智能运维

1、下列关于智能运维（AIOps）平台核心能力特征的说法，正确的有（ ）。
2、可观测性与传统监控的目标完全相同，二者都只能通过预设阈值发现已知故障模式，无法支持对未知问题的探索式分析。（ ）
3、在智算中心引入 AIOps，可以带来的直接价值包括（ ）。
4、AIOps 与传统自动化运维的主要区别在于，AIOps 的决策依据来自数据驱动的机器学习模型，而非完全依赖人工预先编写的固定规则。（ ）
5、某团队目前能做到「系统自动发现异常并给出可能原因，但处置动作仍需人工确认后执行」。下列关于该成熟度阶段的说法，正确的有（ ）。
6、与通用云计算运维相比，智算中心网络运维的压力更低，因为其服务器规模更小，且不涉及任何路由协议。（ ）
7、在智算网络中建设 AIOps，需要重点关注的场景化特征包括（ ）。
8、AIOps 平台可以完全脱离底层监控与可观测性数据独立运行，只要接入足够强大的大模型即可。（ ）
9、下列关于运维领域术语 AIOps 的说法，正确的有（ ）。
10、在智能运维「采集—洞察—行动—验证」闭环中，最容易在工程实践中缺失、导致模型逐步失效的环节是（ ）。
11、评价一个智能运维平台建设成效时，合理的度量指标包括（ ）。
12、智能运维的目标之一是逐步把运维人员的经验沉淀为可复用的规则、模型与 Runbook，从而降低对个人经验的依赖。（ ）
13、下列关于可观测性（Observability）与监控（Monitoring）关系的说法，最恰当的是（ ）。
14、智算中心 AIOps 建设中，把「GPU Xid 错误」「光模块误码率抬升」「训练任务吞吐下降」三类信号关联分析，主要体现了 AIOps 的哪项能力（ ）。
15、参照 TM Forum 自治网络分级思路，某网络能够「在预设意图下自动完成分析、决策与执行，并在异常时自我优化」，但跨厂商跨域场景仍需人工协调。该水平最接近（ ）。
16、下列关于典型 AIOps 平台分层架构的说法，正确的有（ ）。
17、一个完整的 AIOps 数据采集层通常需要覆盖的数据类型包括（ ）。
18、在 AIOps 架构中，知识库最主要的作用是沉淀故障案例、处置 Runbook 与专家规则，为根因推荐与自动化处置提供知识支撑。（ ）
19、下列关于 CMDB 在智能根因分析中作用的说法，正确的有（ ）。
20、CMDB 的数据如果长期不更新、与实际环境脱节（配置漂移），会导致根因分析给出错误的影响面判断。（ ）
21、在 AIOps 中，规则引擎与 AI 模型的合理协同方式是：规则用于确定性与合规类场景兜底，AI 模型用于复杂模式识别与预测，二者结果在决策层融合并按置信度加权。（ ）
22、在设计「规则 + AI」融合的异常判定层时，可采用的工程手段包括（ ）。
23、在 AIOps 平台中引入事件总线（如 Kafka），下列关于其主要收益的说法，正确的有（ ）。
24、AIOps 中编排（Orchestration）与单个自动化脚本的主要区别是（ ）。
25、AIOps 平台只与监控系统对接即可，无需与工单系统、变更系统、CMDB 打通。（ ）
26、AIOps 闭环中的反馈层最应优先采集的数据是（ ）。
27、AIOps 数据存储层通常需要按数据特征选择不同存储引擎，下列搭配合理的有（ ）。
28、在智算中心设计 AIOps 平台时，对实时性要求最高的链路通常是（ ）。
29、关于 AIOps 平台自身的可用性设计，应遵循的原则是（ ）。
30、在 AIOps 分层架构中，反馈与学习层是可选的附加模块，去掉后不影响闭环能力。（ ）
31、AIOps 平台对外集成时，常见的接口与协议包括（ ）。
32、下列组件中，通常不属于 AIOps 平台分析层的是（ ）。
33、AIOps 编排引擎在执行自愈动作前，通常必须完成的前置校验是（ ）。
34、在 AIOps 架构中引入运维知识图谱，其最核心的价值在于（ ）。
