00:00:00
智能运维
录音中...
*
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（ ）。
【多选题】
A、把大数据与机器学习技术作用于运维数据，实现异常检测与根因定位
B、支持告警收敛与自动化响应，形成从发现到处置的闭环
C、现阶段以人机协同为主，关键处置动作仍需人工确认与兜底
D、仅指使用聊天机器人回答运维人员的咨询问题，不涉及数据分析与决策
*
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。（ ）
A、正确
B、错误
*
3、在智算中心引入 AIOps，可以带来的直接价值包括（ ）。
【多选题】
A、降低告警风暴，减少无效告警对值班人员的干扰
B、缩短 MTTD 与 MTTR，提升故障恢复效率
C、完全消除智算集群的一切硬件故障
D、基于容量预测优化 GPU 资源调度与采购节奏
*
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。（ ）
A、正确
B、错误
*
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（ ）。
【多选题】
A、该能力最接近 L3 条件自治
B、L3 的典型特征是系统自动诊断并推荐决策，关键动作由人工确认后执行
C、该团队已达到 L5 完全自治，系统可自主决策并闭环
D、该团队仍停留在 L1 手动运维阶段，全部依赖人工看板巡检
*
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。（ ）
A、正确
B、错误
*
7、在智算网络中建设 AIOps，需要重点关注的场景化特征包括（ ）。
【多选题】
A、集合通信（如 All-Reduce）的同步特性使单点故障被放大为整集群降速
B、RDMA/RoCE 无损网络需要专项关注 PFC 暂停帧、ECN 标记与丢包计数器
C、只需监控 CPU 使用率即可代表 GPU 算力利用率
D、训练任务的迭代周期性使流量呈现明显的突发与同步特征
*
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。（ ）
A、正确
B、错误
*
9、下列关于运维领域术语 AIOps 的说法，正确的有（ ）。
【多选题】
A、其完整英文表述是 Artificial Intelligence for IT Operations
B、该术语由 Gartner 提出并推广
C、AIOps 是方法论与能力集合，AIOps 平台则是承载这些能力的产品形态
D、其展开是 Automated IT Operations，含义仅是运维自动化，与机器学习无关
*
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（ ）。
A、数据采集
B、告警通知
C、结果反馈与模型再训练（Feedback Loop）
D、可视化展示
*
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（ ）。
【多选题】
A、告警降噪率（压缩后告警数/原始告警数）
B、MTTD 与 MTTR 的下降幅度
C、服务器采购单价下降幅度
D、自动化自愈成功率与人工介入率
*
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。（ ）
A、正确
B、错误
*
13、下列关于可观测性（Observability）与监控（Monitoring）关系的说法，最恰当的是（ ）。
A、二者完全等价，只是不同厂商的营销说法
B、监控是可观测性的子集，可观测性还要求能通过数据反推系统内部状态与未知问题
C、可观测性是监控的早期形态，现已被监控取代
D、可观测性只适用于应用性能，不适用于网络运维
*
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（ ）。
A、单点阈值告警
B、多源数据关联与根因推断
C、日志集中检索
D、资源容量统计报表
*
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（ ）。
A、L2 部分自治
B、L3 条件自治
C、L4 高度自治（限定域内闭环自优化）
D、L5 完全自治（全场景跨域自组织）
*
16、下列关于典型 AIOps 平台分层架构的说法，正确的有（ ）。
【多选题】
A、自底向上通常包括数据采集层、数据存储与处理层、分析与 AI 引擎层
B、决策与编排层、自动化执行层位于分析与 AI 引擎层之上
C、反馈与学习层把处置结果回流用于模型再训练，是区别于传统监控平台的关键一环
D、分层架构中不需要独立的存储层，采集后可直接在分析层完成全部计算
*
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（ ）。
【多选题】
A、Metrics（指标，如接口流量、GPU 利用率）
B、Logs（日志，如系统日志、设备 syslog）
C、Traces（链路追踪，如请求调用链）
D、仅需要 Metrics，其余数据没有价值
*
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。（ ）
A、正确
B、错误
*
19、下列关于 CMDB 在智能根因分析中作用的说法，正确的有（ ）。
【多选题】
A、提供设备、应用、业务之间的配置关系与依赖拓扑
B、可把大量告警按依赖关系收敛到少数上游根因节点，并推导业务影响面
C、用于替代工单系统直接派发与跟踪运维任务
D、负责采集网络设备的 SNMP Trap 并生成告警
*
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。（ ）
A、正确
B、错误
*
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。（ ）
A、正确
B、错误
*
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（ ）。
【多选题】
A、对高置信度规则命中直接判定异常，跳过模型打分
B、模型输出异常概率，设置动态阈值并结合规则白名单过滤
C、将模型结果直接用于生产变更，无需任何人工审核与灰度
D、用规则对模型输出的候选异常做二次校验，抑制已知误报场景
*
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（ ）。
【多选题】
A、实现采集、分析、告警、自动化等模块之间的解耦
B、支持异步削峰填谷，并允许多个消费者组订阅同一事件流
C、具备事件重放能力，新增分析模块时可回溯历史事件做离线验证
D、可直接替代时序数据库完成长期趋势的聚合查询
*
24、AIOps 中编排（Orchestration）与单个自动化脚本的主要区别是（ ）。
A、编排就是把所有脚本写在一个文件里
B、编排强调按流程协调多个系统或工具的执行顺序、条件分支、并行与回滚，并维护状态机
C、编排不需要考虑失败重试
D、编排只能用于网络设备配置，不能用于云平台
*
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。（ ）
A、正确
B、错误
*
26、AIOps 闭环中的反馈层最应优先采集的数据是（ ）。
A、运维人员对告警的确认、忽略、误报标注以及最终处置动作与效果
B、厂商设备宣传资料
C、员工考勤数据
D、办公室环境温湿度
*
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（ ）。
