这篇文章通过 LinkedIn 的 SRE 招聘流程，展示大型互联网公司如何评估候选人的代码能力、系统运维能力、现场故障排除能力、告警优先级判断和大型网站架构设计能力。
先看核心要点：
- LinkedIn SRE 面试不是只问系统管理知识，而是会覆盖代码、运维、排障、告警分级和架构设计。
- 现场故障排除是面试重点，候选人会连接到正在运行的服务处理问题。
- 面试会模拟真实 SRE 工作：多个警报同时出现时，候选人需要解释优先级判断。
- LinkedIn 希望 SRE 既能维护大规模网站，也能读写代码、调试系统并与不同团队协作。
LinkedIn 简介
LinkedIn 是全球第六大流量最高的网站，每月拥有超过15亿次独立访问。LinkedIn 希望 “为全球劳动力创造经济机会”，不仅仅是在线简历，更希望创建一个“经济图谱”，类似于Facebook的社交图谱，其中包含了全球经济的各个方面——公司、就业岗位、学校、技能等。
LinkedIn 网站数据
截至2022年，LinkedIn 拥有：
- 8.5亿会员
- 每月1.25到1.5十亿的独立访问量
- 2022年5月，接近15亿全球独立访客访问了LinkedIn.com，较2021年12月的13亿访客增加。
- 39%（或3.4亿）用户为高级会员。
2017年，LinkedIn 拥有：
- 1500多项生产服务
- 600 TB存储数据
- 排名世界第八繁忙网站
- 100多个SRE支持1000多个SW工程师（比例10:1合理）
- 运营中超过20,000台生产机器
- 300多个RESTful服务
- 99％服务延迟目标为10毫秒
- 处理每天7万亿条消息的100+ Kafka集群
LinkedIn 需要这样的 SRE
在 LinkedIn，SRE 主要负责搭建并维护一个拥有 8.5 亿会员的网站，保障它的稳定和可靠。我们维护了超过 450 个独立的服务，让大家可以在任何地方、任何时间使用 LinkedIn 的服务。
这种责任真的很棒，这份工作需要具有某种特质的人，这个具有独特技能的人，是谁呢…
我不知道异常代码的位置， NullPointerException ，但我会找到并修复它
好吧，也许并没有那么夸张。但是，这份工作真的需要一个有特质的人。不仅需要具备维护超大规模网站的技能，而且必须具备编写和读取代码的能力，调试并解决问题。当超过 40,000 个生产级服务器需要处理时，自然不能一次只维护一个机器，需要将服务构建在具有多个活跃数据中心的环境中运行，每秒处理数万个查询命令。此外，即使服务处于缓慢运行状态也要保证它们的可用性，同时还需要能够与其他工程师、管理层以及其它岗位同事协同工作，听起来的确是压力很大的一份工作。
这样的 SRE，面试的过程如何？还蛮有意思的。
会面前的筛选
想雇到具有上述特质的人真的很难，找到他们已经很难了，在相应的时间内验证他们确实有这种能力更是难上加难。在这篇文章中，我将谈谈在 LinkedIn 是如何招到合格的 SRE 的。一切都是从一个电话开始的。首先，我们的招聘人员会打电话给你，问你为什么考虑加入 LinkedIn ，你什么时候可以入职，然后会问一些常见的知识系统管理问题。假如通过了这些初步环节，我们会给你一个显示 SRE 工作代码的手机，在这个手机屏幕中，我们会要求你执行一些代码问题，这些问题与你将要从事的工作有关，例如日志解析或使用 RESTful API。
一旦确定了你的代码能力，我们会给你另一个手机屏幕显示与 SRE 工作相关的操作问题，例如，互联网工作原理， LinkedIn SRE 需要执行的网站扩缩，以及如何监控复杂的网站等。假设进展顺利，我们就可以在现场与团队会面啦！
有趣的面试
进行到这一步，真正的乐趣开始了。它通常需要几个小时，包括很多环节。你会在办公室体验午餐（每个办公室为 SRE 提供午餐），并与一个 SRE 经理见面，他会告诉你他们的故事，或分享一些你需要的或能给你带来机会的数据。
咖啡馆由我们的员工精心打理。照片来自 Jo Chou
