云平台核心服务

共 20 题
📑 题目列表 20 题
#
★★★

1. CodeCommit 的协作实践中分支策略、权限模型与 CI 集成如何设计?

在 AWS CodeCommit 上进行团队协作时,分支策略、权限模型以及与 CI 系统的集成应如何设计?

  • Git 分支策略(如 trunk-based、GitFlow)与保护分支
  • IAM 权限模型与 CodeCommit 的细粒度授权
  • 与 CodeBuild/CodePipeline 的集成方式

CodeCommit 的核心价值在于提供完全托管的、私有且安全的 Git 仓库,直接与 AWS IAM、CodePipeline、CodeBuild、CodeArtifact 等原生服务集成。分支策略上,团队通常采用 trunk-based 搭配短生命周期分支,或 GitFlow 的分支模型;利用分支保护(branch protection)限制 master/main 分支的直推,要求通过 PR(Pull Request)合并。权限模型上,基于 IAM 策略(如 AWSCodeCommitFullAccess、AWSCodeCommitPowerUser、AWSCodeCommitReadOnly)对用户/组授予仓库级或分支级的操作权限,可结合 AWS 托管策略与自定义策略实现最小权限。CI 集成方面,CodePipeline 通常监听 CodeCommit 的 push 事件(通过 CloudWatch Events / EventBridge)触发构建,或 CodeBuild 直接以 CodeCommit 为 source 拉取代码。还可通过 Git credential helper、SSH 或 HTTPS 配置源管理访问。

设计的关键在于把"谁能改什么、谁合并什么、代码怎么进流水线"三者用 AWS 原生能力显式表达,避免手动管理自建 Git 基础设施的运维负担,同时借助 IAM 与审计日志(CloudTrail)满足合规要求。

# CodeCommit 仓库 + IAM 只读权限
resource "aws_codecommit_repository" "app" {
  repository_name = "my-app"
  description     = "App source repo"
}

resource "aws_iam_policy" "readonly" {
  name = "codecommit-readonly"
  policy = jsonencode({
    Version = "2012-10-17"
    Statement = [{
      Effect = "Allow"
      Action = [
        "codecommit:GitPull",
        "codecommit:Get*"
      ]
      Resource = aws_codecommit_repository.app.arn
    }]
  })
}
#
★★★

2. CodePipeline 的流水线编排中 Source/Build/Deploy 阶段如何设计与集成?

使用 AWS CodePipeline 编排发布流水线时,Source、Build、Deploy 各阶段应如何设计与集成?

  • 流水线阶段(stage)与动作(action)的建模
  • 各阶段产物(artifacts)的传递与版本管理
  • 与 CodeBuild/CodeDeploy/ECS/EC2/S3 等服务的集成

CodePipeline 以"阶段"(Source、Build、Staging、Prod)和"动作"(action)描述发布流程,每个动作可指向 CodeCommit/GitHub/ECR 等源,CodeBuild 构建,CodeDeploy/ECS/CloudFormation 部署。阶段间的产物(artifact)通过 S3 传递,并用 InputArtifacts/OutputArtifacts 显式声明依赖。设计要点包括:Source 阶段监听代码仓库变更;Build 阶段生成可部署制品(镜像、jar、zip)并可选上传到 S3/ECR;Deploy 阶段按环境分批推进,可配合手动审批(Approval action)实现发布门禁。集成上利用 EventBridge 监听流水线状态,配合 CloudWatch 告警;失败时自动停止并发送通知。高级实践可加入构建缓存、测试动作、动态参数(如通过 shell 脚本将参数写入 artifact 供下游读取)。

流水线设计应遵循"一次构建、多处部署"(build once, deploy many),把环境差异置于部署参数而非构建产物,从而保证各环境产物一致、可追溯。

# 流水线概念示意(YAML 风格)
Pipeline:
  Stages:
    - Name: Source
      Actions:
        - ActionTypeId: { Provider: CodeCommit }
    - Name: Build
      Actions:
        - ActionTypeId: { Provider: CodeBuild }
    - Name: Deploy
      Actions:
        - ActionTypeId: { Provider: CodeDeploy }
          Configuration:
            ApplicationName: my-app
            DeploymentGroupName: prod
#
★★★

3. 云服务商 SLA 与赔偿机制的理解与业务对齐

如何理解云服务商 SLA 的承诺与赔偿机制,并将其与业务可用性要求对齐?