【多选题】
A、时序指标使用 Prometheus、VictoriaMetrics、InfluxDB 等 TSDB
B、原始日志与全文检索使用 Elasticsearch 或 Loki
C、长期冷数据与模型训练样本使用对象存储或数据湖
D、所有数据统一存入关系型数据库单表即可
*
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（ ）。
A、月度容量报表生成
B、RoCE 无损网络微突发丢包检测与 PFC 风暴实时告警
C、历史工单的文本聚类分析
D、季度成本分摊统计
*
29、关于 AIOps 平台自身的可用性设计，应遵循的原则是（ ）。
A、AIOps 平台不需要高可用，因为它只做分析
B、AIOps 平台应作为带外管理系统独立部署，避免与被管对象共故障域，且核心组件需高可用
C、AIOps 平台必须与被监控业务部署在同一台物理机以节省资源
D、AIOps 平台只在故障发生后临时启动即可
*
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。（ ）
A、正确
B、错误
*
31、AIOps 平台对外集成时，常见的接口与协议包括（ ）。
【多选题】
A、RESTful API 与 Webhook，用于告警推送与工单创建
B、gNMI/gRPC 与 NETCONF，用于网络设备配置下发与状态订阅
C、SNMP Trap 与 Syslog，用于设备侧事件上报
D、只能使用私有二进制协议，无法与第三方系统集成
*
32、下列组件中，通常不属于 AIOps 平台分析层的是（ ）。
A、异常检测服务
B、根因分析服务
C、SNMP Trap 接收器
D、时序预测服务
*
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（ ）。
A、确认动作对象是否在变更窗口外、是否在灰度白名单内、是否具备回滚方案
B、确认值班人员是否在线
C、确认动作应在业务高峰期执行以提升演练效果
D、无需校验，模型输出即可直接执行
*
34、在 AIOps 架构中引入运维知识图谱，其最核心的价值在于（ ）。
A、替代关系型数据库存储所有监控指标
B、以图结构表达实体（设备、应用、任务）之间的多跳依赖关系，支撑跨层关联与根因推理
C、自动生成值班排班表
D、压缩日志存储体积
*
35、评估 AIOps 平台架构合理性时，应重点考察的维度包括（ ）。
【多选题】
A、采集覆盖度与数据时效（采集间隔、端到端延迟）
B、分析算法的可解释性与误报治理机制
C、执行层的安全边界（权限、白名单、回滚、审计）
D、界面动画是否足够炫酷
*
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。（ ）
A、正确
B、错误
*
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（ ）。
A、永久保存所有原始日志
B、在事件流上做窗口聚合、多流 Join 与复杂事件处理（CEP），实现秒级特征计算与模式匹配
C、替代 Grafana 做可视化展示
D、减少网络设备的部署数量
*
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（ ）。
A、把不同来源的数据转换为统一模型（统一指标命名、字段、单位与时间戳），消除语义歧义
B、删除所有历史数据
C、仅为了压缩数据节省存储空间
D、把数据加密后禁止任何分析使用
*
39、关于 AIOps 平台决策层的职责，下列描述正确的有（ ）。
【多选题】
A、依据策略与 SLO 判断告警的优先级与处置路径
B、结合 CMDB 拓扑评估影响面，决定是否升级或通知业务方
C、直接采集设备原始指标
D、在自动处置与人工审核之间做路由决策，并控制自动化爆炸半径
*
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。（ ）
A、正确
B、错误
*
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。（ ）
A、正确
B、错误
*
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。（ ）
A、正确
B、错误
*
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。（ ）
A、正确
B、错误
*
44、在 RoCEv2 无损网络运维中，应重点采集的计数器与指标包括（ ）。
【多选题】
A、PFC 暂停帧发送与接收计数、PFC 死锁检测计数
B、ECN 标记报文数（交换机队列标记）与 CNP 收发计数
C、接口 CRC 错误、光模块收发光功率与误码率
D、仅采集 CPU 利用率即可判断无损网络健康度
*
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。（ ）
A、正确
B、错误
*
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。（ ）
A、正确
B、错误
*
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。（ ）
A、正确
B、错误
*
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（ ）。
【多选题】
A、GPU 利用率（SM Active）与显存占用率
B、GPU 温度、功耗与时钟节流（Thermal/Power Throttling）原因
C、Xid 错误事件与 ECC（Error Correcting Code）错误计数
D、鼠标键盘等外设的连接数量
*
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（ ）。
【多选题】
A、交换机出端口队列的瞬时缓存占用深度适合用 Gauge（仪表）类型表示
B、网卡累计接收的报文总数适合用 Counter（计数器）类型表示
C、接口自启动以来累计的 CRC 错误数是可增可减的瞬时值，适合用 Gauge 类型表示
D、服务自启动以来处理的总请求数适合用 Gauge 类型表示，可直接用原始值反映处理速率
*
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。（ ）
A、正确
B、错误
*
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。（ ）
A、正确
B、错误
*
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。（ ）
A、正确
B、错误
*
53、关于 Prometheus Exporter 的作用，下列描述正确的是（ ）。
A、负责接收 Prometheus 推送的告警并发送通知
B、把被监控对象（主机、数据库、GPU 等）的内部状态转换为 Prometheus 可抓取的 /metrics 文本格式
C、负责长期存储 Prometheus 的历史数据
D、用于在 Grafana 中绘制仪表盘
*
54、下列项中，属于 Streaming Telemetry 相比传统 SNMP 轮询的优势有（ ）。
【多选题】
A、推送模式降低轮询开销与采集延迟
B、基于 YANG 模型的结构化数据，字段丰富且自带时间戳
C、支持按需订阅与秒级甚至亚秒级的高精度采样
D、完全不需要设备侧支持，纯服务器软件即可实现
*
