TOPIC / 技术方向

DevOps

一个方向,串起完整学习路径。

技术文章

查看全部

线上告警太多没人看怎么治理

线上告警持续堆积、重复通知和低价值触发会让值班人员逐渐忽略真正的故障信号。内容从分级、去重、抑制、路由和效果评估入手,建立可持续维护的告警规则体系,并能定位噪声来源。

技术文章 · 技术实践

Linux rm 文件后磁盘空间为什么没释放

线上日志文件已 rm,但 df 显示磁盘空间依旧紧张,du 却找不到对应大文件。内容从文件描述符、硬链接和挂载视角解释现象,并给出定位占用进程、释放空间与复核磁盘状态的操作方法。

技术文章 · 技术实践

磁盘 IO 打满怎么快速定位

线上服务出现响应变慢、磁盘 IO 持续接近满载时,仅看 CPU 和内存往往找不到根因。内容从设备、进程、文件系统到请求类型逐层排查,读完能判断是吞吐、IOPS、延迟还是具体进程造成的瓶颈。

技术文章 · 技术实践

Kubernetes Ingress 访问异常怎么排查

线上 Ingress 出现超时、404、502、TLS 错误或域名无法访问时,可沿入口地址、控制器接纳、路由匹配、Service 后端和请求链路逐层取证,快速判断故障边界并选择恢复动作。

技术文章 · 技术实践

Kubernetes Scheduler 怎么选择节点

同一个 Pod 面对多台看似可用的节点时,最终落点并不是简单选择空闲资源最多的机器;理解过滤、评分和绑定链路后,就能解释调度结果并设计可预测的放置策略。

技术文章 · 技术实践

Kubernetes 滚动发布卡住怎么排查

Deployment 长时间停在滚动更新状态时,值班工程师需要快速区分调度、镜像、探针、容量与旧 Pod 退出问题,并据此决定继续观察、暂停还是回退。

技术文章 · 技术实践

Kubernetes 滚动更新如何避免流量中断

滚动更新看似始终保留副本,请求仍可能在新 Pod 过早接流、旧 Pod 过快退出或容量瞬时下降时失败;通过建立接流、容量和摘流三道约束,可以设计并验证真正连续的发布链路。

技术文章 · 技术实践

Kubernetes NetworkPolicy 不生效怎么排查

线上出现策略已创建却仍放行、业务被误拒或 Service 访问异常时,可按选择器、双向隔离、DNS、EndpointSlice 与 CNI 数据面逐层取证,快速判断故障边界并实施最小化止损。

技术文章 · 技术实践

Kubernetes HPA 副本数到底怎么算

CPU 明明高于目标却没扩容、负载下降却迟迟不缩,常因只套了比例公式;理清 requests、容忍区间、缺失指标、多指标与 behavior 后,就能复算 HPA 的实际副本决策。

技术文章 · 技术实践

系统教程

查看全部
容器与云原生

Kubernetes 基础教程

面向具备 Linux、Docker 和基础网络知识的开发者与运维工程师,系统讲解 Kubernetes 架构、工作负载、服务发现、配置管理、存储、调度、安全、可观测性、弹性伸缩和集群运维。课程以声明式配置和真实部署场景为主线,帮助学习者从本地实验环境逐步过渡到可维护、可扩展的生产级集群实践。

基础设施即代码

Ansible 自动化运维与配置管理

面向运维、SRE 与平台工程师,系统学习 Ansible 的无代理自动化模型、Inventory、Playbook、变量与 Jinja2 模板、Linux 配置管理、角色与 Collections、滚动部署、安全控制、规模化执行和故障排查。课程以真实主机批量管理为主线,训练从单次命令到工程化自动化项目的设计、验证与交付能力。

容器与云原生

Docker 基础教程

本课程面向具备基础命令行能力的开发者、测试人员和运维初学者,基于现代 Docker Engine 与 Docker Compose v2,从容器化认知和环境安装开始,逐步讲解镜像管理、容器生命周期、数据持久化、网络通信、Dockerfile 构建、多容器编排、镜像仓库、安全配置、资源限制、日志监控和常见故障排查。完成课程后,学习者能够独立容器化一个完整应用,并建立可复用的本地开发与部署流程。

自动化测试

Playwright 自动化测试教程

本课程面向具备 JavaScript 或 TypeScript 基础、希望系统掌握 Web 自动化测试的学习者,从 Playwright 环境搭建和首个测试出发,循序讲解定位器、断言、表单交互、浏览器上下文、认证复用、网络拦截、接口测试、数据驱动、视觉回归、调试与持续集成。课程强调稳定性、可维护性和工程规范,最终帮助学习者独立构建可复用、可并行、可追踪的自动化测试项目。

