、提升应急能力最快的场景。
10. 期望薪资
结合运维岗位和重庆这边的行情，作为实习/入门阶段，我期望的月薪大概在 3000 到 4000 这个区间；如果是正式的运维工程师岗，我希望能在 6000 到 8000 上下。当然这个可以谈，我也愿意接受贵司基于我的能力和培养方案给出的合理定级。
11. 为什么选择是石科技？
第一个是赛道和公司方向。我提前了解过，是石科技是清华系背景、专注超智融合方向，核心做高性能计算和 AI 解决方案，目标是把 AI 落地到产业里，最近刚完成数亿元 A 轮融资，还在布局 Token 优化工厂这样的 AI 基础设施方向。我做运维，最看重平台的技术含量和成长性——AI 基础设施对稳定性、算力、监控的要求都很高，这正好是运维最能学到东西、也最有价值的场景。这种高速成长、技术驱动的公司，对我来说是最有吸引力的平台。
第二个是岗位匹配。我的技术栈，Linux、数据库、容器 K8s、监控、自动化运维，正好是 AI 基础设施运维需要的核心能力。我有一定基础不是从头学起，可以较快上手、能较快给团队带来帮助。
第三个是稳定和长远的考虑。我希望找到一个能长期深耕的平台——不是干一阵就走的，而是想跟着公司在 AI 这条路上一起成长，从运维做起，往云原生、AI 运维这个方向沉淀下去。
总的来说，就是平台有前景、方向契合我的技术、我也愿意长期留下来做，这三条加起来，是我选择是石科技的原因。
12. 2-3 年个人职业规划是啥？
短期，也就是第一年，我的重点是打牢基础、尽快独立。刚进去我先把手头运维的事做扎实——服务器、监控告警、故障排查、值班响应这些，争取尽快从"有人带"到"能独立处理常规问题"，把公司的业务、系统架构、流程规范都摸熟。这一年我给自己定的是先把基本功练到位，让团队放心把任务交给我。
中期，第二年到第三年，我的重点是往一个方向深耕、形成专长。运维面很宽，我会结合公司的业务方向，往云原生、容器 K8s 这块深扎——因为贵司是 AI 基础设施方向，云原生、自动化、平台化的运维会是主流。我希望这两年能把运维自动化、监控体系、稳定性保障这些做深，能独立负责一块系统的运维，参与一些架构和优化的工作，慢慢从"执行者"往"能独立负责"的方向走。
再往后，我的长期想法是往 AI 运维、平台工程这个方向沉淀，成为这个领域能独当一面的运维工程师。但我现在更愿意先把手头的事做好，一步步来。