线上问题排查 面试题56 道

和线上问题排查相关的题都在这里，涉及Flink、Spark、Kafka、项目与面试表达、Hadoop / Hive / HBase、AI 与大模型、OLAP 与数据湖、数仓建模、SQL 与数据库、数据应用：画像 / 指标 / 报表、数据开发与治理、Linux 与运维。

全部 CheckpointWatermark反压Flink 状态Exactly-OnceFlink SQLCDC实时数仓数据倾斜ShuffleOOM 与内存小文件Join 优化Hive 调优分区与分桶HDFSYARNHBaseRebalance消息积压数据不丢不重消息顺序拉链表维度建模数仓分层宽表数据质量数据治理指标体系用户画像窗口函数连续登录留存与漏斗Top N去重MySQL 索引事务DorisStarRocksClickHouseIceberg湖仓一体RAGAgent向量数据库大模型项目怎么讲线上问题排查管理岗面试
  1. 1 Flink 任务出现反压，你怎么排查？ Flink
  2. 2 Flink Checkpoint 经常失败，你怎么排查？ Flink
  3. 28 Flink 数据倾斜怎么排查和治理？ Flink
  4. 48 反压排查：任务延迟飙升的第一嫌疑人 Flink
  5. 59 任务上线与运维：跑起来只是开始 Flink
  6. 66 Flink 作业反压了，下游处理不过来反压排查和解决思路 Flink
  7. 80 Flink 实时作业背压报警，罪魁祸首是数据倾斜怎么排查和解决？ Flink
  8. 81 Kafka→Flink→Doris 整条实时链路，哪个环节倾斜最难搞？端到端排查思路 Flink
  9. 84 Spark 任务 OOM，你怎么排查？ Spark
  10. 112 Spark FetchFailedException 怎么排查？ Spark
  11. 129 Spark 作业突然 OOM 了，你怎么排查和解决？ Spark
  12. 133 Spark 作业提交后迟迟不开始跑YARN 资源分配怎么排查？ Spark
  13. 152 Kafka 消息积压了，你怎么排查？ Kafka
  14. 154 Kafka Consumer 频繁 Rebalance，你怎么排查？ Kafka
  15. 169 Kafka Leader 选举和故障恢复是怎么做的？ Kafka
  16. 196 Flink 消费 Kafka 突然全停了，Doris 大盘一片空白Rebalance 怎么排查？ Kafka
  17. 205 凌晨 3 点报警响了Kafka 集群监控哪些指标必须盯？ Kafka
  18. 215 大数据面试怎么讲一次线上故障？只说重跑恢复为什么不够？ 项目与面试表达
  19. 309 Hive SQL 跑得很慢，你怎么排查？ Hadoop / Hive / HBase
  20. 348 某个 Reduce 卡了 20 分钟，你怎么排查和解决数据倾斜？ Hadoop / Hive / HBase
  21. 367 DataNode 磁盘报警了HDFS 存储管理、Balancer 和纠删码 Hadoop / Hive / HBase
  22. 375 从 EMR 迁移到 Databricks 零故障Hadoop 生态迁移实战 Hadoop / Hive / HBase
  23. 408 设计一个数据开发 Agent：写 SQL、排查失败、修数据质量 AI 与大模型
  24. 443 Trino 查 Hive 表很慢，你怎么排查？ OLAP 与数据湖
  25. 456 一条 SQL 跑了 60 秒慢查询怎么排查？EXPLAIN 怎么看？ OLAP 与数据湖
  26. 457 某个 BE 忙死了其他 BE 闲着Doris 数据倾斜怎么排查和解决？ OLAP 与数据湖
  27. 478 查询突然变慢了，怎么快速定位问题？执行计划分析和性能排查 OLAP 与数据湖
  28. 483 数据湖怎么监控？关键指标和告警 OLAP 与数据湖
  29. 585 一个 SQL 跑了 3 小时你会从哪里开始排查？ 数仓建模
  30. 593 上游 Schema 变了没通知你怎么防御这种『看不见的故障』？ 数仓建模
  31. 597 Hive 迁 Spark SQL 怎么做？百台集群、千个作业、零故障的迁移方案 数仓建模
  32. 613 离线作业 300+，凌晨 3 点告警把我叫醒任务调度怎么治理？ 数仓建模
  33. 614 数据质量出了事故，下游报表全错了质量监控体系怎么建？ 数仓建模
  34. 621 SQL Join 后数据量翻倍，你怎么排查？ SQL 与数据库
  35. 831 一条查询突然变慢了，你怎么排查？ SQL 与数据库
  36. 833 两个事务同时改同一条数据，一个超时失败了怎么排查死锁？ SQL 与数据库
  37. 854 5 张表连续 JOIN，不知道倾斜在哪里多表 JOIN 链路的系统性排查方法 SQL 与数据库
  38. 894 数据质量出问题业务先发现指标的监控告警和 SLA 怎么定？ 数据应用：画像 / 指标 / 报表
  39. 904 早上 9 点报表还没出数，老板在群里@你产出延迟怎么排查和兜底？ 数据应用：画像 / 指标 / 报表
  40. 920 离线任务出现重复数据，你怎么排查？ 数据开发与治理
  41. 932 数据任务重试怎么设计？为什么越重试故障越严重？ 数据开发与治理
  42. 942 凌晨 3 点 ETL 失败了早上才发现失败告警和自动重试 数据开发与治理
  43. 962 业务说「数据不准」，你怎么排查？数据质量问题排查 SOP 数据开发与治理
  44. 991 离线作业失败下游已出报表数据故障止损与回滚 SOP 数据开发与治理
  45. 997 数据质量告警太多没人看告警降噪与分级响应实战 数据开发与治理
  46. 999 MySQL Binlog 采集突然延迟 5 分钟Canal 卡住了怎么排查？ 数据开发与治理
  47. 1057 线上日志一天 50G，只会 tail -f 和 grep？一次故障 10 分钟锁定问题日志 Linux 与运维
  48. 1060 磁盘报警 100%，rm 删了文件空间还没回来inode、deleted 文件、lsof 的坑 Linux 与运维
  49. 1061 调度任务挂了只报'No space left on device'怎么系统性排查磁盘问题？ Linux 与运维
  50. 1064 Kafka 客户端报 Connection refused，telnet 通 nc 通就是连不上网络排查完整流程 Linux 与运维
  51. 1073 vmstat 一敲 si/so 一直在涨，机器慢得像 286swap 触发的完整排查 Linux 与运维
  52. 1110 5 年经验面试：出了一次严重数据事故，你作为负责人怎么处理、怎么复盘？ 项目与面试表达
  53. 1129 5 年经验面试：数据团队的值班和故障响应机制怎么设计？ 项目与面试表达
  54. 1185 大模型 Function Calling 调用失败率高，你怎么排查？ AI 与大模型
  55. 1195 RAG 检索不到正确的文档，你怎么排查？ AI 与大模型
  56. 1262 用大模型做日志异常检测和告警降噪，怎么落地？ AI 与大模型