自动化测试

Selenium 自动化测试教程

本课程面向具备基础编程能力、希望系统掌握 Web 自动化测试的学习者,从 Selenium WebDriver 原理、环境搭建和首个浏览器脚本出发,循序讲解元素定位、页面交互、等待机制、窗口与框架处理、JavaScript 执行、测试框架、Page Object、数据驱动、远程执行与持续集成。课程强调稳定性、可维护性和工程规范,最终帮助学习者独立构建可复用、可并行、可排障的自动化测试项目。

Linux 与服务器运维

Linux 基础教程

本课程面向开发者、测试人员、运维初学者和需要使用 Linux 服务器的学习者,从系统认知、环境准备与命令行基础开始,逐步讲解文件系统、文本处理、用户权限、软件管理、进程服务、网络配置、磁盘存储、Shell 自动化、安全加固与日志排障。完成课程后,学习者能够独立完成常见 Linux 管理任务,并具备基础服务器部署和故障定位能力。

容器与云原生

Kubernetes Service 网络与 DNS 排障

线上应用明明运行正常,却可能因为 Service 无端点、DNS 解析异常、kube-proxy 转发失效或策略限制而访问失败。本课程围绕 Kubernetes 1.37 的 Service、EndpointSlice、集群 DNS 与服务流量路径,建立从现象到证据再到定位的完整排障方法,最终能独立处理常见服务发现与访问故障。

容器与云原生

Istio Service Mesh 流量治理

以 Istio 1.30.x 为实践基线,围绕 Kubernetes 微服务通信建立可落地的流量治理能力。课程从数据面、控制面与 xDS 传播链路出发,逐步覆盖 Gateway API 与 Istio 流量 API、灰度与金丝雀发布、超时重试和熔断、出口治理、mTLS 与授权策略,并以可观测性、变更治理和典型故障排查收尾。

容器与云原生

Kubernetes 存储与 CSI 排障实战

以 Kubernetes 1.36 为生产基线,围绕 PV/PVC、StorageClass、CSI 控制面与节点数据路径,系统掌握动态供应、拓扑调度、扩容、快照、StatefulSet 存储设计,以及 Pending、Attach、Mount、Multi-Attach、容量与节点异常等高频故障的证据链、恢复顺序和工程化 Runbook。

容器与云原生

云原生服务配置与密钥管理

本课程面向 Kubernetes 应用部署和运维工程师,系统讲解云原生环境中的配置管理、密钥保护、动态刷新、安全治理与生产排障方法。课程围绕 ConfigMap、Secret、外部密钥系统、配置发布流程和运维规范展开,帮助学习者建立可落地的服务配置管理能力。

容器与云原生

Docker 从开发到生产

面向具备基础 Linux、命令行与应用开发经验的开发者和运维工程师,课程以 Docker Engine、BuildKit 与 Compose v2 为核心,从容器运行、镜像构建、存储网络和本地开发,逐步推进到安全加固、生产部署、CI/CD、可观测性与故障排查,最终完成一套可构建、可发布、可回滚、可维护的多服务应用交付流程。

可观测性与稳定性

服务器监控:Prometheus 与 Grafana

服务器和应用上线后,仅靠人工登录检查很难及时发现 CPU、内存、磁盘、接口延迟和服务异常。课程围绕 Prometheus 指标模型、Exporter、PromQL、Grafana 仪表盘和 Alertmanager 展开,从单机监控逐步进入应用指标、告警规则和故障分析,学完可以搭建一套常见 Linux 服务监控体系。

Linux 与服务器运维

Shell 脚本自动化运维:部署、监控与故障处置

重复部署、日志巡检和故障收集若依赖手工操作,效率低且难审计。课程以 Bash 5.x 与 GNU/Linux 工具链为主线,覆盖脚本结构、文本处理、远程执行、定时任务与失败恢复,学完可独立编写可复用、可观测、可安全失败的运维自动化脚本。

Linux 与服务器运维

Linux 运维工程师:部署、监控与故障处理

线上主机常见服务起不来、磁盘爆满、网络不通、权限异常和负载飙升等问题。课程以 Ubuntu Server 24.04 LTS 与 RHEL 9 兼容发行版为实验基线,围绕 systemd、网络、存储、日志、安全、监控和自动化,训练从部署变更到故障恢复的完整运维闭环。

CI/CD

Jenkins 流水线实战:从构建到生产部署

服务从手工构建部署转向自动交付后,常遇到流水线难维护、凭据泄露、节点环境不一致、发布失败难回滚等问题。课程从 Jenkins 环境与 Jenkinsfile 起步,覆盖构建、测试、制品、凭据、Agent、Docker、部署、共享库与故障排查,最终完成一条可追踪、可复用、可恢复的生产级流水线。