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（ ）。
A、rate（ifHCOutOctets[5m]）
B、rate（ifHCOutOctets[5m]） * 8
C、increase（ifHCOutOctets[5m]） * 8
D、sum（ifHCOutOctets） * 8
*
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（ ）。
A、所有链路统一使用最低采样比以节省成本
B、按链路重要性与排障需求分级：核心训练互联链路采用高采样率或全量计数器，一般管理网采用较低采样率
C、采样率越高越好，一律设为 1:1 全量
D、采样率与故障还原能力无关，可随意设置
*
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。（ ）
A、正确
B、错误
*
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（ ）。
A、活跃时间序列数量减少为原来的三分之一
B、样本写入速率提升约 3 倍，存储占用相应增加，需重新评估 TSDB 容量与磁盘 IO
C、所有查询耗时必然降低为原来的三分之一
D、对被采设备与 exporter 完全没有任何影响
*
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（ ）。
【多选题】
A、采集端使用 Filebeat 或 Fluent Bit 读取日志文件并做轻量解析
B、汇聚层使用 Kafka 等消息队列做缓冲与削峰
C、存储与检索层使用 Elasticsearch 或 Loki 建立索引并提供查询
D、采集端直接把每条日志写入关系型数据库单表，无需缓冲层
*
60、对 Prometheus 的 Counter 类型指标计算速率时，应优先使用的函数是（ ）。
A、rate（）
B、avg（）
C、max（）
D、delta（）
*
61、为便于 AIOps 自动分析，日志规范化的首要要求是（ ）。
A、统一使用结构化格式（如 JSON），并固定时间戳、日志级别、服务名、错误码等关键字段
B、日志内容越长越详细越好
C、所有日志统一使用 DEBUG 级别输出
D、日志中应尽量避免输出任何标识信息
*
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。（ ）
A、正确
B、错误
*
63、Prometheus 中出现高基数（High Cardinality）问题的典型原因是（ ）。
A、在标签（label）中放入了请求 ID、用户 ID、客户端临时端口等取值集合极大的维度
B、抓取间隔设置过长
C、指标名称过长
D、使用了 Histogram 而不是 Summary
*
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（ ）。
【多选题】
A、网络侧：接口收发计数、PFC 与 ECN 计数、光模块 DOM 收发光功率
B、主机侧：CPU、内存、磁盘与内核日志（含 GPU Xid 与 MCE 等硬件错误）
C、作业侧：训练任务吞吐、单迭代耗时、NCCL 集合通信耗时
D、仅需采集交换机 CPU 利用率即可覆盖全链路
*
65、排查 RoCE 网络丢包时，最先应比对的计数器是（ ）。
A、交换机端口的出向丢弃计数与 CRC 错误计数、以及光模块收发光功率
B、交换机的 SSH 登录次数
C、设备的 SNMP community 名称
D、设备的 NTP 同步状态
*
66、关于采集精度与开销的权衡，下列做法最合理的是（ ）。
A、对所有指标统一采用 1s 采集间隔
B、分层分级：关键无损网络指标与 GPU 指标采用秒级采集，常规容量类指标采用 30s 到 5min 采集，冷数据降采样后长期留存
C、为节省成本，所有指标统一采用 5min 采集
D、只在告警触发的时刻临时采集数据
*
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。（ ）
A、正确
B、错误
*
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。（ ）
A、正确
B、错误
*
69、设计 Prometheus 指标名称与标签时，应遵循的最佳实践包括（ ）。
【多选题】
A、指标名使用下划线分隔的小写单词，并带单位后缀如 _seconds、_bytes
B、标签取值集合应有限且可控，避免高基数
C、用标签区分维度，而不是把维度拼接进指标名
D、把每次请求的 trace_id 作为标签以方便逐请求排查
*
70、与 Elasticsearch 相比，Loki 在日志方案上的主要设计取舍是（ ）。
A、Loki 对日志正文建立完整全文索引，检索最快但成本最高
B、Loki 只对标签建立索引、日志正文压缩存储，成本更低但全文检索能力弱于 Elasticsearch
C、Loki 不支持任何标签查询
D、Loki 只能采集容器日志，不能采集主机文件日志
*
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（ ）。
A、与网络无关，一定是 GPU 硬件故障
B、网络侧发生拥塞触发 PFC 反压，可能进一步造成上游队列堆积甚至 PFC 死锁，应排查拥塞源与 PFC/DCBX 配置
C、属于采集器误报，无需处理
D、说明该链路非常空闲
*
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。（ ）
A、正确
B、错误
*
73、关于 Prometheus 中 Histogram 与 Summary 的区别，下列说法正确的是（ ）。
A、Summary 的分位数可以在服务端跨多个实例再次聚合
B、Histogram 在服务端分桶，可跨实例聚合后用 histogram_quantile（） 估算分位数；Summary 在客户端计算分位数，无法跨实例再聚合
C、两者完全等价，可以随意替换
D、Histogram 不提供 _sum 与 _count，无法计算平均值
*
74、为保障采集链路自身的可靠性，应采取的措施包括（ ）。
【多选题】
A、采集器本地缓存与断点续传，避免后端短暂不可用时丢数据
B、对采集器自身做存活监控与心跳告警（Meta-Monitoring）
C、采集器多实例部署并按目标分片，避免单点故障
D、采集器故障后再从设备补采历史数据即可，因此无需任何冗余设计
*
75、实现 Metrics、Logs、Traces 三类数据互相跳转关联（Correlation）的常用做法是（ ）。
A、在三类数据中保持一致的维度标签或标识（如 service、instance、pod、trace_id），并在工具侧配置跳转链接
B、把所有数据合并写入一张宽表
C、只保留日志即可自动实现关联
D、靠人工比对 IP 地址与时间
*
76、下列关于运维场景中异常检测算法的说法，正确的有（ ）。
【多选题】
A、孤立森林（Isolation Forest）通过随机选择特征与切分点递归划分样本空间，异常点因更易被提前隔离而路径更短，属于无监督方法
B、自编码器（Autoencoder）可用正常样本训练，以重构误差判别异常，属于无监督或半监督方法
C、孤立森林在训练时必须为每条样本提供正常或异常的标签才能完成建模
D、逻辑回归、决策树分类与朴素贝叶斯均属于有监督分类算法，训练时必须提供正负样本标签
*
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。（ ）
A、正确
B、错误
*
