中国电信股份有限公司校招 IT 运维技术岗面试经验——求职精灵（finsight.work）

先按可变性分类，比按类型列举更清楚。不可变类型：int、float、bool、str、tuple、frozenset，对象创建后值不能改，修改会生成新对象；可变类型：list、dict、set、bytearray，可以原地修改。这个区分直接影响三件事：一是赋值与传参，不可变对象传的是「值的感觉」，函数内重新赋值不影响外部，可变对象传的是引用，原地修改会影响外部；二是能否做字典的键，只有可哈希的不可变对象才行；三是深浅拷贝的行为差异。再补两个常被追问的点：is 比较身份、== 比较值，小整数和短字符串有驻留机制，所以 a is b 有时为真但不能依赖；tuple 本身不可变，但如果里面装着 list，那个 list 仍可修改。答题时最好举一段三行代码说明，比背分类有说服力。

按「谁调度、占什么资源、怎么通信」三条线对比。进程是操作系统资源分配的基本单位，有独立地址空间，创建和切换开销大，进程间通信要靠管道、消息队列、共享内存、socket；线程是 CPU 调度的基本单位，同一进程内的线程共享地址空间和文件描述符，切换开销小，但需要锁来保护共享数据；协程是用户态的轻量级执行单元，由程序自己调度，切换不经过内核，开销极小，适合同步风格的异步编程。Python 里还要补 GIL：CPython 的 GIL 让同一时刻只有一个线程执行字节码，所以 CPU 密集型任务用多进程，IO 密集型任务用多线程或协程。落到运维场景：批量采集上千台主机的指标，用 asyncio 协程最合适；做日志的 CPU 密集解析，用多进程；简单的并发请求，线程池就够。

浅拷贝只复制最外层容器，内部的嵌套对象仍然共享引用；深拷贝递归复制所有层级，得到完全独立的对象。Python 里浅拷贝可以用 copy.copy()、list.copy()、切片 [:]、dict.copy()，深拷贝用 copy.deepcopy()。关键差异在嵌套结构：对一个 [[1,2],[3,4]] 做浅拷贝，改内层列表两边都会变；深拷贝则互不影响。还有两个细节常被追问：不可变对象（int、str、tuple 中的不可变元素）深拷贝时可能直接返回原对象，这是解释器的优化；含循环引用的结构，deepcopy 用 memo 字典记录已复制对象，避免无限递归。运维场景里，复制配置模板必须用深拷贝，否则改一份嵌套的数据库配置会污染所有副本；而复制一个大对象时，深拷贝的性能开销要评估。

按创建型、结构型、行为型各挑一个，并且必须落到运维场景。创建型说单例：配置管理、连接池只保留一个实例，避免重复初始化；工厂：根据设备厂商或任务类型创建不同的采集器、告警处理器，新增类型时只加一个类，不改调用方。结构型说适配器：不同厂商的监控设备接口不一样，用适配器统一成同一套方法，上层不用关心品牌；装饰器：给函数动态加日志、计时、重试，不改原逻辑。行为型说观察者：告警事件发生后，短信、邮件、工单系统各自订阅，互不耦合；策略：不同级别故障走不同的处置流程，用策略类替换一堆 if-else。回答时别背 23 种，选四五个讲透，再补一句原则——「模式是为了隔离变化，不是为了炫技，简单脚本不需要硬套」。

从「组织代码的单位」和「状态怎么处理」两点区分。面向对象以对象为单位，把数据和行为封在一起，靠封装、继承、多态管理复杂度，状态是可变的、被方法修改的，适合业务实体建模，比如主机、工单、告警都能抽象成对象。函数式以函数为单位，强调纯函数、不可变数据和组合，同样的输入永远得到同样的输出，副作用被推到边界，适合数据管道和并发处理，因为无共享状态就不用加锁。Python 不是纯函数式语言，但支持高阶函数、lambda、map/filter、闭包和生成器。实际工程里通常是混合：用类封装有状态的组件（连接、客户端），用函数式处理数据流（清洗、聚合、转换）。运维平台就是典型例子：采集器做成类，指标清洗用函数链，两边各取所长。

闭包是函数嵌套函数，内层函数引用了外层函数的局部变量，并且外层函数返回内层函数，于是这些变量在外部函数执行完后仍被保留。它解决的是「带状态的函数」问题，比如写一个计数器，或者给请求函数固定一个 base_url。装饰器是闭包的应用：接收一个函数，返回一个新函数，在不修改原函数代码的前提下增加功能。写法上要注意三点：用 *args, **kwargs 透传参数；用 functools.wraps 保留原函数的名称和文档；带参数的装饰器要再套一层。运维里用得很多：记录函数执行时间、失败重试、权限校验、把告警发送做成装饰器。追问常问「多个装饰器叠加的顺序」，答案是靠近函数的先执行、离函数远的后包装，可以类比成洋葱。再补一句风险：装饰器会让调用栈变深，调试时注意 traceback。

