Bestätige, dass die neue Primary wirklich promoted ist und Schreibvorgänge annimmt, und prüf dann, ob die Anwendungen sich neu verbunden haben. Veraltete Connection Pools und gecachtes DNS sind der übliche Grund, warum Fehler nach einem gesunden Failover weiterlaufen. Prüf den Replikations-Lag und ob gegen dein RPO committete Schreibvorgänge verloren gingen. Stell den Schreib-Traffic wieder her, schließ Split Brain aus, indem du sicherstellst, dass die alte Primary gefenced ist, und nimm die Postmortem-Frage mit, warum der Failover nicht transparent war.
Warum Interviewer das fragen
Interviewer wollen sehen, dass du nicht bei die Datenbank sieht gut aus aufhörst. Die Anwendungsebene ist der Ort, an dem die meisten Failover-Incidents tatsächlich stattfinden, über Connection Pools mit toten Sockets, DNS-TTLs und Treiber, die nie neu auflösen. Sie prüfen außerdem, ob du an Datenverlust und Fencing denkst und nicht nur an Verfügbarkeit.
So baust du deine Antwort auf
- Verifizier Promotion und Schreibannahme direkt auf der neuen Primary.
- Geh zur Client-Ebene: Pools, DNS-Caching, Treiberverhalten.
- Quantifizier Datenverlust und Lag gegen das festgelegte RPO.
- Fence die alte Primary, um doppelte Schreibvorgänge auszuschließen.
- Stell den Traffic wieder her und halt die Transparenzlücke fürs Postmortem fest.
Beispielantwort
Schritt eins ist die Realität bestätigen: direkt auf die neue Primary verbinden und prüfen, dass sie aus dem Recovery raus ist und Schreibvorgänge annimmt. Ist die Datenbank gesund und die Anwendungen scheitern weiter, liegt das Problem bei uns, und meiner Erfahrung nach liegt es normalerweise genau dort. Connection Pools halten Sockets zu einer Adresse, die keine Schreibvorgänge mehr bedient, oder die JVM hat den DNS-Eintrag für immer gecacht, der Fix ist also ein rollierender Neustart oder ein Pool mit ordentlicher Validierung. Wir hatten einen Fall, in dem ein Treiber eine TTL von 30 Sekunden respektiert hat, der Pool aber Leerlaufverbindungen nie neu validiert hat, sodass die Erholung zwanzig Minuten länger dauerte als nötig. Dann prüfe ich den Replikations-Lag zum Zeitpunkt der Promotion, um zu sehen, ob wir committete Schreibvorgänge verloren haben, denn das ändert, wen ich informieren muss. Ich will außerdem die Bestätigung, dass die alte Primary gefenced ist und keinen Schreibvorgang annehmen kann, falls sie zurückkommt. Sobald Schreibvorgänge fließen, ist die Postmortem-Frage, warum das nicht automatisch lief.
Steht dieses Vorstellungsgespräch bald an? GhostPilot hört bei deinem Live-Call mit, erkennt die Frage in dem Moment, in dem sie gestellt wird, und bringt dir eine strukturierte Antwort in Echtzeit auf den Bildschirm. Probier es im nächsten Mock aus, oder hol dir einen $29 Session Pass, kein Abo, für den Ernstfall.
So funktioniert esNachfragen, mit denen du rechnen solltest
- Wie würdest du den Failover beim nächsten Mal für die Anwendung transparent machen?
- Wie erkennst du, dass während der Promotion Schreibvorgänge verloren gingen?
- Was ist das Risiko eines automatischen Failovers, und wann würdest du ihn vermeiden?
Weitere Fragen für Site Reliability Engineer
Dein Interviewer stellt seine eigene Version davon. Kopier deine echte Stellenbeschreibung in den kostenlosen Question Predictor und bekomm die 20 Fragen, die diese Rolle am wahrscheinlichsten stellt, samt dem, worauf jede wirklich abzielt.
Meine Fragen vorhersagen