机房运维面试基本问题及答案.docxVIP

机房运维面试基本问题及答案

问：请详细说明机房动力系统的核心组成及各部分在冗余设计中的作用。

答：机房动力系统是保障IT设备稳定运行的基础，核心组成包括市电输入、UPS（不间断电源）、柴油发电机、配电列头柜及PDU（电源分配单元）。

1.市电输入：作为主供电源，通常采用双路市政供电（A/B路），通过ATS（自动转换开关）实现切换，避免单路断电导致的中断。冗余设计中，双路市电需来自不同变电站，降低区域性停电风险。

2.UPS系统：分为后备式、在线式和模块化，机房多采用在线式或模块化UPS。其作用是在市电中断时，通过电池组提供短时间（通常15-30分钟）的电力支撑，为启动柴油发电机争取时间。冗余设计常见N+1或2N架构，例如2N架构下两组UPS独立供电，单组故障不影响负载。

3.柴油发电机：作为应急电源，在市电长时间中断时启动，需满足15秒内自动合闸的要求。冗余设计中，多台发电机可采用并联运行，单台故障时其他机组仍能支撑负载，同时需定期进行带载测试（如每月空载试机、每季度80%负载测试）确保可用性。

4.配电列头柜：位于机柜列首，将UPS输出电力分配至各机柜，内置智能电表监测各支路电流、电压、功率。冗余设计要求双路电源引入（如A/B路UPS输出），重要机柜采用双电源模块（PSU）分别接入两路。

5.PDU：安装于机柜内，为服务器、网络设备提供末端供电，分为普通PDU和智能PDU（支持远程监控、分路控制）。冗余设计中，关键设备需使用双PDU接入不同列头柜支路，避免单PDU故障导致设备断电。

问：服务器日常巡检需要关注哪些关键指标？请结合具体工具说明异常判断标准及处理流程。

答：服务器巡检需覆盖硬件状态、系统性能及日志健康度，具体指标及操作如下：

1.硬件状态：通过iDRAC（戴尔）、iLO（惠普）或IPMI（通用）管理口查看，重点检查：

-风扇转速：正常范围通常为2000-4000转/分钟（不同机型有差异），转速异常升高（如超过5000转）可能是灰尘堆积或风扇故障，需清理滤网或更换风扇。

-硬盘状态：通过RAID卡工具（如DellOpenManage）查看，状态应为“Online”，若显示“Degraded”或“Failed”，需确认是否有热备盘自动替换，无热备时需及时更换故障盘并重建RAID。

-内存状态：服务器日志（如/var/log/messages）或管理口提示“MemoryError”时，需记录错误地址，通过替换法定位故障内存颗粒，优先保留同批次内存避免兼容性问题。

2.系统性能：使用top、htop、nmon等工具监控：

-CPU利用率：长期超过80%需分析是否为应用进程异常（如死循环），或考虑横向扩展（增加服务器）。

-内存使用率：可用内存低于10%且swap分区使用率超过20%，需检查是否有内存泄漏（通过pmap或valgrind分析进程内存占用），或调整应用缓存策略。

-磁盘IO：通过iostat查看%util（设备利用率），超过70%可能导致响应延迟，需检查是否有大量随机读写（如数据库事务），优化SQL语句或迁移至SSD。

3.日志健康度：

-系统日志（/var/log/syslog）：重点关注“kernelpanic”（内核崩溃，需检查硬件兼容性或驱动问题）、“OOMkiller”（内存不足，需优化应用内存使用）。

-应用日志（如Nginx的error.log）：频繁出现“502BadGateway”可能是后端服务宕机，需结合进程状态（ps-ef|grep服务名）和端口监听（netstat-tlnp）排查。

异常处理流程：发现指标异常后，首先确认是否为偶发（如批量任务导致CPU峰值），若是持续异常，需定位根因（硬件故障/配置错误/应用问题），硬件问题联系厂商更换，配置错误通过回滚或修正参数解决，应用问题通知开发团队优化。

问：某日凌晨监控报警显示核心交换机上联端口丢包率达30%，部分业务中断，你会如何逐步排查？

答：交换机丢包排查需遵循“分层定位、快速验证”原则，具体步骤如下：

1.确认影响范围：通过网管系统（如H3CiMC）查看丢包端口连接的设备（如汇聚层交换机或服务器），确认是否为单端口问题（端口故障）或多端口问题（上联链路/核心交换故障）。

2.检查物理层：

-查看交换机端口状态（displayinterfaceGigabitEthernet0/0/1），若显示“Down”或“Link-flapping”，可能是光纤/网线故障，用光功率计检测光纤衰耗（单模光纤正常-8dB~-20dB），