35、评估 AIOps 平台架构合理性时，应重点考察的维度包括（ ）。
36、AIOps 平台的执行层在调用自动化工具执行变更时，必须对操作范围、频率与权限进行限制，并保留完整审计日志。（ ）
37、在实时异常检测链路中，引入 Flink 等流处理引擎的主要目的是（ ）。
38、AIOps 平台在采集层之后通常设置数据规范化与治理环节，其主要目的是（ ）。
39、关于 AIOps 平台决策层的职责，下列描述正确的有（ ）。
40、AIOps 平台在设计北向接口时，应同时提供告警查询、指标查询与处置动作触发能力，并对写操作实施鉴权与审计。（ ）
41、可观测性的三大支柱是指标（Metrics）、日志（Logs）与链路追踪（Traces），仪表盘（Dashboards）只是数据的可视化呈现方式，并不属于三大支柱之一。（ ）
42、与传统的 SNMP 轮询相比，基于 gNMI 的 Streaming Telemetry 采用设备主动、持续推送的模式，能够显著提升数据采集的实时性与精度。（ ）
43、在 Prometheus 中，Counter（计数器）类型的指标适合记录请求处理耗时的分布，并可在查询端用 histogram_quantile 计算 P99 分位数。（ ）
44、在 RoCEv2 无损网络运维中，应重点采集的计数器与指标包括（ ）。
45、Prometheus 采用服务端按 scrape_interval 周期性拉取各目标 /metrics 接口的拉取（Pull）模型，抓取间隔越短曲线越精细，但存储成本与被采设备侧的开销也随之增大。（ ）
46、使用 sFlow/NetFlow 等采样流采集时，采样比设置过低会导致短时微突发流量与丢包事件被漏采，影响故障还原。（ ）
47、eBPF 程序必须修改内核源码并重新编译内核才能运行，因此无法在生产环境中用于采集网络、系统调用与文件 IO 等可观测性数据。（ ）
48、使用 DCGM（Data Center GPU Manager）采集 GPU 健康指标时，下列与智算运维强相关的指标有（ ）。
49、下列关于 Prometheus 指标类型与适用场景对应关系的说法，正确的有（ ）。
50、日志采集栈中，Filebeat、Fluent Bit 等采集代理通常应配置为在采集端完成结构化解析与字段过滤，以降低后端存储与检索压力。（ ）
51、Metrics 通常按固定周期聚合上报，适合发现指标发生了什么异常；Logs 保留离散事件的上下文细节，更适合回答为什么会发生。（ ）
52、在分布式链路追踪中，trace_id 全局唯一地标识一次完整请求，该请求产生的所有 span 都共享同一个 trace_id。（ ）
53、关于 Prometheus Exporter 的作用，下列描述正确的是（ ）。
54、下列项中，属于 Streaming Telemetry 相比传统 SNMP 轮询的优势有（ ）。
55、某接口指标 ifHCOutOctets 为 Counter 类型（单位 Byte），抓取间隔 30s。下列 PromQL 能得到该接口近 5 分钟的平均出向速率（单位 bit/s）的是（ ）。
56、在为智算网络制定采集采样率策略时，下列做法最合理的是（ ）。
57、IPFIX 是 IETF 标准化的流导出协议，由 NetFlow v9 演进而来，通过模板（Template）机制支持可变长与自定义字段。（ ）
58、某平台将 Prometheus 的抓取间隔从 30s 调整为 10s，在留存策略不变的情况下，下列说法正确的是（ ）。
59、构建一套可支撑海量日志的可观测采集栈时，合理的分层组合包括（ ）。
60、对 Prometheus 的 Counter 类型指标计算速率时，应优先使用的函数是（ ）。
61、为便于 AIOps 自动分析，日志规范化的首要要求是（ ）。
62、在生产环境长期排障时，使用 tcpdump 全量抓包的资源开销通常高于使用 eBPF 在内核态过滤聚合后仅输出关键事件。（ ）