可以多继承。Python 3 的新式类用 C3 线性化算法计算 MRO（方法解析顺序），保证每个类在继承链中只出现一次，并且父类的顺序稳定；可以用 类名.__mro__ 或 类名.mro() 查看。规则可以概括为：先深度优先地找，但同一个类只保留最后一次出现的位置，同时子类永远排在父类之前。典型问题是菱形继承：A 派生出 B 和 C，D 同时继承 B、C，按 C3 的顺序 D → B → C → A，super() 会沿着 MRO 依次调用，不会重复执行 A。工程上建议：能用组合就不用多继承；确实要用时，父类尽量设计成 mixin，只提供单一能力，并且统一用 super() 协作。追问常问「super 到底调用谁」，答案是按 MRO 找下一个，不是简单调父类。

封装、继承、多态。封装：把数据和方法包在类里，通过命名约定和属性机制控制访问，单下划线表示内部使用，双下划线触发名称改写，@property 可以把方法伪装成属性并做校验。继承：子类复用父类的属性和方法，可以重写，super() 调用父类实现；Python 支持多继承，顺序由 MRO 决定。多态：同一接口在不同子类上有不同实现，调用方不需要知道具体类型，鸭子类型让这一点更彻底——只要有对应方法就能用，不要求继承同一个基类。再补两个常被问的点：类属性属于类、被所有实例共享，实例属性各自独立，修改可变类属性会互相影响；__slots__ 可以限制实例属性、减少内存开销。落到运维代码：把不同厂商的设备抽象成统一接口，就是多态；把连接管理封在类里，就是封装。

按用途分组说，别零散报名字。构造与销毁：__new__ 负责创建实例、__init__ 负责初始化、__del__ 在回收时调用，时机不保证。字符串表示：__str__ 给人看、__repr__ 给开发者看。容器协议：__len__、__getitem__、__iter__、__contains__，实现后对象就能用 len、下标、for 和 in。运算符：__add__、__eq__，重写 __eq__ 时要一并考虑哈希。上下文管理：__enter__ 与 __exit__，配合 with 自动释放连接和句柄，运维里最实用的就是管理 SSH 连接。追问常问 __new__ 与 __init__ 的区别，答案是前者返回实例、后者不返回值。

三者是层层包含的关系。可迭代对象实现了 __iter__，能被 for 遍历，比如 list、dict、str；调用 iter() 会返回一个迭代器。迭代器同时实现 __iter__ 和 __next__，每次 next() 返回一个元素，取完抛 StopIteration，它是有状态的，只能遍历一次；迭代器本身也是可迭代对象，因为 __iter__ 返回自己。生成器是创建迭代器最简便的方式，用 yield 的函数或生成器表达式，调用时不会立刻执行函数体，而是返回一个生成器对象，每次 next 才往下走到下一个 yield，因此是惰性求值、内存友好。运维场景：读几个 G 的日志文件，用生成器逐行处理，内存占用恒定；用 yield 写分页拉取接口数据的逻辑，调用方不用关心页码。追问常问「生成器能不能复用」，答案是消耗完就空了，需要重新创建。

以引用计数为主，分代回收为辅，配合标记清除处理循环引用。引用计数：每个对象维护一个计数，被引用加一、引用失效减一，归零立即释放，优点是实时、实现简单，缺点是无法处理循环引用，而且计数操作有开销。循环引用：两个对象互相引用，计数都不为零，需要靠垃圾回收器定期检测，从根对象出发做可达性分析，把不可达的循环回收掉。分代回收：对象按存活时间分成三代，新对象在第 0 代，经历一次回收仍存活就晋升，越老的代扫描频率越低，因为大多数对象生命周期很短，这样能降低开销。工程上可以用 gc 模块手动触发、查看阈值、临时关闭；__del__ 方法会影响回收，尽量别在里面做资源释放，用 with 或 try/finally。追问常问「怎么排查内存泄漏」，答案是看对象增长、用 gc.get_objects 或 tracemalloc 定位。

一分半，技术岗的自我介绍要有「技术坐标」。第一段身份：学校、专业、届别；第二段技术栈：主语言 Python，会 Shell，熟悉 Linux、MySQL、Redis，接触过 Docker 与监控体系，别报一串名词，挑三个能讲深的；第三段项目：选一个与运维最相关的，说清你解决了什么问题、用了什么方法、结果如何，比如「用 Python 写采集脚本，把 50 台机器的巡检从人工两小时压到十分钟」；第四段动机：为什么选电信、为什么做运维，可以落到云网融合与系统稳定性；结尾留钩子，比如「我做过一次线上故障定位」，引导追问。技术面自我介绍不要超过两分钟，HR 面可以稍长，重点是把「我会什么、我做成过什么」讲清楚。