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。（ ）
A、正确
B、错误
*
79、常见的告警降噪手段包括（ ）。
【多选题】
A、基于时间窗口与拓扑关系的告警聚合与聚类
B、告警抑制（Inhibition）：上游故障抑制下游衍生告警
C、维护窗口静默（Silence）与防抖动（触发延迟、连续 N 次才告警）
D、直接丢弃所有低级别告警以减少打扰
*
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（ ）。
【多选题】
A、参考 CMDB 或知识图谱中的依赖关系拓扑，处于上游、被其他对象依赖的节点更可能是根因
B、比较各指标异常起始时间的先后，通常根因指标先于下游传导指标出现异常
C、仅按指标数值偏离程度的绝对值排序即可确定根因
D、按告警数量多少判断，产生的告警越多说明该指标越接近根因
*
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。（ ）
A、正确
B、错误
*
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（ ）。
【多选题】
A、采用 RAG（检索增强生成）：先检索知识库、Runbook 与实时指标证据，再让模型基于检索结果作答
B、要求模型在输出结论时给出引用来源，便于值班人员核验
C、对模型建议的执行动作保留策略校验与人工确认环节
D、关闭模型的内容安全过滤，可以让模型输出更完整，是降低幻觉的有效手段
*
83、构建 GPU 集群容量预测模型时，合理的输入特征包括（ ）。
【多选题】
A、历史 GPU 利用率与显存占用的时序统计（均值、P95、增长趋势）
B、作业队列积压量与作业平均排队等待时长
C、业务侧排期计划与大模型训练任务规划（任务数、预计卡时）
D、运维人员的个人偏好设置
*
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。（ ）
A、正确
B、错误
*
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。（ ）
A、正确
B、错误
*
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（ ）。
A、继续增加更多种类的输入指标以扩大维度
B、提高判定阈值或引入二次确认规则，同时用人工标注的误报样本迭代模型，并用业务侧确认结果修正标签
C、降低数据采集频率以减少数据量
D、关闭全部告警通知
*
87、关于常见异常检测算法的适用性，下列说法正确的有（ ）。
【多选题】
A、3-Sigma 与 IQR 等统计方法计算快、可解释性强，适合单指标近似正态分布的场景
B、孤立森林适合高维无标签数据，对全局稀疏的离群点敏感
C、自编码器通过重构误差衡量异常程度，需要历史正常数据训练
D、LSTM 预测类方法无需任何训练数据即可直接使用
*
88、在告警场景中，精确率（Precision）的含义是（ ）。
A、所有真实故障中被成功告警出来的比例
B、发出的告警中经确认属于真实故障的比例
C、告警总数与故障总数的比值
D、从告警产生到被响应的平均时长
*
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。（ ）
A、正确
B、错误
*
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。（ ）
A、正确
B、错误
*
91、使用自编码器（Autoencoder）做异常检测时，判定异常的通常依据是（ ）。
A、模型输出的分类标签
B、重构误差（输入与输出的差异）超过设定阈值
C、聚类得到的簇数量
D、模型参数量的大小
*
92、LLM 在智能运维中的合理应用场景包括（ ）。
【多选题】
A、日志与报错信息的自然语言解读及归因建议
B、从历史工单与 Runbook 中检索并生成处置步骤
C、把自然语言查询转换为 PromQL 或 SQL
D、直接替代监控系统完成指标采集
*
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（ ）。
A、精确率（Precision）
B、召回率（Recall）
C、F1 分数
D、均方误差（MSE）
*
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（ ）。
A、直接启用深度学习模型
B、先用专家规则与静态阈值兜底，同时积累数据建立基线，并采用同型号设备的对等组（Peer Group）横向对比作为过渡
C、暂停检测，等待数据积累后再上线
D、直接复用其他厂商设备的基线参数
*
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。（ ）
A、正确
B、错误
*
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（ ）。
【多选题】
A、时间相关性：各告警异常起始时间高度接近
B、空间拓扑相关性：涉及对象共用上游器件或同属一台设备
C、业务依赖相关性：在 CMDB 中同属一条业务链路
D、告警编号的数字连续性
*
97、关于告警降噪效果的评估，合理的做法包括（ ）。
【多选题】
A、统计降噪率与误抑率（是否误抑制了真实故障告警）
B、统计运维人员对告警的确认率与忽略率，作为标签反馈
C、抽样复盘被聚合掉的告警中是否隐藏了真实独立故障
D、仅以告警总量下降幅度作为唯一评价指标
*
98、下列任务中，属于监督学习（Supervised Learning）的是（ ）。
A、对无标签的指标样本做聚类分组
B、基于已标注的历史故障样本训练分类器，判断是否会发生故障
C、使用 K-means 对设备划分群组
D、对高维指标做 PCA 降维后可视化
*
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（ ）。
A、只分析指标曲线，不参考任何变更信息
B、把故障发生时间与变更系统（版本发布、配置下发、固件升级）的时间窗做匹配，命中则显著提升该变更的嫌疑权重
C、把所有近期变更一律认定为根因
D、故障处置期间禁止一切变更以免干扰分析
*
100、关于异常检测阈值的设定，下列做法最合理的是（ ）。
A、为所有指标设定统一的固定阈值，便于集中管理
B、按各指标的历史波动特征（均值、方差、周期性）分别计算动态基线，并结合业务敏感度设定带宽
C、阈值越低越好，宁可多报也不能漏报
D、阈值越高越好，最大限度减少对值班人员的打扰
*
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（ ）。
A、只观察模型在训练集上的均方误差
B、采用时间序交叉验证（滚动前瞻验证），严格按未来时间切分以避免数据泄漏，并关注 MAE/MAPE 与预测区间的覆盖率
C、把数据集随机按 8:2 切分即可
D、以模型参数量大小作为主要评价标准
*
102、在运维 AI 项目中获取高质量标注样本的合理途径包括（ ）。
【多选题】
A、把运维人员对告警的确认、忽略、升级等操作沉淀为标签
B、从历史工单与故障复盘报告中提取已定性的故障案例
C、通过受控的故障演练（混沌工程）主动注入故障，生成可控的正样本
D、由算法工程师凭主观印象随意打标
*
103、关于 LLM 运维助手的能力边界，下列说法正确的是（ ）。
A、LLM 运维助手可作为权威数据源，其输出无需人工核实
B、LLM 擅长理解与生成自然语言，适合做知识问答、日志解读与步骤生成；数值计算与实时指标判定应交给 PromQL 等专业工具完成