  • SLA 的可用性指标与计算方式(如 99.9%)
  • 赔偿(credit)机制与触发条件
  • SLA 与业务实际可用性之间的差距

云 SLA 承诺的是"可用性百分比"(如月度可用性 99.9%),并规定了未达标时的赔偿(service credit)形式,通常以服务抵扣券而非现金补偿。理解要点:其一,SLA 是"承诺上限",并不意味着业务连续可用,必须基于单 AZ 与多 AZ 的差异认清其边界;其二,很多 SaaS 服务(如 CodeBuild、CloudFront)的 SLA 与托管 IaaS 不同,需逐一核对;其三,SLA 达标与否取决于自身架构(如是否多可用区部署),不能把服务 SLA 当作整个应用的 SLA。业务对齐上,应把可用性目标(如 99.99%)拆解为架构要求(多 AZ、多区域、自动化容灾),并明确"故障发生的 SLO 预算"与"SLA 赔偿掩盖不了业务损失"的现实。

核心认知是 SLA 金句"99.9% 意味着每年约 8.76 小时不可用",必须把 SLA 折算成可容忍的停机时间,再决定是否需要跨区域冗余、是否需要额外的容灾投入,而不是单纯依赖云厂商赔偿。

#
★★

4. Amazon Inspector 的漏洞扫描与修复闭环中扫描范围、结果处置与集成如何设计?

使用 Amazon Inspector 进行漏洞扫描时,扫描范围、结果处置与集成如何设计成闭环?

  • 支持的扫描类型(EC2、EBS、Lambda、容器镜像)
  • 漏洞发现与 CVSS/风险评分的处置
  • 与 EventBridge、Lambda 自动化修复的集成

Amazon Inspector 是 AWS 原生的漏洞管理服务,可扫描 EC2 实例(通过 SSM Agent 收集系统包信息)、EBS 快照、Lambda 函数与容器镜像,并结合 SBOM 与 CVE 数据识别漏洞。设计闭环时:扫描范围通过 Coverage 报告与资源组(resource group)限定,确保关键资产被覆盖、避免无谓成本;扫描结果按严重级别(Critical/High/Medium/Low)与 CVSS 评分、可利用性(EPSS)排序,优先处理高风险项;结果处置通过 EventBridge 捕获 Inspector 事件,触发 Lambda 进行自动修复(如打补丁调用 SSM、隔离受损实例、重建镜像),并将结果同步到 Jira/Security Hub 等工单系统。同时设定定期扫描与推送通知,形成"发现→评估→修复→验证"的闭环。

漏洞扫描的价值不在于"检出",而在于把发现转化为修复动作并验证。Inspector 的强项是与 AWS 原生编排(EventBridge/Security Hub/SSM)深度集成,能以近乎零成本把扫描结果接入现有安全与运维工作流。

resource "aws_inspector2_enabler" "scan" {
  account_ids = [data.aws_caller_identity.current.account_id]
  resource_types = ["EC2", "ECR", "LAMBDA"]
}
#
★★

5. Azure Container Apps 与 AKS 的选型中无服务器容器平台的适用场景?

Azure Container Apps 与 AKS 如何选型?无服务器容器平台适用于哪些场景?

