运维/SRE 行话速查指南：懂了这些，排障都能挺直腰板
来源：运维技术圈 | 发布日期：2026-05-21
流量与架构
南北流量 vs 东西流量
| 术语 | 大白话 | 正经解释 | 运维场景 |
|---|---|---|---|
| 南北流量 | 进出城的外来务工人员 | 客户端与服务器之间的流量。架构图中客户端（北）→ 服务器（南） | 用户反馈"网站打不开"，排查负载均衡器、API 网关、防火墙 |
| 东西流量 | 村里人互相串门 | 数据中心内部、微服务之间、Pod 之间的通信 | 前端正常但下单超时，多半是内部服务节点卡住了 |
控制面 vs 数据面
| 概念 | 类比 | 说明 | 排障方向 |
|---|---|---|---|
| 控制面 | 交警队 | 下发规则、配置和路由策略（Service Mesh / K8s） | 服务通但配置不生效 → 控制面故障 |
| 数据面 | 马路 | 实际运送业务数据包 | 服务完全不通 → 数据面挂了 |
监控与排障
APM（应用性能管理）： 深入到代码运行时的方法调用耗时、SQL 执行时间、JVM/GC 状态。实战场景——研发说"代码没问题，是网络卡"，甩出 APM 截图："这个 SQL 查了 5 秒，网络只花 2 毫秒"。
可观测性三大支柱：
| 支柱 | 解决的问题 | 常见工具 |
|---|---|---|
| Metrics（指标） | 出没出事（CPU 90%） | Prometheus, Zabbix |
| Logs（日志） | 出了什么事 | ELK, Loki |
| Traces（链路） | 事情在哪一步卡住了 | Jaeger, SkyWalking |
监控告诉你"系统挂了"，可观测性告诉你"系统为什么挂"。
全链路追踪： 给请求打上唯一的 TraceID，串联 A→B→C→D 调用链路。排查卡顿看瀑布图——哪根柱子最长就去揪哪个服务。
SRE 稳定性
SLA / SLO / SLI
| 缩写 | 含义 | 类比 |
|---|---|---|
| SLI | 服务级别指标（如 HTTP 200 比例） | 计分器 |
| SLO | 服务级别目标（如 99.9% 在 200ms 内） | 及格线 |
| SLA | 服务级别协议（含商业惩罚条款） | 军令状 |
运维内部只谈 SLO，带上商务合同才谈 SLA。
熔断 vs 降级： 熔断是下游大面积超时时主动切断调用防止雪崩；降级是大促时关掉边缘功能（猜你喜欢、评论展示），资源让给核心交易链路。
混沌工程： 在生产环境故意注入故障（随机杀 Pod、掐网线），验证高可用架构。Netflix 的"混乱猴子"是鼻祖。
发布与部署
| 模式 | 大白话 | 说明 |
|---|---|---|
| 灰度/金丝雀发布 | 先让 5% 用户当小白鼠 | 逐步放大流量（5%→10%→50%→100%），指标稳了再全量 |
| 蓝绿部署 | 备胎转正 | 两套环境，切流量瞬间完成，回滚一秒级（代价：双倍资源） |
云原生概念
Sidecar： Pod 内配辅助容器，负责日志收集、流量代理、监控上报——不改业务代码。
IaC（基础设施即代码）： Terraform/Ansible 定义服务器和网络，Git 版本控制，谁改了什么一查便知。
故障术语
| 术语 | 大白话 | 运维场景 |
|---|---|---|
| 惊群效应 | 撒一把玉米，鸽子扑上来撞翻人 | 热点 Key 缓存过期 → 千万并发砸向数据库。解法：过期时间加随机数 |
| 幂等性 | 狂点付款也只能扣一次钱 | 网络抖动重试时，执行 N 次 = 执行 1 次，否则重复扣款 = P0 事故 |
| OOM | 内存被吃干抹净，系统掀桌子 | Reason: OOMKilled → 内存泄漏，截图甩给研发 |
不管是南北流量还是东西流量，系统不报警就是好流量。
关联页面
| 页面 | 关联点 |
|---|---|
| devops-interview-guide | DevOps 技术面试指南 |
| fullstack-performance-troubleshooting | 全栈性能排障 |
| high-concurrency-four-strategies | 高并发四大手段（熔断/降级/幂等） |
| jvm-container-oom-offheap-troubleshooting | JVM 堆外内存 OOM 排障 |
| container-networking-troubleshooting | 容器网络排障 |
| k8s-architecture-core-concepts | K8s 架构核心概念（控制面/数据面） |