63、Prometheus 中出现高基数（High Cardinality）问题的典型原因是（ ）。
64、在智算集群落地可观测性时，除 GPU 指标外还应纳入采集范围的数据包括（ ）。
65、排查 RoCE 网络丢包时，最先应比对的计数器是（ ）。
66、关于采集精度与开销的权衡，下列做法最合理的是（ ）。
67、gNMI Streaming Telemetry 上报的数据通常基于 YANG 模型定义路径，并使用 protobuf 或 JSON_IETF 等结构化编码，天然携带采集时间戳。（ ）
68、当一次跨多个微服务的请求整体变慢时，链路追踪（Tracing）数据通常比单纯的聚合指标更快定位到具体的瓶颈环节。（ ）
69、设计 Prometheus 指标名称与标签时，应遵循的最佳实践包括（ ）。
70、与 Elasticsearch 相比，Loki 在日志方案上的主要设计取舍是（ ）。
71、某训练任务吞吐突降，采集数据显示同一时刻交换机出端口 PFC 暂停帧计数激增，最合理的推断方向是（ ）。
72、NetFlow 或 sFlow 的采样数据精度足够高，可以直接用于计费级的精确流量统计。（ ）
73、关于 Prometheus 中 Histogram 与 Summary 的区别，下列说法正确的是（ ）。
74、为保障采集链路自身的可靠性，应采取的措施包括（ ）。
75、实现 Metrics、Logs、Traces 三类数据互相跳转关联（Correlation）的常用做法是（ ）。
76、下列关于运维场景中异常检测算法的说法，正确的有（ ）。
77、对具有明显日周期与周周期规律的指标（如集群作业提交量），只需设置一个静态固定阈值即可准确建立动态基线，无需考虑周期性。（ ）
78、告警收敛（Alert Correlation/Compression）的目标是把同一根因引发的大量告警合并为少量事件，同时保留影响范围信息。（ ）
79、常见的告警降噪手段包括（ ）。
80、在多指标同时异常的场景下，下列关于根因判定辅助依据的说法，正确的有（ ）。
81、运维知识图谱用于根因分析时，其核心数据结构是实体—关系—实体的三元组（如 RDF 三元组）或属性图模型。（ ）
82、在运维场景中引入大模型做日志解读与处置建议时，下列有助于降低幻觉风险的做法，正确的有（ ）。
83、构建 GPU 集群容量预测模型时，合理的输入特征包括（ ）。
84、变更风险预测模型最依赖的输入数据是设备的实时 CPU 使用率与内存占用率。（ ）
85、在运维异常检测中故障样本稀缺是常态，因此通常优先选择无监督或半监督方法，而不是强依赖大量均衡标注样本的有监督分类。（ ）
86、某异常检测模型上线后精确率偏低、误报偏多，最应优先采取的措施是（ ）。
87、关于常见异常检测算法的适用性，下列说法正确的有（ ）。
88、在告警场景中，精确率（Precision）的含义是（ ）。
89、使用滑动窗口统计特征（如近 5 分钟的均值、方差、变化斜率）进行异常检测，可以消除单点噪声干扰并提供上下文，使判定更稳健。（ ）
90、只要模型的预测准确率足够高，就不需要可解释性，运维人员可以直接按模型输出执行处置动作。（ ）
91、使用自编码器（Autoencoder）做异常检测时，判定异常的通常依据是（ ）。
92、LLM 在智能运维中的合理应用场景包括（ ）。
93、在机器学习分类任务的评估指标中，用于衡量「所有真实故障中被正确检出比例」的是（ ）。
94、新接入一批设备、完全没有历史数据（冷启动）时，最合理的异常检测策略是（ ）。
95、在容量规划场景中，相比单点预测值，输出带置信区间的预测区间更能支撑决策。（ ）
96、在告警关联分析中，判定多条告警可能源自同一根因，可依据的相关性维度包括（ ）。
97、关于告警降噪效果的评估，合理的做法包括（ ）。