  • Azure Container Apps(ACA)的托管、无服务器、按需扩缩特性
  • AKS 的完整 Kubernetes 控制面与生态
  • 基于团队能力、工作负载属性与成本的选型

Azure Container Apps(ACA)是基于 Kubernetes 并且用 KEDA 做自动扩缩的无服务器容器平台,提供 Dapr 集成、内置服务发现、Ingress(基于 Envoy)、按请求/事件扩缩到 0,免去集群管理。AKS 是完整的托管 K8s 服务,提供完整节点池、Namespace、RBAC、自定义 CRD、Ingress Controller 与生态扩展。选型上:对"无状态、可水平扩展、希望免运维、按量计费"的微服务/事件驱动应用,ACA 更合适,能大幅降低 k8s 运维成本;对需要精细控制 Pod、自定义调度、GPU、宿主网络、复杂网络策略或深度定制 K8s 的场景,选择 AKS。混合策略:先用 ACA 快速上线,出现 AKS 强需求时再迁移。

选型本质是"托管度"与"控制力"的权衡。ACA 隐藏了集群控制面,换来的是易用与弹性;AKS 保留控制面,换来的是灵活与生态。团队若无人值守 K8s,ACA 往往更务实;若已有成熟 K8s 平台团队,AKS 更合适。

#
★★

6. Azure Front Door 的能力中全局负载均衡、加速与 WAF 如何集成?

Azure Front Door 提供哪些能力?全局负载均衡、加速与 WAF 如何集成?

  • Front Door 的全局 L7 负载均衡与 Anycast 路由
  • 内容加速(CDN)与缓存
  • WAF 策略与安全防护集成

Azure Front Door 是微软的全局 L7(HTTP/HTTPS)负载均衡与加速服务,基于 Anycast 将用户请求路由到最优后端,支持 URL 路径/主机路由、会话保持、健康探测、故障转移与灰度(渐次放量)。它同时提供 CDN 缓存加速、OCSP 与 TLS 终止,可显著降低源站压力。WAF 集成上,Front Door 原生关联 WAF 策略,可启用托管规则集(如 DefaultRuleSet)拦截 SQL 注入、XSS、恶意爬虫、CC 攻击,并支持自定义规则(IP 黑名单、速率限制)。设计上通常把 Front Door 作为全球入口,后端是各区域的前端应用或 App Service,全球一个域名、就近接入、故障自动切换。

Front Door 的价值在于把"全局流量入口 + 加速 + 安全"三合一,减少自建 GSLB/CDN/WAF 的复杂度。它属于 L7 全局负载均衡,适合 Web 应用与 API;对四层或非 HTTP 流量则需搭配其他产品(如 Azure Load Balancer / Traffic Manager)。

#
★★

7. Azure SQL 的高可用与弹性中只读副本、弹性池与灾难恢复如何设计?

Azure SQL 的高可用与弹性如何设计?只读副本、弹性池与灾难恢复如何结合?

  • Azure SQL 的 HADR(高可用/灾难恢复)能力
  • 只读副本(Read Replica)与弹性池(Elastic Pool)
  • 业务连续性、RPO/RTO 目标

Azure SQL 提供内建高可用(主副本自动故障转移)、主动异地复制(Active Geo-Replication)与自动故障转移组(Auto-failover groups)用于灾难恢复。只读副本(Read Replica)用于把只读查询负载分流到副本,减轻主库压力并提升读吞吐;弹性池(Elastic Pool)把多个数据库的容量汇总为共享资源池,按需分配 eDTU/DTU,适合资源使用峰谷错开的多个小型数据库,降低整体成本。灾难恢复设计上,按 RPO/RTO 目标选择:同一区域高可用(自动故障转移)、跨区域故障转移组(秒级 RPO)、或手动地缘复制。应结合只读副本做读扩展、弹性池做容量池化、故障转移组做 RPO/RTO 保障。

Azure SQL 的关键是"按需组合":读扩展用只读副本,容量池化用弹性池,容灾用故障转移组。设计时先明确业务对 RPO/RTO 的容忍度,再选择对应的复制拓扑,避免过度设计造成成本浪费。

#
★★

8. Lambda 的函数生命周期与冷启动优化中如何降低延迟与成本?

Lambda 的函数生命周期与冷启动如何优化?如何降低延迟与成本?

