中高级定义：对标阿里的P5-P6的岗位；百度t4-t5的岗位，一般工作3-4社招入职百度。

岗位要求是对运维已经有了初步的入门，对SRE和运维工程师有了自己的理解和思考。对于运维工程师除了扎实的基础技能之外，对于监控、变更、容量、预案等有一定的认知和思考。

一、监控篇

问题1：监控的目的是什么？

能不能发现？能不能快速发现？能不能快速定位问题？

问题2：如何添加监控？

监控添加的四个方向：

• 统一入口和门户
• 紧紧把握核心指标的准/召回率
• 深入业务链路加监控，比如你的上下游
• 完善基础监控和指标

问题3：核心指标如何选择？

第一个问题为什么一定要有核心指标，核心指标的目的是发现问题，是对全局稳定性的把控，核心指标管理越好对业务的掌控会越好。比如当有故障的时候如果去评估影响，那么核心指标的波动就是需要在第一时间去观察和判断的。

说一下我的理解和看法，一切核心指标一定要从业务需要去出发和选取。举个例子，比如是搜索系统，那么搜索的时间就是一个非常核心指标。如果是推荐系统，比如抖音和快手，那么时长就是一个非常核心的指标。如果是存储系统，比如网盘，那么上传文件数和存储文件数就是核心指标，比如电商的成交量，成交金额等。

• 链路监控：

什么是链路？链路就是一个功能，一个请求的完整流程，比如：cdn→Lvs→nginx→server→db。

如果一个人不了解这个业务如何快速判断问题呢，那么就必须有完整的链路监控，让每个人看到链路就可以对全局的链路有个完整的理解，快速屏蔽业务理解消耗的时间。

链路监控应该如何做，第一步是梳理其中的关键链路，第二步是关键指标。关键指标其实就是上面的黄金指标，这里有个指标是没有的，想想是哪个指标，为什么？

• 基础监控：

基础指标很多时候为的不是发现问题，而是定位问题。当有故障或者异常的时候基础指标的完善可以快速定位问题所在。比如单机有故障，如果这台机器的各种基础指标很完善就可以快速定位到是这台机器的什么地方出了问题，并快速解决。

• 事件监控：

• 变更事件
• 运营事件
• 网络事件

问题4：关于业界监控系统的对比和选择？