C、LLM 可以完全替代 Prometheus 与 Grafana
D、LLM 的输出必然正确，因此不需要给出引用来源
*
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。（ ）
A、正确
B、错误
*
105、关于运维知识图谱的构建方式，下列说法正确的是（ ）。
A、只能靠人工逐条录入，无法自动抽取
B、可从 CMDB、监控拓扑、工单文本与日志中自动抽取实体与关系，再经人工审核校正，形成持续演进的图谱
C、知识图谱一旦建成即永久有效，无需维护
D、知识图谱只用于可视化展示，不参与任何推理
*
106、下列关于 Prometheus 在监控体系中承担职责的说法，正确的有（ ）。
【多选题】
A、作为时序数据库存储带标签的指标样本
B、周期性评估 recording rules 与 alerting rules
C、对外提供 PromQL 查询语言与查询接口
D、承担日志全文检索与倒排索引功能，可替代 Elasticsearch 或 Loki
*
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。（ ）
A、正确
B、错误
*
108、与 Prometheus 相比，下列关于 Zabbix 典型特点的说法，正确的有（ ）。
【多选题】
A、提供 Server、Web 界面、Agent、告警媒介与模板库等开箱即用的完整套件
B、内置对 SNMP 与 IPMI 的支持，适合传统服务器与网络设备的带外管理监控
C、Zabbix Agent 支持主动式（Active）上报，并非只支持服务端被动拉取
D、Zabbix 只能监控容器与云原生工作负载，无法监控物理机与网络设备
*
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。（ ）
A、正确
B、错误
*
110、关于 Alertmanager 中 group_wait、group_interval 与 repeat_interval 的作用，下列说法正确的有（ ）。
【多选题】
A、group_wait：为新分组等待一段时间，以便把同组后续告警合并后再首次发送
B、group_interval：同一分组发送一批告警后，到下一次发送该组新告警之间的间隔
C、repeat_interval：同一告警持续未恢复时，重复发送通知的最小间隔
D、group_wait 必须大于 repeat_interval，否则配置无法加载
*
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。（ ）
A、正确
B、错误
*
112、在 ELK 日志栈中，下列关于 Logstash 职责与能力的说法，正确的有（ ）。
【多选题】
A、通过 input 插件接入 beats、kafka、tcp 等多种数据源
B、通过 grok、date、mutate 等 filter 插件完成日志解析与字段转换
C、负责绘制可视化图表，可替代 Kibana 的看板能力
D、负责持久化存储并构建倒排索引，可替代 Elasticsearch
*
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。（ ）
A、正确
B、错误
*
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。（ ）
A、正确
B、错误
*
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（ ）。
【多选题】
A、数据采集与协议支持（Streaming Telemetry/gNMI、SNMP、GPU 指标、OpenTelemetry）
B、可扩展性（水平扩展能力、多租户隔离、自定义插件与流水线）
C、总体拥有成本（License、存储与计算成本、运维人力投入）
D、只要界面支持中文即可满足全部需求
*
116、在 Kubernetes 环境中采集节点与容器指标的标准做法是（ ）。
A、在每个容器内手工安装 Zabbix Agent
B、由 kube-state-metrics 提供集群对象状态，cAdvisor 与 node-exporter 提供节点与容器资源指标，Prometheus 通过服务发现自动抓取
C、只能登录节点执行 top 命令查看
D、Kubernetes 集群无法被监控
*
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（ ）。
A、仅获取作业提交脚本的内容
B、获取作业状态与资源分配（节点列表、GPU 分配、起止时间）以及节点状态（idle/alloc/drain/down），用于关联故障与评估作业影响面
C、获取登录用户的家庭住址
D、获取 Slurm 版本号即可
*
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。（ ）
A、正确
B、错误
*
119、在 Prometheus 的告警规则中，for 字段的作用是（ ）。
A、指定告警通知的接收者
B、指定条件需持续满足该时长后，告警才从 Pending 转为 Firing，用于防抖动
C、指定告警规则的评估周期
D、指定告警的自动过期时间
*
120、编写 Prometheus 告警规则时应遵循的最佳实践包括（ ）。
【多选题】
A、表达式中先做 rate（） 等速率计算，再与阈值比较
B、通过 labels 附加 severity、team、service 等标签，用于路由与分派
C、通过 annotations 补充 summary、description 与 Runbook 链接等人类可读信息
D、把所有判断逻辑都放到 Alertmanager，规则中不做任何计算
*
121、OpenTelemetry（OTel）在可观测体系中的定位是（ ）。
A、一个时序数据库
B、一套厂商中立的观测数据采集、处理与导出标准与工具集（API、SDK、Collector），统一 Metrics、Logs、Traces 的采集
C、一个仪表盘绘制工具
D、一种网络设备配置协议
*
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。（ ）
A、正确
B、错误
*
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。（ ）
A、正确
B、错误
*
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（ ）。
A、只发送邮件即可
B、按严重级别选择通知渠道（电话、短信、IM），结合值班表路由，同时提供告警详情与 Runbook 链接并支持确认与升级
C、告警应全部以电话方式通知以确保被看到
D、不需要主动通知，等待用户投诉即可
*
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（ ）。
【多选题】
A、告警的创建、更新与恢复状态，用于驱动工单自动开单与关单
B、工单的处理结果与耗时，回流用于模型评估与运维度量
C、变更计划与变更窗口，用于关联分析与抑制计划内变更的误报
D、运维人员的薪资与绩效信息
*
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（ ）。
A、为两套系统各建完全独立的告警体系，不做任何统一
B、统一告警数据模型与标签规范（cluster、role、job、node、severity），由统一告警中枢集中路由与降噪，同时保留各自适配的采集器
C、强制把 Slurm 作业改造为 Kubernetes Pod 以便统一