  • Lambda 生命周期(Cold Start / Warm)与执行环境复用
  • 冷启动来源与优化手段(内存、运行时、VPC、Provisioned Concurrency)
  • 延迟与成本的权衡

Lambda 按需启动执行环境,冷启动(Cold Start)发生在没有空闲执行环境时要新建沙箱,涉及运行时初始化、依赖加载与初始化代码,导致额外延迟。生命周期上,执行环境在并发连续调用间被复用(Warm),进程内全局变量与连接池可复用。优化手段:其一,选择更快的运行时(如 Go、Rust、dotnet)与避免重依赖;其二,避免不必要地接入 VPC(VPC 会引入 ENI 初始化开销),必要时用预置并发;其三,使用 Provisioned Concurrency(预置并发)预热固定并发量,消除冷启动;其四,合理分配内存(内存越大 CPU 越强,常反直觉地缩短执行时间从而降本);其五,用 Layer/快照启动与定时保活(warm-up)缓解冷启动。成本维度,Lambda 按"请求次数 + 计算时长(GB-秒)"计费,需在内存与时长间找平衡。

冷启动优化本质是"延迟成本"与"预置成本"的权衡:预置并发能消除冷启动但按并发计费,需结合业务延迟敏感度与调用频率决定是否启用。对高并发关键链路用预置并发,对低频/批处理任务容忍冷启动更经济。

# YAML 概念:为 Lambda 配置预置并发
Resources:
  MyFunction:
    Type: AWS::Serverless::Function
    Properties:
      CodeUri: src/
      MemorySize: 1024
      Timeout: 10
      AutoPublishAlias: live
      ProvisionedConcurrencyConfig:
        ProvisionedConcurrentExecutions: 5
#
★★

9. NLB 与 ALB 的选型中四层与七层负载均衡的适用场景与差异?

NLB 与 ALB 如何选型?四层与七层负载均衡的适用场景与差异是什么?

  • ALB 的 L7(HTTP/HTTPS)能力:路由、头改写、WebSocket
  • NLB 的 L4(TCP/UDP)能力:高吞吐、低延迟、静态 IP
  • 按协议、功能与性能需求选型

ALB(Application Load Balancer)工作在七层,基于 HTTP/HTTPS 的路径、主机、头、查询参数做路由,支持 path-based routing、host-based routing、加权目标组、WebSocket、gRPC、tls 终止、WAF 集成与按请求的粘性会话,适合现代 Web 应用/微服务(如配合 ECS 的服务发现)。NLB(Network Load Balancer)工作在四层,基于 TCP/UDP 做高吞吐、极低延迟的转发,支持静态/弹性 IP、保留源 IP、直通 TLS 与大规模并发,适合对性能敏感、需要固定 IP、非 HTTP 协议或有 TLS 透传需求的场景。选型要点:协议是 HTTP(S) 用 ALB,TCP/UDP/超高并发用 NLB;需要精细化路由与安全策略用 ALB,需要极低延迟与静态 IP 用 NLB;两者都可作为网关下游组合使用。

选型先从"协议层级"判断:L7 应用路由选 ALB,L4 高性能转发选 NLB。ALB 功能丰富但每连接开销更高,NLB 极简高效但不做内容路由。两者可组合使用(如 NLB 提供稳定入口、ALB 做应用路由)。

#
★★

10. RDS 的运维要点中高可用、只读副本、备份与版本升级如何管理?

RDS 的运维要点有哪些?高可用、只读副本、备份与版本升级如何管理?

