AIOps 运维工程师考试试卷及答案.docVIP

AIOps运维工程师考试试卷及答案

一、填空题（每题1分，共10分）

1.AIOps的全称是__________。

2.存储时序数据的常用开源工具是__________。

3.AIOps中根因分析的核心技术之一是__________学习。

4.Grafana主要用于__________监控数据的可视化。

5.ELKstack中的“L”代表__________。

6.预测性运维是AIOps的核心__________之一。

7.事件关联分析的常见方法包括规则引擎和__________算法。

8.采集服务器性能指标的Agent工具是__________。

9.AIOps需整合结构化数据和__________数据（如日志）。

10.解决数据爆炸的AIOps核心技术是__________。

二、单项选择题（每题2分，共20分）

1.以下不是AIOps核心技术的是？

A.机器学习B.大数据分析C.人工运维D.根因分析

2.Prometheus默认数据存储格式是？

A.CSVB.TSDBC.JSOND.XML

3.用于日志采集的工具是？

A.NodeExporterB.FilebeatC.GrafanaD.Alertmanager

4.AIOps主要目标不包括？

A.减少人工干预B.提高运维效率C.完全替代运维人员D.预测故障

5.根因分析（RCA）核心是找到故障的？

A.直接原因B.根本触发点C.所有事件D.最新事件

6.属于预测性运维场景的是？

A.实时告警B.事后修复C.容量提前扩容D.日志检索

7.ELK中负责日志分析的是？

A.ElasticsearchB.LogstashC.KibanaD.Filebeat

8.Alertmanager是哪个工具的告警组件？

A.PrometheusB.GrafanaC.ZabbixD.ELK

9.AIOps最常用的数据类型是？

A.时序数据B.图片数据C.视频数据D.音频数据

10.异常检测不包括的方法是？

A.阈值检测B.机器学习模型C.人工巡检D.统计方法

三、多项选择题（每题2分，共20分）

1.AIOps核心组件包括？

A.数据采集层B.数据存储层C.分析引擎层D.可视化层

2.属于时序数据库的是？

A.PrometheusTSDBB.InfluxDBC.MySQLD.Cassandra

3.AIOps应用场景包括？

A.故障检测B.容量规划C.安全运维D.需求分析

4.日志采集工具包括？

A.FilebeatB.LogstashC.FluentdD.NodeExporter

5.机器学习在AIOps中的应用有？

A.异常检测B.根因分析C.预测性运维D.告警降噪

6.监控指标的维度包括？

A.主机名B.应用名C.时间戳D.告警级别

7.AIOps需处理的数据源包括？

A.性能指标B.日志数据C.告警事件D.业务数据

8.可实现可视化的工具是？

A.GrafanaB.KibanaC.PrometheusD.ELK

9.告警降噪方法包括？

A.事件关联B.阈值聚合C.人工筛选D.机器学习分类

10.预测性运维步骤包括？

A.数据采集B.模型训练C.异常预测D.事后修复

四、判断题（每题2分，共20分）

1.AIOps完全替代所有运维人员工作。（×）

2.Prometheus支持多维度标签查询。（√）

3.Logstash只能采集日志数据。（×）

4.根因分析是AIOps核心功能。（√）

5.Grafana仅支持Prometheus数据源。（×）

6.预测性运维目标是提前发现故障。（√）

7.Kibana用于日志存储。（×）

8.NodeExporter是ZabbixAgent。（×）

9.AIOps需整合结构化与非结构化数据。（√）

10.告警降噪减少无效告警。（√）

五、简答题（每题5分，共20分）

1.简述AIOps定义及核心价值。

答案：AIOps即算法化IT运维，融合AI/ML与传统运维，实现智能自动化。核心价值：①减少人工干预：自动处理告警、检测异常；②提高效率：缩短故障响应时间；③预测性运维：提前识别潜在故障（如容量不足）；④告警降噪：过滤无效告警；⑤数据驱动：分析多源数据优化运维策略。

2.说明Prometheus主要功能及流程。

答案：Prometheus是开源时序监控系统，功能：时序存储/查询、多维度指标采集、告警规则、PromQL查询。流程：①Exporter采集目标指标；②Server拉取数据存TSDB；③PromQL查询或触发告警；④Alertmanager降噪后通知；⑤Grafana可视化。

3.什么是告警降噪？常用方法有哪些？

答案：告警降噪是过滤无效/重复告警，减少干扰。方法：①事件关联：关联相关告警找根因；②阈值聚合：聚合短时间重复告警；③机器学习分类：