D、只监控 Kubernetes，忽略 Slurm 集群
*
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。（ ）
A、正确
B、错误
*
128、关于 Prometheus 生态中常见 exporter 的作用，下列搭配正确的有（ ）。
【多选题】
A、node_exporter：采集主机的 CPU、内存、磁盘、网络等系统指标
B、snmp_exporter：通过 SNMP 协议采集网络设备的接口与状态指标
C、blackbox_exporter：对目标做黑盒探测（HTTP、TCP、ICMP）
D、dcgm-exporter：采集分布式链路追踪的 span 数据
*
129、评估可观测平台的存储成本时，应纳入考量的因素包括（ ）。
【多选题】
A、指标基数（时间序列数量）与采集间隔共同决定的样本写入速率
B、日志原始量及其索引膨胀率（Elasticsearch 的索引体积通常显著大于原始日志）
C、留存时长与降采样策略
D、机房机柜的数量
*
130、分布式链路追踪系统中的核心数据单元是（ ）。
A、span（跨度），包含操作名称、起止时间、标签与父子关系
B、metric sample（指标样本）
C、log line（日志行）
D、SNMP OID（对象标识符）
*
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（ ）。
A、在每个集群各自查询，不做统一
B、采用 Thanos 或 VictoriaMetrics 集群方案：通过 Sidecar 或远程写统一汇聚到对象存储与全局查询层，实现跨集群聚合与长期留存
C、把全部数据写入单台 Prometheus 的本地磁盘
D、改用 SNMP 采集所有指标
*
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。（ ）
A、正确
B、错误
*
133、关于 Zabbix 与 Prometheus 的差异，下列说法正确的有（ ）。
【多选题】
A、Zabbix 自带 Web 管理界面、模板库与告警媒介，开箱即用程度高
B、Prometheus 采用拉取模型与 PromQL，天然适配云原生环境的动态服务发现
C、Zabbix 支持 Agent 主动上报以及 SNMP、IPMI，适合传统设备与带外管理
D、Prometheus 完全不具备告警能力，告警必须依赖 Zabbix
*
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（ ）。
A、让面板配色更美观
B、通过标签查询动态填充下拉列表，实现用同一面板按集群、实例、接口等维度切换查看
C、减少 Prometheus 的存储数据量
D、替代 Alertmanager 完成告警分组
*
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（ ）。
A、安装包体积大小
B、是否支持自定义采集插件、自定义数据处理流水线、开放 API 以及水平扩展架构
C、图标是否美观
D、是否提供手机 App
*
136、下列关于智能运维标准处置闭环的说法，正确的有（ ）。
【多选题】
A、闭环顺序通常为监控→告警→定位→处置→验证→复盘
B、未定位就盲目处置容易造成误操作，未验证就闭环则可能遗留隐患
C、复盘环节用于沉淀时间线、根因与改进项，避免同类故障重复发生
D、闭环可以直接从复盘开始，无需前置的监控与告警环节
*
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。（ ）
A、正确
B、错误
*
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。（ ）
A、正确
B、错误
*
139、设计自动化自愈策略时，合理的安全控制措施包括（ ）。
【多选题】
A、限定触发条件与对象白名单，控制爆炸半径
B、设置执行频率上限与并发上限，避免自动化风暴
C、具备前置检查与失败回滚能力，并保留完整审计日志
D、只要模型判定异常，就无条件重启设备
*
140、下列关于 SLI、SLO 与错误预算的说法，正确的有（ ）。
【多选题】
A、SLI（Service Level Indicator）是衡量服务水平的量化指标，如请求成功率、P99 时延
B、SLO（Service Level Objective）是为 SLI 设定的目标，如成功率不低于 99.9%
C、SLO 可定义在可用性、时延、吞吐与正确率等多个维度
D、SLI 是目标值，SLO 是实测值，二者含义相同可以互换使用
*
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。（ ）
A、正确
B、错误
*
142、下列关于值班与升级机制设计的做法，合理的有（ ）。
【多选题】
A、按告警级别与影响面设定差异化的首次响应时限
B、明确一线值班、二线专家、三线厂商的职责边界与升级路径
C、配置超时未确认或未恢复即自动向上一级升级的规则
D、把所有告警统一通知到公司全员群，由大家自行认领
*
143、关于 MTTD 与 MTTR，下列说法正确的有（ ）。
【多选题】
A、MTTD（Mean Time To Detect）衡量从故障发生到被发现的平均时长，主要受监控覆盖度与检测灵敏度影响
B、MTTR（Mean Time To Repair）衡量从故障被发现到恢复的平均时长，受定位效率与处置自动化程度影响
C、完善 Runbook 与提升自动化覆盖率通常能显著压缩 MTTR
D、MTTD 与 MTTR 之和恒等于故障总时长，因此二者无法分别优化
*
144、关于变更管理与回滚，下列做法最合理的是（ ）。
A、变更后观察无异常即可，无需准备回滚方案
B、变更前准备可验证的回滚方案与前置备份，选择低峰窗口灰度执行，变更过程中保留实时监控与一键回滚能力
C、所有变更都应安排在业务高峰期执行，以便快速暴露问题
D、回滚方案只需口头确认，无需文档化与演练
*
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。（ ）
A、正确
B、错误
*
146、为验证智能运维闭环的有效性，最有价值的演练方式是（ ）。
A、文档化的桌面推演与流程评审
B、在受控环境或生产灰度范围内注入真实故障（混沌工程），验证检测时效、告警准确性、定位速度与自愈有效性，并度量 MTTD 与 MTTR
C、仅在测试环境关闭一个无关服务
D、模拟发送一封告警邮件即可
*
147、衡量智能运维闭环成熟度的度量指标应包括（ ）。
【多选题】
A、MTTD、MTTR 与 MTBF
B、告警降噪率、告警准确率（精确率）与漏报率
C、自动化自愈覆盖率与成功率、变更成功率与回滚率
D、值班人员的加班时长
*
148、智能运维闭环中「验证」环节应完成的工作包括（ ）。
【多选题】
A、确认关键指标已恢复到正常基线区间
B、通过业务拨测、训练任务试跑或用户侧验证确认功能确实可用
C、确认处置未引入次生影响（如其他业务受损、性能反向劣化）
D、记录处置人姓名后即可直接关闭工单
*
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。（ ）
A、正确
B、错误
*
150、故障复盘结束后，最应优先落地的产出是（ ）。
A、对相关责任人的处罚决定
B、可跟踪的改进项（Action Item）：补齐监控盲点、完善告警规则与 Runbook、推动自愈与架构改造，并明确责任人与截止时间
C、重新编排值班表
D、增加告警数量以提高关注度
*