  • Multi-AZ 高可用与自动故障转移
  • Read Replica 读扩展与提升
  • 自动/手动备份、PITR 与版本升级策略

RDS 运维的关键维度:高可用上,Multi-AZ 部署在主库故障时自动故障转移到备库,应用无需改动;注意 Multi-AZ 不用于读扩展。读扩展用 Read Replica(只读副本),可跨 AZ/区域,异步复制,可提升为主库或在故障时使用;需留意副本复制延迟。备份上,开启自动备份(默认保留 7 天,可扩展)与手动快照,支持按时间点恢复(PITR)到秒级;快照不能替代 PITR,需定期恢复演练验证 RPO/RTO。版本升级上,分"次要版本(minor)自动/手动"与"主要版本(major)手动",升级前需在测试实例验证兼容性、备份并评估停机窗口;Multi-AZ 升级可减少停机。运维最佳实践是:用参数组统一配置、用 CloudWatch 监控主备复制延迟与连接数、设定自动扩容与加密(KMS)。

RDS 运维的核心是"让数据库高可用、可恢复、可扩展但又不失控"。Multi-AZ 管高可用,Read Replica 管读扩展,快照+PITR 管恢复,版本升级管演进。运维者要持续验证恢复能力,避免"备份存在但恢复不了"的隐性风险。

#
★★

11. Route 53 的核心能力中记录类型、健康检查与故障转移策略如何设计?

Route 53 的核心能力有哪些?记录类型、健康检查与故障转移策略如何设计?

  • 记录类型(A/AAAA/CNAME/Alias)与路由策略
  • 健康检查(Health Check)与故障转移(Failover)
  • 与其他 AWS 服务(CloudFront、ELB)的 Alias 集成

Route 53 是 AWS 的权威 DNS 服务,核心能力包括域名解析、路由策略、健康检查与集中管理。记录类型上,常见 A/AAAA/CNAME,Alias 记录可指向 AWS 资源(ELB、CloudFront、S3、Global Accelerator)且免 CNAME 于 apex 域名限制,支持自动解析到资源 IP。路由策略包括简单(simple)、加权(weighted)、延迟(latency)、地理(geolocation)、故障转移(failover)、多值(multivalue)等。健康检查针对 IP/域名或 CloudWatch 告警,配合故障转移策略在健康检查失败时自动将流量切到备用(如跨区域、跨云)目标。设计上:公网接入用 Alias 指向 CloudFront/ELB,内部用 VPC 的私有托管区;全球容灾用地理/延迟/故障转移策略,配合健康检查实现秒级切换。

Route 53 的价值是把"域名解析 + 健康检查 + 路由决策"统一,尤其 Alias 与 CloudFront/ELB 的深度集成让 DNS 成为全球流量调度的可靠入口。故障转移策略必须依赖健康检查,否则无法实现自动切换。

#
★★

12. 云上应急响应(密钥泄露后的轮换与溯源)

云上发生密钥泄露等安全事件时,应急响应(轮换与溯源)应如何开展?

  • 密钥泄露的检测与影响面评估
  • 凭证轮换与最小权限收紧
  • 溯源(CloudTrail/审计日志)与根因分析

云上密钥泄露应急响应遵循"检测→隔离→轮换→溯源→加固"的闭环。检测:通过审计日志(CloudTrail)、异常访问告警、Secrets Manager 使用情况与安全事件(如 Security Hub)发现可疑凭证使用。隔离:立即撤销/禁用泄露凭证,限制其权限(最小权限),必要时隔离受影响资源。轮换:在密钥管理服务(AWS Secrets Manager / KMS)中触发轮换,或为用户/角色创建新凭证并删除旧凭证;对 IAM 用户可先禁止 active、再吊销 access key。溯源:通过 CloudTrail 查询该凭证的调用记录(时间、IP、动作、资源),结合源头判断泄露途径(如代码仓库、日志、环境变量)。加固:把密钥移入 Secret Manager/KMS、启用自动轮换、启用 MFA、最小权限化、扫描代码仓库与 CI 日志中的硬编码密钥。

应急响应成败取决于"能否快速确定泄露凭证的影响面并切断"。核心是善用审计日志做溯源,用密钥管理服务做自动轮换,用最小权限(IAM 策略)限定泄露凭证的破坏能力。响应时间与自动化程度决定事件损失。

#
★★

13. 云资源标签规范如何设计(环境/部门/项目)并驱动成本分摊,标签覆盖如何治理?