CI/CD

Helm 与 Argo CD GitOps 实战

Kubernetes 应用进入多人协作和多环境交付后,手工改 YAML、直接执行 helm upgrade 容易产生漂移、误操作和回滚困难。本课程以 Helm 4 与 Argo CD 3.5 为主线,从 Chart、Values 和模板渲染开始,逐步建立 Git 仓库、应用声明、自动同步、多环境配置、发布回滚与故障排查流程,最终能把应用部署交付纳入可审计、可复现的 GitOps 工作流。

CI/CD

GitHub Actions:从流水线到生产部署

代码提交后仍靠人工测试、构建和登录服务器发布,流程容易遗漏且难以追踪。课程围绕 GitHub Actions 的工作流语法、事件触发、构建测试、制品、缓存、容器镜像、环境审批、密钥、复用流水线与生产部署展开,并通过权限、安全和故障排查建立可维护的 CI/CD 流程。

可观测性与稳定性

ELK 日志平台:从部署采集到线上排障

线上日志分散在多台主机和容器后,常出现查找慢、字段混乱、磁盘失控和故障难定位的问题。课程围绕 Elasticsearch、Logstash、Kibana 与 Beats 构建日志平台,覆盖部署、采集解析、索引与生命周期、检索可视化、告警、安全、性能调优和故障恢复,使学习者能够独立维护并排查生产级日志链路。

Linux 与服务器运维

Linux 故障排查:CPU、内存、磁盘与网络

线上 Linux 服务器出现负载升高、内存耗尽、磁盘告警、IO 变慢或网络连接异常时,只看单个指标很容易误判。课程围绕真实故障现象建立排查路径,系统讲解 top、vmstat、iostat、free、ss、lsof、journalctl、strace 等工具,学完可以从症状出发逐层定位 CPU、内存、磁盘、进程和网络问题。

容器与云原生

Docker 运维:容器、镜像、网络与存储

Docker 把应用和运行环境封装进容器后,部署更方便,但也带来了镜像膨胀、容器频繁退出、端口冲突、数据丢失和资源失控等新问题。课程从镜像与容器生命周期开始,逐步讲解网络、Volume、日志、资源限制、镜像构建、安全和故障排查,学完可以独立维护常见 Docker 生产环境。

可观测性与稳定性

备份恢复:从故障到重建

服务器误删、磁盘损坏、数据库故障或整机不可用时,真正困难的是确认备份是否可用、恢复顺序是否正确以及业务何时能重新对外提供服务。本课程围绕备份策略、文件与数据库备份、异地保护、恢复演练、故障切换和灾难重建展开,最终形成可验证、可回滚的恢复方案。

可观测性与稳定性

集中日志:采集、检索与可视化分析

服务器和服务数量增加后,通过 SSH 登录机器逐个 grep 日志很难快速还原一次线上故障。课程从结构化日志和集中日志架构开始,逐步讲解日志采集、字段解析、索引与 Mapping、全文检索、聚合分析、Dashboard、生命周期管理和故障排查,并介绍 OpenSearch 与 Elastic Stack 中对应组件的使用思路。

Linux 与服务器运维

Linux 运维基础:用户、权限、进程与服务

接手 Linux 服务器后,经常需要处理文件权限异常、磁盘占满、进程失控、服务启动失败和日志排查等问题。课程围绕日常服务器运维展开,从命令行、文件系统和用户权限开始,逐步进入进程、systemd、日志、磁盘、网络和软件管理,学完可以独立完成常见 Linux 服务器维护和基础故障定位。

Linux 与服务器运维

systemd 服务管理:启动、日志与故障恢复

Linux 服务从手工启动过渡到生产运行后,会遇到开机自启、运行用户、依赖顺序、异常退出和日志追踪等问题。课程围绕 systemd 的 Unit、Service、Target、Timer 和 Journal 展开,逐步讲清服务生命周期、依赖关系、环境变量、资源限制与故障恢复,学完可以独立托管和排查常见 Linux 服务。