按「方向—我的任务—技术细节—产出」讲。方向一句话交代实验室做什么，比如分布式系统、网络测量、智能运维；我的任务说清你负责的模块，是数据采集、平台开发还是算法验证；技术细节要给具体的，比如用什么语言、什么框架、数据量多大、部署在哪；产出给可验证的结果，比如系统上线后覆盖多少节点、故障发现时间缩短多少、有没有形成文档或论文。如果实验室工作偏理论，就强调工程能力：写过多少行代码、搭过什么环境、解决过什么bug。面试官问这题，是在判断你有没有真实的动手经历，所以别只说「跟着师兄做项目」，要说清你独立完成了哪一块。最后可以补一句与运维的关联，比如「这段经历让我熟悉了监控和日志排查」。

如实回答，有就讲清楚，没有就给替代证据。有论文：说清题目、你在其中的角色、解决的问题、发表或投稿状态，别夸大贡献；有科研经历但没论文：讲你负责的实验、数据处理、工具开发，说明为什么没形成论文，比如方向偏工程、数据还没收齐；完全没有：坦诚说明，然后把话题转到课程项目、竞赛、开源或自学成果上，比如「我没有发论文，但做过一个监控系统的课程设计，从采集到可视化都是我自己搭的」。面试官问这题，不是非要你有论文，而是想看你有没有钻研过一件事。收尾可以补一句：「我更偏工程实现，读论文主要是为了找方法。」这句话能把定位说清楚，避免被认为学术能力弱。

优点选与运维强相关的三条，各配一句证据：一是排查问题的耐心，遇到告警会顺着日志一层层查，不急着重启；二是自动化意识，重复三次以上的操作就想写成脚本；三是责任心，交接班和变更记录不省略。缺点选真实但不致命的，比如「有时过于追求把问题查到底，导致处理单个故障耗时偏长」，然后给改进：先按预案恢复业务，再安排时间做根因分析。也可以说「不擅长拒绝临时需求」，改进是学会排优先级、把影响说清楚。三个缺点不要都选，选一个讲透即可。避免「我太追求完美」这种伪缺点，也避免「我粗心」「我脾气急」这类与运维冲突的表述。最后补一句自我认知的来源，比如「这是上次实习带我的师傅提醒我的」。

优势要差异化，别说「学习能力强」这种人人都有的话。三条可选：第一，开发 + 运维的复合背景，既能写 Python 工具，又能上机器排查，很多候选人只占一边；第二，自动化实践，举一个把重复工作脚本化的例子，说明你理解运维的效率瓶颈；第三，对电信业务的理解，比如知道云网融合、IDC、天翼云的基本形态，说明你不是海投。每条都要有证据，最好带数字。收尾落到岗位动作：「我能先接手监控告警的规则梳理和巡检脚本维护，这两块上手快、见效也快。」如果面试官追问「别人也能做」，就补一句你的差异：比如「我做过从采集到告警的完整链路，知道哪一步最容易出问题」。

三层：行业、企业、岗位。行业层：通信行业正在从管道向云网融合和算力服务转型，运维的对象从设备扩展到云平台，技术含量在提升；企业层：中国电信有全国性的网络和机房资源，天翼云和 IDC 业务在增长，平台大、场景全，能接触到规模化的系统；岗位层：IT 运维技术岗既能用上我的 Python 和 Linux 基础，又能积累故障处理和平台建设的经验，和我的方向一致。收尾补一句个人化表达，比如「我是本地人，愿意长期在省内发展」，或者「我做过监控项目，想在更大的规模上验证」。避免只说「国企稳定、待遇好」，也不要贬低其他运营商。如果被问「还投了哪里」，如实说，并说明为什么把电信放在前面。

先承认运维岗的特殊性：变更窗口多在夜间，故障响应不分工作日，重大保障期要值班，这些加班是岗位属性，不是管理问题，我有准备。再讲效率：日常把巡检、备份、日志清理这类重复工作脚本化，减少无效耗时；把常见故障写成处置手册，缩短恢复时间。最后给边界，语气留余地：「我不排斥必要的加班和值班，也希望排班和轮换能相对公平。」可以补一句具体承诺，比如「节假日值班我可以排」。不要一开口说「完全接受 996」，也不要说「我希望不加班」，运维岗听到后者会直接扣分。收尾可以落到成长：「故障现场学到的东西比平时多，我不排斥多承担一些。」