10. 面试题

初级

Q1：Linux 里进程和线程有什么区别？

进程是资源分配的基本单位，有独立的地址空间、文件描述符表等；线程是 CPU 调度的基本单位，共享进程的资源，但有自己的栈和寄存器。Linux 里线程本质上也是进程，通过 clone() 控制共享哪些资源。

Q2：什么是系统调用？为什么它开销大？

系统调用是用户空间请求内核服务的接口。开销来自用户态/内核态切换、特权级切换、上下文保存和恢复。频繁系统调用会成为瓶颈。

Q3：什么是文件描述符？

文件描述符是内核中打开文件或资源的引用，是一个非负整数。它指向内核的 file 结构，普通文件、socket、pipe、设备都通过文件描述符操作。

Q4：top 里的 us、sy、id、wa 分别代表什么？

• us：用户态 CPU 时间；
• sy：内核态 CPU 时间；
• id：空闲；
• wa：等待 I/O。

Q5：进程有哪些状态？

R（运行/就绪）、S（可中断睡眠）、D（不可中断睡眠）、T（停止）、Z（僵尸）、I（空闲）。

中级

Q6：解释 CFS 调度器的基本原理。

CFS（Completely Fair Scheduler）用红黑树维护进程的 vruntime，总是选择 vruntime 最小的进程运行。nice 值影响 vruntime 增长速度，nice 越低，进程越容易获得 CPU。

Q7：NUMA 是什么？为什么对 AI 训练重要？

NUMA（Non-Uniform Memory Access）指多路服务器上 CPU 访问本地内存比远程内存更快。AI 训练需要高内存带宽，错误的 NUMA 绑定会显著降低性能，因此常用 numactl 绑定 CPU 和内存节点。

Q8：cgroup v1 和 v2 有什么区别？

cgroup v1 各子系统独立挂载；cgroup v2 统一层级，接口更一致，支持 memory.high 等更细粒度控制。Kubernetes 1.25+ 默认 cgroup v2。

Q9：什么是 page cache？它和 direct I/O 有什么区别？

page cache 是内核用来缓存磁盘数据的内存。buffered I/O 走 page cache，适合随机读；direct I/O 绕过 page cache，适合大文件顺序读写。

Q10：为什么容器里进程被 OOM kill，但 free 显示还有内存？

容器受 cgroup memory limit 约束，超出容器自己的 memory.max 就会触发 cgroup OOM，即使节点还有空闲内存。

高级

Q11：一次 read() 系统调用的完整流程是什么？

用户程序 → glibc → syscall 指令 → do_syscall_64 → sys_read → VFS → 具体文件系统（如 ext4）→ page cache 或块层 → 设备驱动 → 数据拷贝回用户空间 → 返回用户态。

Q12：什么是 CPU throttle？怎么排查？

CPU throttle 是 cgroup 的 CPU quota 用完后，内核强制进程等待下一个周期。表现为延迟抖动。可以用 cat /sys/fs/cgroup/cpu.stat 查看 nr_throttled 和 throttled_usec。

Q13：如何降低分布式训练中的网络延迟？

• 使用 RDMA/InfiniBand 替代 TCP；
• 正确配置 IRQ affinity，把网卡中断绑定到非业务 CPU；
• 启用 RPS/RFS/XPS 优化软中断分布；
• 考虑 busy polling；
• 调整 NCCL 环境变量和拓扑配置。

Q14： HugePages 为什么能提升大模型训练性能？

HugePages 减少页表项数量和 TLB miss。大模型访问的内存地址空间大，TLB miss 开销高，使用 HugePages 可以提升地址转换效率和内存访问速度。

Q15：设计一个 AI 推理服务的 Linux 性能基线采集方案。

应包括：

• 应用指标：QPS、P50/P99 latency、错误率；
• CPU：使用率、上下文切换、irq、softirq、throttle；
• 内存：RSS、page cache、swap、OOM；
• I/O：磁盘吞吐、I/O wait、fsync 延迟；
• 网络：吞吐、重传、RTT；
• GPU：利用率、显存、PCIe 带宽；
• 用 Prometheus + Grafana 持续采集，配合 perf / bpftrace 做深入分析。

Q16：什么是 sched_ext？为什么它重要？

sched_ext 是 6.12 合入主线的可扩展调度类：内核把调度决策导出为一组 BPF 回调，用户编写的 BPF 调度器可以热加载、热替换，无需重启或改内核代码。重要性在于：延迟敏感的 AI 推理混部场景，可以用 scx_layered 之类的 BPF 调度器给推理任务独占 CPU 分组，把“调度调优”从内核开发问题变成应用配置问题。2026 年它快速完整化：7.0 落地 SCHED_DEADLINE server，7.1/7.2 铺入 sub-scheduler 基础设施，7.3（2026-10）完成 per-cgroup sub-scheduler——不同 cgroup/租户可以运行各自的 BPF 调度器。

Q17：io_uring 和 epoll 有什么区别？

epoll 是“事件通知”机制：socket ready 后通知你，你还需要再发起 read/write 系统调用真正搬运数据。io_uring 是“提交-完成”队列模型：把 I/O 请求批量写入 SQ，内核批量执行，完成结果写回 CQ——一次收割成百上千个结果，还支持 multishot recv（一次注册多次收割）和内核轮询。对高并发推理网关，io_uring 能显著降低系统调用次数和请求延迟。

Q18：什么是 GPUDirect Storage？解决什么问题？

GDS 让存储设备（NVMe/并行文件系统）绕过 CPU 内存，直接通过 DMA 读写 GPU 显存。传统路径是“磁盘 → page cache → CPU 内存 → 显存”，CPU 要参与两次数据搬运；GDS 把 CPU 从数据面彻底移出，实测吞吐提升 1.5-7 倍。大模型权重加载、KV-cache 下沉到 NVMe 是最典型的受益场景，落地时需要 NUMA 本地 NVMe + HugePages 配合。

Q19：PSI 是什么？怎么用？

PSI（Pressure Stall Information）是内核通过 /proc/pressure/{cpu,memory,io} 暴露的资源竞争指标：some 表示有任务因资源不足停顿的时间比例，full 表示所有非空闲任务都停顿的时间比例。排查延迟抖动时先看 PSI：如果 memory 或 io 的 some avg10 持续非零，说明抖动大概率来自系统资源竞争，而不是应用代码问题。

本节小结

面试题覆盖了从概念到系统调用、调度、内存、I/O、网络、cgroup 和生产排障的多个层次。理解机制比背命令更重要。