知识速查

查看全部

Docker Compose 命令速查手册

知识速查 · 容器与云原生

Linux 性能诊断命令速查

知识速查 · Linux 与服务器运维

Linux 软件包管理命令速查手册

知识速查 · Linux 与服务器运维

Docker Compose 配置与运维速查手册

知识速查 · 容器与云原生

YAML 语法速查手册

知识速查 · 基础设施即代码

Terraform CLI 与 HCL 速查手册

知识速查 · 基础设施即代码

SSH 配置与排障手册

知识速查 · Linux 与服务器运维

kubectl 日常运维命令速查

知识速查 · 容器与云原生

GitHub Actions 工作流语法速查

知识速查 · CI/CD

Prometheus 告警规则速查

知识速查 · 可观测性与稳定性

Ansible 常用模块速查

知识速查 · 基础设施即代码

Linux 进程与信号命令速查

知识速查 · Linux 与服务器运维

iptables / nftables 常用规则速查

知识速查 · Linux 与服务器运维

Cron 定时任务语法速查

知识速查 · Linux 与服务器运维

Linux 防火墙常用命令速查

知识速查 · Linux 与服务器运维

Linux 网络诊断命令速查

知识速查 · Linux 与服务器运维

JVM 诊断命令与 JFR 性能分析速查

知识速查 · 可观测性与稳定性

PromQL 查询速查手册

知识速查 · 可观测性与稳定性

systemd Unit 配置速查手册

知识速查 · Linux 与服务器运维

systemd / systemctl 命令速查手册

知识速查 · Linux 与服务器运维

Linux 运维命令速查手册

知识速查 · Linux 与服务器运维

Linux 网络命令速查手册

知识速查 · Linux 与服务器运维

systemd 服务管理与排障手册

知识速查 · Linux 与服务器运维

专项题库

查看全部
题库练习

云原生与系统稳定性面试题

覆盖镜像、探针、发布、超时、重试、熔断和容量保护。

题库练习

搜索、可观测与 API 安全面试题

覆盖分片查询成本、遥测关联、采样、对象越权、SSRF 和资源保护。

题库练习

Kubernetes 自动伸缩容量决策 10 题

线上流量突增时,Pod 副本数、节点余量与业务延迟常常不同步,盲目提高最大副本数也可能无法承载请求。通过指标计算、扩缩容防抖、节点供给、事件驱动和故障定位等情境题,训练依据监控证据判断容量瓶颈、选择伸缩策略,并写出可验证的配置。

题库练习

可观测性指标与链路追踪练习

线上请求变慢、错误激增或跨服务故障时,需要同时读懂指标、日志和 Trace。题单覆盖指标设计、标签基数、上下文传播、采样与关联分析,完成后能从信号异常定位问题范围并选择合适的证据链。

题库练习

Kubernetes 工作负载排障练习

面对 Pod 启动失败、重启、探针异常、配置挂载和存储故障,按事件、状态与控制器证据缩小根因范围,并给出处置顺序。

题库练习

Docker 镜像与容器运行练习

面对镜像变大、容器启动异常、数据丢失和多服务运行等场景,练习镜像分层、构建缓存、容器生命周期、数据挂载与运行参数判断,完成后能独立定位常见运行问题并做出交付决策。

题库练习

Linux 运维 10 题自测

Linux 服务器上线后常见的权限、进程、网络、磁盘、日志与故障处理问题,覆盖日常运维中最需要独立判断的操作路径;完成练习后能从现象定位到关键检查项并选择合适命令验证。

题库练习

Linux 服务运维与排障练习

业务进程启动失败、服务反复重启或无法监听端口时,需要快速区分资源、权限、配置与守护机制问题。本题单覆盖 systemd、进程、日志、端口、权限与启动诊断,完成后能依据证据定位根因并选择处置方式。

题库练习

自动化测试设计与实践练习

面对回归用例变多、页面改版频繁和测试偶发失败等场景,练习用例设计、稳定定位、等待策略与失败诊断,完成后能独立判断并改造脆弱的自动化测试。

题库练习

CI/CD 流水线与交付练习

面对构建失败、测试不稳和发布风险时,需要判断流水线阶段边界、制品流转、环境推进与回滚策略,完成后可设计并评审更可靠的自动化交付流程。

题库练习

Kubernetes 服务网络排障能力

面对 Service 无法访问、DNS 解析失败和局部节点异常等场景,综合判断 Service、EndpointSlice、CoreDNS、端口映射与网络路径证据,完成故障分层定位与处置。

题库练习

Kubernetes 入口排障能力练习

入口服务出现 404、502、TLS 失败、路由未接纳或后端不可达时,需要快速判断故障处于控制面还是数据面。题目覆盖 Ingress、Gateway API、Service、EndpointSlice、跨命名空间引用与命令取证,完成后可独立建立排障证据链。

题库练习

Kubernetes 调度与驱逐能力练习

生产发布中常见 Pod 长期 Pending、落点异常、节点压力驱逐和维护受阻等问题;题目覆盖调度约束、容量、抢占、PDB、QoS 与故障证据,完成后可据现象选择正确排查路径并判断治理措施。

题库练习

Kubernetes NetworkPolicy 隔离能力练习

生产集群中的网络隔离问题常表现为策略误拒、意外放行、DNS 失效或跨命名空间访问异常。题单围绕匹配语义、双向隔离、选择器、默认拒绝、Service 路径和故障取证,检验能否判断真实通信结果并设计最小化修复方案。

题库练习

Kubernetes 滚动发布可用性练习

生产发布中常见新 Pod 过早接流、容量不足、旧 Pod 退出不完整和回退判断失误。本题单覆盖滚动更新容量、探针、优雅终止、发布状态与故障决策,检验能否从配置和现象推导风险并设计可验证的发布策略。

登录哪都通