云资源标签规范如何设计(环境/部门/项目)并驱动成本分摊?标签覆盖如何治理?

  • 标签键设计(环境、部门、项目、成本中心)
  • 标签驱动成本分摊与预算
  • 标签覆盖/合规治理(违规审计、强制、自动修复)

标签(tag)是云资源分类与成本分摊的基础设施。设计规范时应定义统一且最小的标签键集合,如 Environment(dev/staging/prod)、Department/OwnerProject/CostCenterApplicationTeam,并约定标签值的大小写与枚举,避免标签泛化导致数据无法聚合。成本分摊上,利用标签在成本管理工具(AWS Cost Explorer、Azure Cost Management、GCP Billing)中做按维度筛选与分摊,把共享成本(网络、监控)按标签/使用量拆分到业务线。标签覆盖治理:用合规扫描(如 AWS Config 托管规则、Azure Policy、GCP Org Policy)检测未打标签的资源;设定"强制标签"策略(如缺失 Environment 标签的实例禁止创建或拒绝变更);对存量未标记资源做自动补标(根据命名、归属推断)或人工确认;定期审计覆盖率指标并纳入治理考核。

标签规范的价值在于"统一的分类语言"才能支撑成本分摊与治理。治理的关键是"强制 + 自动修复 + 审计",仅靠员工自觉难以保证覆盖率;AWS Config / Azure Policy / GCP Org Policy 是落地的强制手段。

# Terraform 配置标签
resource "aws_instance" "web" {
  ami           = "ami-12345678"
  instance_type = "t3.micro"
  tags = {
    Name        = "web-prod-01"
    Environment = "prod"
    Department  = "Platform"
    Project     = "web-app"
    CostCenter  = "CC-1001"
  }
}
#
★★

14. 云配额(quota)与 API 限流管理

云配额(quota)与 API 限流如何管理?配额不足与 API 限流如何应对?

  • Service Quotas 与资源配额(如实例数、卷数)
  • API 限流(throttling)与退避重试
  • 配额规划、监控与申请

云配额(quota)有两类:一类是资源配额(如每个账户可创建的 EC2 实例数、EBS 卷数、VPC 数、Lambda 并发数),一类是 API 调用限流(每秒调用次数限制,如 AWS 的 API rate limit)。管理要点:其一,用 Service Quotas(AWS)查看/申请提升配额,结合业务增长提前规划(如大促前的实例配额);其二,配置 CloudWatch 监控配额使用率并设置告警;其三,API 限流时应用需实现指数退避重试(Exponential Backoff)与 jitter,避免重试风暴加剧限流;其四,对配额敏感服务(如 ECS 任务数、CodeBuild 并发数)预留余量。云厂商的配额既有默认值也有 AWS 默认上限,可通过请求提升。

配额管理是容量规划的一部分,常见坑是"配额不足导致部署失败"与"限流导致重试风暴"。应主动监控配额使用率并提前申请,同时让应用具备弹性重试能力,双管齐下保证可用性。

# 指数退避重试概念
import time, random
for attempt in range(5):
    try:
        call_api()
        break
    except ThrottlingException:
        wait = min(2 ** attempt, 30) + random.uniform(0, 1)
        time.sleep(wait)
#
★★

15. 多账号组织与 Landing Zone/Control Tower 治理

多账号组织与 Landing Zone/Control Tower 如何治理?

  • 多账号组织(AWS Organizations)与 SCP
  • Landing Zone 与 Control Tower 的治理
  • 账号职责划分、安全基线、集中日志

多账号组织是把不同业务/环境/账号隔离的实践,AWS Organizations 提供账号层级、OU(组织单元)与 Service Control Policies(SCP)做权限边界。Landing Zone 是部署多账号环境的统一蓝图(含网络、安全、日志、身份基线),AWS Control Tower 是其托管实现,自动创建账号、OU、SCP、Guardrails 与集中日志。设计要点:用账号分层(如 Management、Security/Logging、Network、各业务/环境账号);用 SCP 在 OU 层统一限制(如禁止关闭 CloudTrail、禁止删除日志);用 Control Tower 的 Guardrails 强制合规基线(检测性/预防性);集中管理 IAM 身份(如 IAM Identity Center / SSO)与审计日志。治理目标是"统一基线 + 边界隔离 + 可审计"。