98、下列任务中，属于监督学习（Supervised Learning）的是（ ）。
99、为提高根因定位的准确性，工程上常用的「变更关联」做法是（ ）。
100、关于异常检测阈值的设定，下列做法最合理的是（ ）。
101、评估一个时序预测模型在容量预测场景中的效果，下列做法最合理的是（ ）。
102、在运维 AI 项目中获取高质量标注样本的合理途径包括（ ）。
103、关于 LLM 运维助手的能力边界，下列说法正确的是（ ）。
104、运维数据的分布会随业务迭代、版本升级与设备扩容而改变，因此已上线的异常检测模型需要定期评估与再训练，否则会出现模型漂移导致效果退化。（ ）
105、关于运维知识图谱的构建方式，下列说法正确的是（ ）。
106、下列关于 Prometheus 在监控体系中承担职责的说法，正确的有（ ）。
107、Grafana 的定位是可视化与告警展示层，它通过数据源插件对接 Prometheus、Loki、Elasticsearch 等后端，自身并不持久化存储监控指标。（ ）
108、与 Prometheus 相比，下列关于 Zabbix 典型特点的说法，正确的有（ ）。
109、Alertmanager 的静默（Silence）功能可用于在指定时间段内屏蔽匹配特定标签的告警通知，常用于计划内维护窗口。（ ）
110、关于 Alertmanager 中 group_wait、group_interval 与 repeat_interval 的作用，下列说法正确的有（ ）。
111、Alertmanager 的 route 是一棵匹配树：根 route 定义默认 receiver 与分组策略，子路由通过 matchers 按标签匹配把告警分流到不同 receiver，并可用 continue 控制命中后是否继续向下匹配。（ ）
112、在 ELK 日志栈中，下列关于 Logstash 职责与能力的说法，正确的有（ ）。
113、Jaeger 是开源的分布式链路追踪系统，支持接收 OTLP 格式数据，可与 OpenTelemetry 集成。（ ）
114、CMDB 与监控系统是互补关系：监控系统为 CMDB 提供运行态数据校验，CMDB 为监控告警提供归属、依赖与影响面信息。（ ）
115、为智算中心选型可观测性平台时，应综合评估的维度包括（ ）。
116、在 Kubernetes 环境中采集节点与容器指标的标准做法是（ ）。
117、在 Slurm 调度的智算训练集群中接入智能运维平台，最需要获取的信息是（ ）。
118、Prometheus 本地存储主要面向近期数据的高性能查询，若需长期留存与跨集群分析，通常需对接远程存储（Remote Write）或引入降采样方案。（ ）
119、在 Prometheus 的告警规则中，for 字段的作用是（ ）。
120、编写 Prometheus 告警规则时应遵循的最佳实践包括（ ）。
121、OpenTelemetry（OTel）在可观测体系中的定位是（ ）。
122、Prometheus 存储的是带标签的时序数据点、擅长聚合计算，而 Elasticsearch 存储的是文档、擅长全文检索与文本分析，二者数据模型差异显著。（ ）
123、Alertmanager 中的抑制（Inhibition）规则可配置为「当集群级告警触发时，抑制该集群内所有实例级告警」，以减少衍生告警噪音。（ ）
124、为提高告警的可达性与闭环率，告警通知设计应优先考虑（ ）。
125、智能运维平台与 ITSM 工单系统集成时，通常需要双向同步的信息包括（ ）。
126、某智算中心同时运行 Kubernetes 推理服务与 Slurm 训练集群，运维平台在统一告警模型上的合理设计是（ ）。
127、Grafana 除可视化外，也支持基于面板查询定义告警规则，并对接多种通知渠道。（ ）
128、关于 Prometheus 生态中常见 exporter 的作用，下列搭配正确的有（ ）。