在评估你的技术能力前还不能离开，对于大多数面试，我们在现场会提供 3 个独立的机会。面试的很大一部分与现场故障排除有关。这是真实的，你将通过一台笔记本电脑连接到正在运行的服务，去处理它的一些问题。这就像是上班，如果你陷入困境会有人出来帮你。在练习期间，你可以使用你喜欢的搜索引擎，可以查看手册，以及其他在故障排除时需要做的事情。
在 LinkedIn 做 SRE 很酷的一点是，当一个问题发生时，你很可能是历史上第一个解决这个问题的人。考虑到我们堆栈的复杂性和服务之间的交互，处理每个问题都像是第一次。这就是为什么我们有现场故障排除模块，我们希望你体验到这是什么：）
除了现场故障排除练习，作为 SRE 的另一个重要部分是分类问题。甚至，你会被呼叫并负责网站的操作。发生这种情况时，你可能会看到几个警报同时触发。我们会要求你优先提供一组示例警报，并说明你为什么按照这种方式对其进行优先级排序。然后我们会向你询问一些疑难问题。这项安排旨在模拟你在工作中的真实情况，并让你了解作为 LinkedIn SRE 会是什么样子。
当你在白板前和我们谈论完构架以后，面试就结束了。作为 SRE 角色的一个重要职责，就是从一开始就参与到新的服务架构和设计决策中。因此，作为面试过程的一部分，我们将要求你完成一个标准的大型网站架构。也会和你谈谈好的地方以及不好的地方，质疑你的组件，讨论如何处理容错，位置分布，缓存清除以及在我们所做的规模上操作网站时需要考虑的其它事项。
LinkedIn 的 SRE 必须快速行动以解决问题，我们也会在面试后迅速采取行动。我们会在几天内（在这里没有几周的过程）让你知道，如果一切顺利，你就可以加入并帮助我们建立新的机会了！
把流程拆开看，LinkedIn SRE 面试主要在验证这些能力：
| 面试环节 | 验证能力 | 典型信号 |
|---|---|---|
| 招聘电话和基础问题 | 动机、可入职时间、基础系统管理知识 | 是否理解岗位和基本运维概念 |
| 代码问题 | 读写代码、日志解析、RESTful API 使用 | 能否用代码解决 SRE 工作中的实际任务 |
| 运维问题 | 网络、扩缩容、复杂网站监控 | 是否具备大规模系统操作意识 |
| 现场故障排除 | 实时诊断、搜索资料、使用手册、定位问题 | 能否在不确定场景下推进排障 |
| 告警优先级 | 事故分类、风险判断、值班决策 | 能否解释为什么先处理某类告警 |
| 架构设计 | 容错、分布式部署、缓存、规模化运行 | 能否从设计阶段考虑可靠性 |
我们的工程口号是“建立机会”， 它真的涵盖了我们在 LinkedIn 所做的，我们为世界上的每一个专业人士创造机会。
期待 LinkedIn 成为你的下一个归宿
如果你认为你可以处理我们网站的操作要求，并且觉得刚刚描述的工作是有趣和让人兴奋的，我们很希望你加入我们的团队！山景城，桑尼维尔，旧金山，纽约和班加罗尔都有职位，所以无论你在哪里，你都离 LinkedIn SRE 不远！
常见问题
Q1：LinkedIn SRE 面试为什么强调代码能力？ A：原文强调 SRE 不只是维护机器，还要能编写和读取代码、调试并解决问题。日志解析、RESTful API 等题目直接对应日常 SRE 工作。
Q2：现场故障排除环节考的是什么？ A：它模拟真实工作：候选人连接到正在运行的服务处理问题，可以使用搜索引擎、手册和常规排障工具。重点不是背答案，而是在复杂系统中推进定位。
Q3：告警优先级题为什么重要？ A：SRE 值班时可能同时收到多个警报。候选人需要判断影响范围、严重程度和处理顺序，并说明自己的依据。
Q4：这篇文章对准备 SRE 面试有什么启发？ A：准备方向不应只停留在 Linux 命令和基础概念，还要覆盖编码、系统设计、故障演练、监控告警和沟通协作。
英文原文：https://engineering.linkedin.com/engineering-culture/hiring-sres-linkedin