多账号治理的要义是"账号即边界,SCP 即边界规则,日志集中审计"。Control Tower 或自建 Landing Zone 能把安全基线与合规要求以代码化、可重复的方式铺到每个账号,避免账号间配置漂移。

#

16. 云原生网络(VPC peering / Transit Gateway)的拓扑设计

云原生网络(VPC peering / Transit Gateway)的拓扑如何设计?

  • VPC Peering 的直连与限制
  • Transit Gateway 的星型中心化拓扑
  • 路由表、安全组与跨账号互联

VPC Peering 是两两 VPC 间的直接私有连接,简单但存在"非传递性"(A-B 与 B-C 不自动连通 A-C),且连接数随 VPC 增多呈指数增长,难以规模化。Transit Gateway(TGW)是中心化的星型路由器,所有 VPC/专线/VPN 挂到 TGW,通过路由表实现 VPC 间互通与隔离,一个 TGW 中央 hub 可管理大量 VPC,支持跨账号、跨区域(Transit Gateway Inter-Region Peering)、与专线网关/VPN 集成。拓扑设计上:用 TGW 作为中心 hub 承载生产/测试/共享服务 VPC 的互联;用路由表(Route Table)做隔离(如共享服务 VPC 与业务 VPC 互通、业务 VPC 间默认不通);用 VPC Peering 仅用于少量、简单、稳定的直连场景。安全上配合安全组/NACL 控制东西向流量。

拓扑设计的核心是"集中 vs 分散"的权衡。VPC Peering 简单但不可扩展,TGW 是面向规模化与多 VPC 场景的标准中心化方案。设计时应先确定 VPC 数量与互联矩阵,再决定是否上 TGW,避免过度设计。

#

17. 腾讯云 CLB 的部署实践中四层/七层监听、会话保持与健康检查如何配置?

腾讯云 CLB 的部署实践是什么?四层/七层监听、会话保持与健康检查如何配置?

  • CLB 的四层(TCP/UDP)与七层(HTTP/HTTPS)监听
  • 会话保持(Session Persistence)配置
  • 健康检查与转发规则

腾讯云 CLB(负载均衡)提供四层(TCP/UDP)与七层(HTTP/HTTPS)能力。四层监听基于 IP+端口转发,性能高、适合非 HTTP 协议;七层监听支持域名/URL 路径转发、HTTP 头、HTTPS 证书与按请求的负载均衡。会话保持:四层可按源 IP 或按客户端 IP 做会话保持;七层通过 Cookie(如 APPEND/INSERT/REWRITE)实现会话保持,保证同一会话打到同一后端。健康检查:设置探测端口、协议、间隔、超时与健康/不健康阈值,配合后端 RS 的启停实现自动摘除故障节点。部署实践上:先配置监听器与转发规则,再绑定后端 RS(云服务器/容器),配置健康检查与会话保持,最后通过安全组/ACL 放行 CLB 到后端流量。

CLB 是云上应用入口,配置要点是"监听类型按协议选、会话保持按业务需求设、健康检查保可用性"。四层适合高性能 TCP/UDP,七层适合按路径路由的 Web 场景;健康检查是自动故障转移的前提。

#

18. 阿里云 KMS 的密钥管理实践中密钥轮换、授权与审计如何落地?

阿里云 KMS 的密钥管理实践是什么?密钥轮换、授权与审计如何落地?