129、评估可观测平台的存储成本时，应纳入考量的因素包括（ ）。
130、分布式链路追踪系统中的核心数据单元是（ ）。
131、在多地域多集群场景下实现 Prometheus 的全局查询与长期存储，最合适的方案思路是（ ）。
132、工具选型时，社区生态活跃度与标准化程度（如是否支持 OpenTelemetry、PromQL 等开放标准）会直接影响后续的可扩展性与被厂商锁定的风险。（ ）
133、关于 Zabbix 与 Prometheus 的差异，下列说法正确的有（ ）。
134、在 Grafana 中为 Prometheus 数据源绘制面板时使用变量（Variable）的主要目的是（ ）。
135、在选型时评估一个可观测平台的可扩展性，最能反映其上限的是（ ）。
136、下列关于智能运维标准处置闭环的说法，正确的有（ ）。
137、Runbook（运行手册）把某类故障的标准排查步骤、命令、判据与回滚方案固化为可执行文档，用于支撑快速处置与自动化编排。（ ）
138、自愈（Self-Healing）策略在上线前应经过充分演练与灰度验证，并明确触发条件、动作范围与回滚方案。（ ）
139、设计自动化自愈策略时，合理的安全控制措施包括（ ）。
140、下列关于 SLI、SLO 与错误预算的说法，正确的有（ ）。
141、某服务的 SLO 为月度可用性 99.9%（按 30 天计），则该月的错误预算约为 43.2 小时。（ ）
142、下列关于值班与升级机制设计的做法，合理的有（ ）。
143、关于 MTTD 与 MTTR，下列说法正确的有（ ）。
144、关于变更管理与回滚，下列做法最合理的是（ ）。
145、故障复盘（Postmortem）的核心目的是追责，重点应放在找出责任人并问责。（ ）
146、为验证智能运维闭环的有效性，最有价值的演练方式是（ ）。
147、衡量智能运维闭环成熟度的度量指标应包括（ ）。
148、智能运维闭环中「验证」环节应完成的工作包括（ ）。
149、告警分级（如 P0、P1、P2）应主要依据业务影响范围与严重程度来确定，而不是依据设备型号或告警产生的先后顺序。（ ）
150、故障复盘结束后，最应优先落地的产出是（ ）。
151、告警触发后，为尽快完成闭环中的定位环节，最先应做的动作是（ ）。
152、在根因定位过程中，可用于缩小嫌疑范围的信息来源包括（ ）。
153、智能运维闭环中「告警」环节的直接产出应是（ ）。
154、为提高闭环效率，应把高频故障的处置过程固化为 Runbook，并在此基础上逐步实现自动化编排与自愈。（ ）
155、某服务本月错误预算已消耗 80%，此时收到一个非紧急的功能发布申请，最合理的决策是（ ）。
156、关于值班交接（Handover）机制，最重要的是（ ）。
157、为缩短 MTTD，可以采取的有效措施包括（ ）。
158、下列项中，不属于闭环「处置」环节常见手段的是（ ）。
159、某自愈动作需要在 200 台 GPU 服务器上重启训练代理，最安全的执行方式是（ ）。
160、故障处置完成后，即使业务指标已恢复，也应确认是否存在次生影响与遗留隐患，并在工单中记录完整时间线。（ ）
161、关于「告警—工单」联动，下列做法最合理的是（ ）。
162、组织一次智算网络故障演练，合理的准备工作包括（ ）。
163、闭环中「复盘」环节最核心的产出是（ ）。
164、错误预算机制允许团队在预算充足时加快发布节奏，在预算接近耗尽时把资源转向稳定性工作。（ ）
165、建设智能运维闭环的度量体系时，应遵循的原则包括（ ）。
166、下列关于 Ansible 架构与特性的说法，正确的有（ ）。
167、在 Ansible 中，Role（角色）用于定义被管主机的清单与分组，而 Inventory（清单）用于封装一组可复用的任务与相关资源。（ ）
168、Ansible 的 Inventory（清单）用于定义被管主机及其分组与变量，既可以是静态的 ini 或 yaml 文件，也可以由动态脚本或云插件生成。（ ）