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（ ）。
A、立刻重启疑似故障设备
B、确定影响面与故障边界：受影响的对象范围、异常起始时间、近期是否有变更，再结合拓扑逐层下钻
C、直接联系设备厂商报修
D、静默告警并等待观察是否自行恢复
*
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（ ）。
【多选题】
A、时间维度关联：与异常起始时刻对齐的指标、日志、事件与变更记录
B、空间维度关联：CMDB 拓扑与共享故障域（同一交换机、同一 PDU、同一光模块）
C、分层排查：自底向上依次排查物理层、链路层、网络层、传输层与应用或作业层
D、运维人员的工作年限与资历
*
153、智能运维闭环中「告警」环节的直接产出应是（ ）。
A、一条带有级别、影响对象与处置建议的可执行事件
B、一份月度运行报表
C、设备采购申请单
D、人员培训计划
*
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。（ ）
A、正确
B、错误
*
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（ ）。
A、照常发布，错误预算与发布决策无关
B、暂缓非紧急发布，优先投入稳定性改进；若为紧急修复则应评估风险并加强灰度与回滚准备
C、立即冻结一切变更直到下月预算重置
D、下调 SLO 目标值以恢复错误预算
*
156、关于值班交接（Handover）机制，最重要的是（ ）。
A、口头交代即可，无需留痕
B、交接内容应包含未闭环告警与工单状态、进行中的变更与风险点、已知隐患与临时规避措施，并形成书面记录
C、只需交接账号与密码
D、交接不必记录，出现问题时再询问上一班
*
157、为缩短 MTTD，可以采取的有效措施包括（ ）。
【多选题】
A、补齐监控盲点，提高采集覆盖度与关键指标的采集频率
B、用动态基线与多指标联合检测替代单一静态阈值
C、取消告警收敛与抑制，让所有原始告警直接送达值班人员
D、引入业务拨测与用户侧体验监测作为外部视角
*
158、下列项中，不属于闭环「处置」环节常见手段的是（ ）。
A、按 Runbook 执行修复命令
B、回滚最近的变更
C、隔离故障设备并切换流量到冗余路径
D、重新编制公司年度预算
*
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（ ）。
A、一次性并发全部执行以缩短总耗时
B、分批灰度：先单台验证，再小比例（如 5%）观察关键指标，确认无异常后逐步扩大批次，并设置暂停点与回滚触发条件
C、仅在夜间一次性全量执行
D、完全由模型判定，无需分批控制
*
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。（ ）
A、正确
B、错误
*
161、关于「告警—工单」联动，下列做法最合理的是（ ）。
A、每条原始告警都自动生成一个工单
B、告警经收敛后按事件维度生成工单，告警恢复时自动关联关闭或标记为待确认，避免工单膨胀
C、告警与工单完全不关联，各自独立运作
D、工单只能由人工创建，告警不参与任何联动
*
162、组织一次智算网络故障演练，合理的准备工作包括（ ）。
【多选题】
A、明确演练目标、注入范围与影响面，选择业务低峰窗口执行
B、准备应急中止方案与回滚步骤，确保任何时刻可一键恢复
C、提前通知相关方（业务方、值班人员、厂商支持）并设定演练时长上限
D、无需评估影响，直接在生产环境全量执行以获得最真实效果
*
163、闭环中「复盘」环节最核心的产出是（ ）。
A、故障完整时间线、根因分析与可跟踪的改进项
B、责任人名单与处罚建议
C、设备维修发票
D、新的监控大屏截图
*
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。（ ）
A、正确
B、错误
*
165、建设智能运维闭环的度量体系时，应遵循的原则包括（ ）。
【多选题】
A、指标应与业务目标对齐（如可用性、作业成功率），避免只统计技术层指标
B、指标应可自动采集与持续跟踪，减少人工填报
C、指标之间应能相互印证，避免单一指标被优化而导致整体恶化
D、指标数量越多越好，越细越能反映真实情况
*
166、下列关于 Ansible 架构与特性的说法，正确的有（ ）。
【多选题】
A、控制节点通过 SSH 与被管主机通信，属于无 Agent 架构
B、管理 Windows 主机时可改用 WinRM 作为连接通道
C、Playbook 使用 YAML 描述主机的期望状态
D、必须在被管节点安装并常驻 Agent 才能工作
*
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。（ ）
A、正确
B、错误
*
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。（ ）
A、正确
B、错误
*
169、关于 Ansible 的幂等性（Idempotency），下列说法正确的有（ ）。
【多选题】
A、幂等模块多次执行结果一致，第二次及之后通常不产生变更（changed=false）
B、copy、template、service、package 等模块设计为幂等，而 command 与 shell 模块本身不保证幂等
C、使用 command 或 shell 模块时应配合 creates、removes 或 when 条件来保证幂等
D、幂等意味着脚本在任何情况下都可以无条件重复执行且永不失败
*
170、下列关于 Ansible Playbook 中 handler（处理器）的说法，正确的有（ ）。
【多选题】
A、handler 会延迟到当前 play 的所有任务执行完毕后统一执行
B、即使被多个任务多次 notify，同一 handler 在本次 play 中也只执行一次
C、可使用 meta: flush_handlers 在指定位置提前触发已被通知的 handler
D、handler 在被 notify 的任务执行时立即同步执行，每通知一次就执行一次
*
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。（ ）
A、正确
B、错误
*
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。（ ）
A、正确
B、错误
*
173、在 Ansible 中，下列关于权限提升关键字的说法，正确的有（ ）。
【多选题】
A、使用 become: yes 开启权限提升
B、become_method 用于指定提权方式，默认值为 sudo
C、become_user 用于指定提权后的目标用户，默认值为 root
D、sudo: yes 是当前推荐的标准写法，可完全替代 become 系列关键字
*
174、关于 GitOps 实践，下列说法正确的有（ ）。
【多选题】
A、以 Git 仓库作为声明式配置的唯一事实来源（Single Source of Truth）
B、通过流水线校验与人工审批后，由控制器（如 Argo CD、Flux）持续比对并自动同步到目标环境
C、所有变更以 Pull Request 提交，天然具备评审、审计与回滚能力
D、GitOps 允许先在线上环境手工修改，之后再补提交到仓库
*
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（ ）。
A、两者完全相同，只是叫法不同
B、金丝雀先把少量流量切到新版本并观察指标，确认无异常后逐步扩大；蓝绿则准备两套完整环境，通过切换流量实现近乎瞬时的整体切换与快速回退