  • KMS 的密钥层级与主密钥管理
  • 密钥轮换策略
  • 授权(RAM)与审计(ActionTrail)

阿里云 KMS(密钥管理服务)提供主密钥(CMK)与加密密钥的托管,用于云资源加密(如 ECS 系统盘、OSS、RDS 备份)与信封加密。密钥轮换:KMS 支持自动轮换(默认 365 天)与手动轮换,轮换生成新密钥版本,旧版本仍可解密旧数据,保证数据可用性;对自定义密钥可设置自动轮换周期。授权:通过 RAM 策略对用户/角色授予 kms:Encrypt/Decrypt/GenerateDataKey 等最小权限,访问控制严格限制"谁能用哪个密钥做什么";密钥可设置别名(alias)便于引用。审计:通过 ActionTrail(操作审计)记录 kms:* 调用、轮换事件与密钥使用情况,用于合规与溯源。落地实践:用别名管理密钥、按业务/环境分密钥、启用自动轮换、结合 RAM 最小权限与 ActionTrail 审计。

KMS 落地关键在于"密钥分级、轮换、授权、审计"四件事。密钥轮换保证密钥生命周期安全,RAM 最小权限限制密钥使用范围,ActionTrail 提供可追责的审计,三者配合才能形成安全的密钥治理闭环。

#

19. 阿里云 MSE 的微服务治理能力中注册中心、配置中心与网关如何集成?

阿里云 MSE 的微服务治理能力是什么?注册中心、配置中心与网关如何集成?

  • MSE 微服务引擎的注册中心(Nacos/Consul/ZooKeeper)
  • 配置中心(Nacos Config)
  • 网关(MSE 云原生网关)与治理能力

阿里云 MSE(Microservice Engine)是微服务治理平台,兼容 Nacos、Consul、ZooKeeper 等注册中心,提供可观测、治理(限流、熔断、降级、灰度)、与配置中心能力。注册中心:MSE 托管 Nacos/Consul/ZooKeeper,支持服务注册发现、健康检查、多环境;配置中心:基于 Nacos Config 管理与推送配置,支持动态刷新、灰度发布、配置加密;网关:MSE 云原生网关(基于 Envoy)或微服务网关,配合路由、插件、限流与安全。集成上,应用通过 MSE 注册中心做服务发现,通过配置中心动态拉取配置,通过网关统一入口做路由与治理,配合链路追踪(如 ARMS)与可观测实现全链路管理。MSE 的价值是免自建运维注册中心/配置中心,并一体化地提供治理与可观测。

MSE 的核心是"把微服务底座(注册、配置、网关)托管化并统一治理"。对已用 Nacos/Consul 的团队,MSE 提供兼容托管、降低运维成本;治理能力(限流熔断灰度)与注册中心/网关的集成是微服务可靠性的关键。

#

20. 阿里云 RAM 的权限管理中用户、角色、策略与最小权限实践?

阿里云 RAM 的权限管理如何实践?用户、角色、策略与最小权限如何落地?

  • RAM 用户、用户组与角色
  • 权限策略(系统策略/自定义策略)
  • 最小权限与临时凭证(STS)

阿里云 RAM(访问控制)管理云资源的访问权限。核心对象:RAM 用户(用于个人/应用)、RAM 角色(用于临时授权,如跨账号、服务间、ECS 实例角色)、权限策略(单条授权规则,分系统策略与自定义策略)。最小权限实践:优先使用系统策略(如只读、管理类),复杂场景用自定义策略按"Action + Resource + Condition"精确授权;用角色 + STS 临时凭证避免长期密钥;把 RAM 用户加入用户组统一授权,简化管理。跨账号用信任策略 + 角色扮演;应用用实例角色(如 ECS 绑定 RAM 角色)自动获取临时凭证。审计上用 ActionTrail 记录权限操作。落地要点:先规划"谁(用户/角色) 能对哪些资源做什么",再拆成策略,遵循 deny-by-default 与最小权限。

RAM 最小权限的落地是"身份 + 策略 + 临时凭证"的组合。角色与 STS 临时凭证远比长期 access key 安全;策略按 Resource 精确限定范围;用户组集中管理。设计时避免"一条 Admin 策略到处用",用自定义策略精确到资源与动作。