主题
云平台与自动化运维
本篇定位
覆盖主流云产品、云上运维与自建的差异，以及 Ansible、Terraform 在云上的落地用法。
高频面试题
Q1：核心云产品有哪些？分别干什么？
我的答案：
我按"一台业务跑在云上需要哪几块"来记，以阿里云/腾讯云/华为云这类国内主流公有云为例，核心产品分七层讲。
第一是计算层，对应阿里云 ECS、腾讯云 CVM、华为云 ECS，就是一台带 CPU/内存/磁盘的云服务器，需要选实例规格、镜像、公网带宽，弹性伸缩组（Auto Scaling）能按 CPU 指标自动增减机器。
第二是网络层，核心是 VPC 私有网络，自己划网段（如 192.168.0.0/16），下面分子网；云上没有传统交换机的概念，靠安全组做四层访问控制（相当于分布式防火墙，按端口/协议/来源放行），靠网络 ACL 做子网级规则。对外还有 NAT 网关让内网机器出公网、EIP 弹性公网 IP、负载均衡 SLB/CLB（四层 CLB、七层 ALB）。
第三是存储层，系统盘加数据盘（云盘），对象存储 OSS/COS 存静态文件、图片、备份，按量付费、自带多副本。
第四是数据库层，RDS 托管 MySQL/PostgreSQL，自带主从、备份、只读实例，不用自己搭主从复制；还有 Redis 缓存、消息队列 Kafka/RocketMQ。
第五是身份权限层，IAM 给员工/程序建子账号、分配最小权限策略，用 AccessKey 调 API，坚决不把主账号密钥写进代码。
最后配上云解析 DNS、CDN 回源加速、云监控 CloudMonitor。一句话：云上运维的思维是"一切都是可编排的资源"，机器挂了不是去修，而是扩容再拉起新实例。
Q2：云上运维和自建 IDC 机房有什么差异？
我的答案：
这是个高频对比题，我从六个维度说。
第一是资源获取方式：自建要买物理服务器、上架、布线、装系统，周期几周到几个月；云上是分钟级开 ECS，open 一下就有，弹性伸缩峰值时扩、闲时缩，不用为峰值常年养一堆机器。
第二是成本模型：自建是 CapEx，前期一次性买硬件，3-5 年折旧；云上是 OpEx，按使用量付费，但要警惕"成本漂移"——机器开了不关、云盘超配、带宽按固定峰值买，账单会很贵。所以云上要做成本优化：包年包月压稳定负载、按量+弹性伸缩扛波峰、用 OSS 低频归档、定期清理闲置 EIP 和快照。
第三是运维边界：自建从机房电力、硬件、RAID、BIOS 都得自己管；云上是责任共担——云厂商管物理机、网络虚拟化、存储多副本，我管操作系统、中间件、应用、数据和权限。比如 ECS 宕机厂商帮你迁移，但系统盘被我写满、MySQL 慢查询是我的事。
第四是高可用手段：自建靠双机热备、共享存储；云上靠多可用区（AZ）部署——同一 region 下选两个电力网络隔离的 AZ，SLB 把流量分到两边，一个 AZ 整体故障另一个顶得住，这比自己做双活省事得多。
第五是自动化程度：云上一切有 OpenAPI，Ansible、Terraform 直接调云 API 开资源，基础设施即代码，不用人去机房插 U 盘。
第六是风险点：自建怕硬件坏、断电；云上怕账号泄露、配置错（比如把 0.0.0.0/0 放开到数据库端口）、厂商区域级故障。所以我特别重视 IAM 最小权限和安全组白名单。
一句话：自建重资产、重体力，云上重编排、重成本和权限治理。
Q3：Ansible 原理和常用模块？
我的答案：
Ansible 是我做批量配置管理的主力工具，核心特点是无 Agent：被控机器不用装客户端，控制机通过 SSH 连过去执行，靠 Python 临时脚本完成任务，执行完就删，所以上手快、干净。
它的几个核心概念我脱口能讲：一是 inventory 主机清单，一个 ini 或 yaml 文件把机器按组分类，比如 [web]、[db]，里面写 IP、SSH 用户、密钥；二是 module 模块，真正干活的是模块，常用的有 yum/apt 装包、copy 下发文件、file 建目录改权限、service 管服务启停、shell/command 跑命令、git 拉代码、template 用 Jinja2 模板渲染配置；三是 playbook 用 YAML 写一套编排剧本，按 tasks 顺序执行；四是 roles 把一套任务拆成 tasks/handlers/templates/vars 目录，做成可复用角色。
它最大的优点是幂等：模块会先检查目标状态，已经是期望状态就不动，重复跑不会出错，这跟自己写 shell 脚本最大的区别就在这——shell 跑两次可能重复装，Ansible 跑一百次结果都一样。
云上落地我常这么用：刚用 Terraform 开出一批 ECS，立刻用 Ansible playbook 做初始化——关闭密码登录、配 SSH 密钥、装基础监控 agent、统一 hosts、调内核参数。ad-hoc 临时批量操作就用 ansible web -m shell -a "uptime" -f 20，-f 20 是并发 20 台。
Q4：Terraform 是做什么的？
我的答案：
Terraform 是**基础设施即代码（IaC）**工具，把云上要开的资源用 HCL 语言写成代码，版本化管理，而不是点网页控制台。
工作流我背得很熟：写好 .tf 文件后，第一步 terraform init 初始化、下载 provider（比如阿里云的 alicloud）；第二步 terraform plan 干跑，告诉"我打算新建、修改、删除哪些资源"，这一步只看不动手，是我特别看重的安全检查；第三步 terraform apply 真正执行；不要了就 terraform destroy 一键清干净。
它的核心是 state 文件，记录云上真实资源和代码的对应关系，相当于一本账本。生产上 state 不能放本地，要放到远端（比如 OSS + 锁），防止多人同时改把状态写乱、或者两人各 apply 一遍把资源冲掉。
我在云上用它管什么：一台 VPC、几个子网、一组 ECS 安全组规则、SLB、RDS 参数，全部代码化。好处是可重复、可审计——环境要复制到 staging，直接 apply 一份；谁改了资源，git diff 一目了然；还能多云，同一套思路换个 provider 就能管 AWS。它和 Ansible 的分工我也会讲清：Terraform 负责"开资源"（生命周命），Ansible 负责"装完软件后怎么配置"，业界常组合用，边界清楚。
Q5：如何在云上设计一套高可用架构？
我的答案：
我设计高可用就一条主线：消除所有单点，原则是冗余、无状态、自动切换。
具体分层讲。接入层：DNS 解析到 SLB/CLB，后面挂至少两台以上应用服务器，SLB 做健康检查，一台挂了自动摘流量。应用层：服务做成无状态——本地不存会话，会话放 Redis，文件放 OSS，这样任意一台挂了另一台无缝接管，也能随便加机器水平扩容。
机房层：跨多可用区部署，应用和数据库主库所在区故障时，备区能接。数据层：RDS 开主从复制和自动故障切换，从库扛读、主库扛写，定期自动备份；缓存放 Redis 哨兵或集群。
弹性与容灾：配弹性伸缩组，CPU 超阈值自动加机器，低于阈值自动缩；关键数据做 3-2-1 备份——三份副本、两种介质、一份异地。最后配上云监控告警，SLB 后端健康检查失败、RDS 主从延迟都要告警。
举个我家庭实验室里对应的体会：我在双路物理机上用 KVM 切虚机、用 DevStack 起 OpenStack，最开始只跑单点，后来专门把关键组件做了冗余，才真正理解"无状态 + 负载均衡 + 自动切换"为什么是生产架构的标配。