C、蓝绿发布只能用于数据库变更
D、金丝雀发布不需要任何监控指标即可判断成败
*
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。（ ）
A、正确
B、错误
*
177、在 IaC 的 CI/CD 流水线中，Terraform 的 plan 阶段最重要的作用是（ ）。
A、直接创建云资源
B、在不改变实际环境的前提下预演变更内容（新增、修改、销毁），供评审与自动化卡点使用
C、压缩配置文件体积
D、生成监控告警规则
*
178、下列项中，属于基础设施即代码（IaC）核心收益的是（ ）。
A、配置过程可版本化、可评审、可重复执行，环境一致性显著提升
B、应用 IaC 之后就完全不需要测试
C、不再需要编写任何文档
D、可以完全取消变更审批流程
*
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（ ）。
【多选题】
A、变更前保存原始配置与数据备份，并验证备份确实可用
B、回滚步骤本身也经过演练并实现自动化，可在限定时间内完成
C、变更过程可观测，具备明确的失败判定条件以触发自动回滚
D、只要变更脚本编写得足够仔细，就不需要准备回滚方案
*
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。（ ）
A、正确
B、错误
*
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（ ）。
A、两者变量优先级完全相同
B、defaults/main.yml 中的变量优先级最低、最容易被覆盖；vars/main.yml 中的变量优先级较高，通常用于 Role 内部相对固定的值
C、vars 的优先级低于 defaults
D、两者都不能被外部覆盖
*
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（ ）。
A、执行速度更快
B、动作可版本化、可评审、可复用、可审计，且幂等性保证重复执行安全，便于与编排引擎和权限系统集成
C、不再需要任何测试
D、可以绕开变更审批流程
*
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（ ）。
【多选题】
A、配置管理与批量执行（Ansible 的 Playbook、Role、Inventory）
B、基础设施供给与编排（Terraform）以及镜像与制品管理
C、流水线（CI/CD）与 GitOps 同步控制器
D、自动生成运维人员的绩效报告
*
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。（ ）
A、正确
B、错误
*
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（ ）。
A、继续执行剩余设备，事后统一排查
B、立即暂停批量执行，保留已变更设备清单，按回滚预案对已变更设备回退，并比对变更前后配置与指标定位原因
C、直接重启全部交换机
D、关闭监控告警继续观察
*
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（ ）。
【多选题】
A、表现为监控、日志、工单、CMDB、变更等系统的数据分散在不同平台，难以关联分析
B、同一对象在不同系统中标识不一致、缺乏统一主键与开放接口是其重要成因
C、可通过统一标识体系、统一标签字典，以及数据中台或事件总线汇聚来治理
D、主要指数据中心分布在多个地理位置，需要跨机房专线互联
*
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。（ ）
A、正确
B、错误
*
188、关于提升智能运维模型可解释性的做法，合理的有（ ）。
【多选题】
A、对树模型输出特征重要性与 SHAP 值，说明各指标对判定的贡献
B、输出相似历史案例与证据链（指标曲线、相关日志、关联变更）供人工核验
C、给出判定置信度与依据，并保留人工否决入口
D、使用黑盒深度模型且不提供任何中间信息，要求运维人员无条件信任
*
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。（ ）
A、正确
B、错误
*
190、下列关于可观测性成本治理手段的说法，正确的有（ ）。
【多选题】
A、精简或聚合高基数标签，以降低时间序列数量
B、对非关键指标降低采集频率，并对历史数据做降采样
C、为保证不遗漏任何信息，应无限制采集并永久保留全部原始精度数据
D、直接删除全部历史数据、只保留最近 1 小时，是成本治理的首选方案
*
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。（ ）
A、正确
B、错误
*
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。（ ）
A、正确
B、错误
*
193、意图驱动网络（IDN，Intent-Driven Network）的关键能力包括（ ）。
【多选题】
A、把业务意图（如训练任务之间的带宽与时延要求）自动翻译为设备配置与策略
B、持续校验实际运行状态是否符合意图，出现偏差时告警或自动纠正
C、与声明式理念和自动化闭环天然契合
D、完全不需要人工设定任何目标，系统可自行发明业务意图
*
194、下列关于自治网络演进路径的说法，正确的有（ ）。
【多选题】
A、通常遵循手工运维→脚本辅助→条件自治→高度自治→完全自治的顺序
B、条件自治阶段的典型特征是系统给出处置建议，由人工确认后执行
C、每一级都以更低一级沉淀的数据、规则与验证为前提
D、可以直接跳到完全自治，无需经历中间阶段的数据与信任积累
*
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。（ ）
A、正确
B、错误
*
196、缓解 AIOps 冷启动问题，合理的做法是（ ）。
A、等到积累足够历史数据后再启动平台建设
B、先以专家规则与内置最佳实践模板启动，同时采用对等组横向对比与跨集群迁移基线过渡，边运行边积累数据
C、直接采购外部标注好的通用数据集替代自身数据
D、关闭所有告警以避免冷启动期间的误报
*
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（ ）。
A、模型参数量越大就越合规
B、运维数据含大量敏感信息（拓扑、配置、日志），应做脱敏与访问控制，优先私有化部署或专有云方案，并对模型输入输出进行审计
C、把所有日志直接上传到公有云大模型即可
D、只要模型开源就不存在任何安全风险
*
198、下列属于智能运维发展趋势的有（ ）。
【多选题】
A、从单点工具走向统一可观测平台与运维数据中台
B、从规则驱动走向规则与模型融合，再向意图驱动的自治闭环演进
C、大模型与 Agent 逐步承担日志解读、故障诊断与编排生成的辅助角色
D、运维工作将完全消失，不再需要任何工程投入
*
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。（ ）
A、正确
B、错误
*
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（ ）。
A、直接上线全自动自愈，之后再补充监控能力
B、先夯实采集标准化与 CMDB 拓扑，再建设告警降噪与根因推荐并配套 Runbook，然后在低风险场景灰度自愈，最后逐步扩大自治范围并完善度量与演练
C、先建设大模型问答机器人，其余能力后续补齐
D、先采购最昂贵的商业平台，能力即可自然具备
字体大小
智能运维
复制