169、关于 Ansible 的幂等性（Idempotency），下列说法正确的有（ ）。
170、下列关于 Ansible Playbook 中 handler（处理器）的说法，正确的有（ ）。
171、Terraform 的工作模式是命令式脚本，按顺序逐条执行操作，且不使用 state 文件记录实际资源状态。（ ）
172、Terraform 的 state 文件记录了已管理资源与配置之间的映射关系，团队协同时应使用远端 backend 并启用状态锁以避免并发冲突。（ ）
173、在 Ansible 中，下列关于权限提升关键字的说法，正确的有（ ）。
174、关于 GitOps 实践，下列说法正确的有（ ）。
175、关于金丝雀发布（Canary Release）与蓝绿发布（Blue-Green Deployment）的区别，下列说法正确的是（ ）。
176、配置漂移（Configuration Drift）指实际运行环境的配置逐渐偏离基线或声明状态，可通过定期巡检比对与自动修复来治理。（ ）
177、在 IaC 的 CI/CD 流水线中，Terraform 的 plan 阶段最重要的作用是（ ）。
178、下列项中，属于基础设施即代码（IaC）核心收益的是（ ）。
179、设计自动化变更时，为保证可回滚性（Rollback），应具备的条件包括（ ）。
180、Ansible 的 check mode（--check）可以在不实际改变目标主机的情况下预演变更，但其预演结果的准确性取决于具体模块是否支持 check mode。（ ）
181、在 Ansible Role 中，关于 defaults/main.yml 与 vars/main.yml 的区别，下列说法正确的是（ ）。
182、在智能运维闭环中，把自愈动作落地为 Playbook 或 IaC 模块而非临时脚本，主要收益是（ ）。
183、一个面向智算集群的自动化运维工具链通常应包含的能力有（ ）。
184、幂等性是自动化运维的重要原则：同一自动化动作在相同条件下重复执行，最终结果应保持一致且不产生额外的副作用。（ ）
185、某次自动化批量修改交换机 QoS 配置，执行到第 30 台时监控发现训练任务吞吐下降 20%，最应立即采取的动作是（ ）。
186、下列关于智能运维建设中「数据孤岛」问题的说法，正确的有（ ）。
187、故障样本稀缺与标注成本高是运维 AI 落地的主要障碍之一，可通过弱监督、迁移学习与主动学习等方式缓解。（ ）
188、关于提升智能运维模型可解释性的做法，合理的有（ ）。
189、智能运维项目落地失败最常见的原因是服务器计算性能不足与网络带宽容量不足。（ ）
190、下列关于可观测性成本治理手段的说法，正确的有（ ）。
191、智能运维平台自身的存储与计算成本会随采集规模持续增长，应在建设初期就设计数据生命周期与降采样策略。（ ）
192、网络数字孪生（Digital Twin）在智能运维中的核心价值是替代真实网络去承载生产业务流量。（ ）
193、意图驱动网络（IDN，Intent-Driven Network）的关键能力包括（ ）。
194、下列关于自治网络演进路径的说法，正确的有（ ）。
195、数据质量（完整性、准确性、及时性、一致性）直接决定智能运维分析结论的可信度，是算法选型之前必须先解决的基础问题。（ ）
196、缓解 AIOps 冷启动问题，合理的做法是（ ）。
197、在运维领域应用大模型时，关于数据与安全合规，最应关注的是（ ）。
198、下列属于智能运维发展趋势的有（ ）。
199、自治网络的目标不是完全取消人工参与，而是在明确的策略与边界前提下，让系统承担更多重复性的判断与执行工作。（ ）
200、某智算中心计划把运维从人工处置推进到高度自治，下列建设顺序最合理的是（ ）。
更多问卷 复制此问卷