- Authors
- Name
- Youngju Kim
- @fjvbn20031
为什么需要一张地图
第 1 篇讲清了 FDE 是什么职位，这一篇画出这个职位所需技能的全景地图。这里使用的八个领域，与本博客的 FDE 工程师养成 RPG 用作等级轴的八个完全一致：Linux、网络、Kubernetes、数据库、认证与安全、可观测性、云与基础设施、客户沟通。RPG 的设计是领域等级一升，同一份日志就能读出不同的东西——现实的运作方式一模一样。
每个领域写三件事：为什么需要，底线在哪里，实战线在哪里。底线不是目标，而是入场条件。低于它，现场的对话根本无法成立。实战线则是能独自处理该领域问题的水平。八项全部达到实战线的人几乎不存在，也没有必要。三个检验问题若能不卡壳地答出，该领域大致就在实战线上。
Linux
客户服务器的地板几乎总是 Linux，而 SSH 进去的那一刻起就没有 GUI。这里卡住，其他所有领域根本无从下手。
- 底线 — 文件、进程、权限的基本概念。目录移动与检索、进程列表、磁盘与内存用量确认、找到日志堆在哪里。
- 实战线 — 用服务管理器追踪守护进程状态与重启历史，区分磁盘、内存、文件描述符耗尽并分别诊断，能读懂并修改别人写的 shell 脚本。
检验问题。收到磁盘已满的告警，按什么顺序排查？如何察觉日志轮转已经停摆？出现权限拒绝错误时，所有者、属组、模式先看哪个？
网络
「连不上」这类报告有一半终结在网络层。而客户环境的网络，永远比文档更复杂。
- 底线 — IP、端口、DNS、防火墙的概念。能在命令行里逐级确认连通性。
- 实战线 — 诊断 TLS 证书过期与证书链问题，在代理与负载均衡器背后追踪请求路径，仅凭症状区分超时、连接被拒与连接重置。
检验问题。同一个 URL 在服务器上通、在办公电脑上不通，先怀疑什么？DNS 的 TTL 会如何拖慢故障恢复？被防火墙拦住和服务挂掉，在客户端看起来有何不同？
Kubernetes
当今企业客户环境的默认部署单位。如果产品以容器交付，故障诊断的第一屏多半在这里。
- 底线 — Pod、Deployment、Service 三者的关系。列出资源、查看详情、读日志的基本命令。
- 实战线 — 知道 CrashLoopBackOff、OOMKilled、Pending 各自指向哪一族原因，读得懂资源请求与上限，能从 Ingress 一路追踪流量到 Pod。
检验问题。Pod 停在 Pending 的三个典型原因是什么？容器因内存超限被杀，在哪里确认？Service 存在却连不上，先看选择器还是先看端点？
数据库
客户数据居住的地方，「太慢了」这类报告最常收敛的地方，也是犯错代价最高的地方。
- 底线 — 带连接的 SQL 查询，明白索引改变了什么，动手之前先确认备份存在的习惯。
- 实战线 — 读执行计划诊断慢查询，区分锁等待与连接池耗尽，评估一次迁移的风险。
检验问题。昨天还快的查询今天变慢，会立哪些假设？如何找到持有锁的会话？什么情况下加索引反而有害？
认证与安全
FDE 是替别人保管钥匙的人。认证问题属于最难复现的一类故障报告，而权限上的失误是摧毁信任的最短路径。
- 底线 — 认证与授权的区分，令牌、会话、API 密钥的生命周期概念，最小权限原则。
- 实战线 — 指出 OAuth 或 SSO 集成流程断在哪一步，用 401 与 403 作线索收窄层级，诊断过期与时钟偏移问题。
检验问题。401 和 403 各自意味着什么失败了？令牌有效但认证仍失败，有哪些可能？客户为了省事提出把管理员权限整个给你，应该怎么回答？
可观测性
在陌生环境里，可观测性是唯一的眼睛。换作自家服务你本来就知道的事，在这里必须从日志和指标里重新挖出来。
- 底线 — 日志、指标、链路追踪的区分，能在命令行里按时间和模式收窄日志来读。
- 实战线 — 没有仪表盘也能找到指标的来源，摸清日志级别与保留策略，在监控本身也挂掉的情况下重建系统状态。
检验问题。监控先挂了，靠什么掌握系统状态？为什么看分位数而不是平均响应时间？错误日志每秒几百行时，从哪里开始收窄？
云与基础设施
每个客户的云地形都不一样，FDE 就在这片地形上作业。把托管服务的故障与应用故障切分开，是诊断的第一个岔路口。
- 底线 — VPC、子网、安全组的概念，外加一朵主流云的 IAM 权限模型。
- 实战线 — 把托管数据库或队列的状态与应用症状分开确认，读得懂以代码定义的基础设施，说得清成本结构的大盘。
检验问题。安全组与网络 ACL 有什么区别？怀疑某个可用区故障时查什么？向客户申请云访问权限时，按什么粒度、什么期限申请？
客户沟通
八个领域里唯一不是技术的一个，却是把其余七个交付给客户的通道。RPG 里这个领域等级太低时，即使诊断正确任务也会失败——现实的评分方式一模一样。
- 底线 — 听客户说话时把事实与解读分开，按承诺的节奏同步进展。
- 实战线 — 显式管理期望值，传达坏消息而不失去信任，把技术内容翻译成非工程师的语言。
检验问题。「什么时候能修好」——还不知道的时候怎么回答？客户笃信一个错误的原因时如何纠正？故障报告的第一段该写什么？
亲手练习
在这张地图上量出自己的位置之后，补空缺最快的方式是动手。
- FDE 工程师养成 RPG — 上面这八个领域就是它的等级轴，一字不差。跑几个任务，看看自己卡在哪个领域。
- FDE 课程路线图 — 覆盖 10 个领域 65 项技能的进度追踪清单，每项附具体自检标准。
FDE 完全指南系列