Site Reliability Engineer का इंटरव्यू टेक हायरिंग का सबसे अजीब मिश्रण है: आधा सॉफ्टवेयर इंजीनियर, आधा प्रोडक्शन का फायरफाइटर, और पीछे कहीं एक स्टैटिस्टिशियन छिपा हुआ। आप कोड लिखेंगे, नकली आउटेज के दबाव में ऐसा सिस्टम डिबग करेंगे जो आपने पहले कभी नहीं देखा, और फिर बहस करेंगे कि किसी सर्विस को असल में कितने नाइन चाहिए। यह गाइड उन सवालों पर है जो 2026 में सचमुच आते हैं, और उनका जवाब ऐसे कैसे दें जैसे आपने खुद पेजर उठाया हो।
2026 में SRE इंटरव्यू असल में क्या परखते हैं
रिलायबिलिटी हायरिंग बदल चुकी है। पांच साल पहले आप Linux ट्रिविया और एक Big-O सवाल से पार पा जाते थे। आज मानदंड यह है कि क्या आप डिस्ट्रिब्यूटेड सिस्टम में फेल्योर पर तर्क कर सकते हैं और रिलायबिलिटी को हवा-हवाई बातों के बजाय आंकड़ों में रख सकते हैं।
2026 में इंटरव्यूअर चार चीज़ें टटोलते हैं। क्या आप SLI, SLO और एरर बजट में सोचते हैं, या अब भी "100 प्रतिशत अपटाइम" के पीछे किसी पुण्य की तरह भागते हैं? क्या आप बिना किसी पिछली जानकारी के, ठीक वैसे ही जैसे रात 3 बजे करते, किसी लाइव सिस्टम को तरीके से डिबग कर सकते हैं? क्या आप अमूर्त परतों के नीचे के सिस्टम समझते हैं (लोड बैलेंसर, क्यू, कैश, कंसेंसस, रिट्राई, बैकप्रेशर)? और क्या आप मौजूदा स्टैक चला सकते हैं: Kubernetes, Terraform, ऑब्ज़र्वेबिलिटी पाइपलाइन, और वे AI-सहायता वाले अलर्टिंग और ऑटो-रेमेडिएशन टूल जो पिछले दो साल में आम हो गए?
सांस्कृतिक परत भी कैंडिडेट की उम्मीद से ज़्यादा मायने रखती है। इंसिडेंट के बाद का बर्ताव, दोष न देने की सोच, और आप रफ्तार व रिलायबिलिटी में संतुलन कैसे बनाते हैं, इन सबको आपके कोड जितनी सख्ती से आंका जाता है, इसलिए जो इंजीनियर दोष देने की तरफ भागता है या एक खराब रात के बाद सारे डिप्लॉय रोक देना चाहता है, वह मूल्यों वाला मानदंड पार नहीं करता, चाहे उसका bash कितना भी साफ हो।
इंटरव्यू प्रोसेस
2026 में ज़्यादातर SRE लूप चार से छह चरणों के होते हैं और वे शुद्ध सॉफ्टवेयर इंजीनियरिंग लूप से साफ तौर पर अलग होते हैं।
- रिक्रूटर स्क्रीन। बुनियादी बातें, आपकी वजह, और "बैकएंड या प्लेटफॉर्म के बजाय SRE क्यों?" इसका एक असली जवाब तैयार रखिए।
- टेक्निकल फोन स्क्रीन। सिस्टम वाले स्वाद के साथ कोडिंग, और साथ में कुछ Linux, नेटवर्किंग या ट्रबलशूटिंग के सवाल। कुछ जगह इसकी जगह स्क्रिप्टिंग एक्सरसाइज़ होती है: एक लॉग पार्स कीजिए, एक रेट निकालिए, गड़बड़ी ढूंढिए।
- कोडिंग राउंड। SRE अब भी कोड लिखते हैं। एक मध्यम एल्गोरिदम समस्या की उम्मीद रखिए और बढ़ती हुई हद तक "एक छोटा टूल लिखिए" वाला काम: एक रेट लिमिटर, एक बैकऑफ रैपर, या लॉग पार्सिंग।
- सिस्टम और ट्रबलशूटिंग राउंड। यही SRE इंटरव्यू की पहचान है। आपको किसी टूटे या काल्पनिक सिस्टम में डाल दिया जाता है और बोलकर उसका डायग्नोसिस करने को कहा जाता है, अक्सर एक लाइव सिनेरियो के तौर पर: "लेटेंसी अभी उछल गई, बताइए आप क्या करेंगे"।
- रिलायबिलिटी सिस्टम डिज़ाइन। साफ-साफ बताए गए अवेलेबिलिटी, लेटेंसी और स्केल टारगेट के हिसाब से डिज़ाइन। रिलायबिलिटी वाला कोण (फेल्योर डोमेन, ब्लास्ट रेडियस, कैपेसिटी हेडरूम) ही इसे एक आम डिज़ाइन राउंड से अलग करता है।
- बिहेवियरल और ऑन-कॉल राउंड। इंसिडेंट के किस्से, टकराव, और पेज आने पर आप कैसे पेश आते हैं, वह भी दोष न देने वाले नज़रिए से।
Google, Meta और बड़ी जगहें सिस्टम राउंड को भारी वज़न देती हैं। स्टार्टअप चरण घटा देते हैं और प्रैक्टिकल ट्रबलशूटिंग व आपके असली ऑन-कॉल इतिहास पर टिकते हैं।
सवाल
रिलायबिलिटी की बुनियाद: SLO, एरर बजट और गणित
SLI, SLO और SLA में क्या फर्क है? इसे कैसे लें: SLI माप है (300ms से कम में पूरी हुई रिक्वेस्ट), SLO उसके लिए आपका अंदरूनी टारगेट है, और SLA बाहरी कॉन्ट्रैक्ट है जिसके नतीजे होते हैं। SLO को SLA से ज़्यादा सख्त रखिए ताकि चेतावनी पहले मिले।
एक सर्विस का मासिक अवेलेबिलिटी SLO 99.9 प्रतिशत है। इसमें कितना डाउनटाइम बनता है, और बजट लगभग खत्म हो जाए तो आप क्या करेंगे? इसे कैसे लें: गणित बोलकर कीजिए (करीब 30 दिनों का 99.9 प्रतिशत यानी महीने में लगभग 43 मिनट), फिर बताइए कि बजट खत्म होने का मतलब है जोखिम भरे लॉन्च रोकना और रिलायबिलिटी को प्राथमिकता में ऊपर लाना।
बिना किसी पुराने डेटा वाली बिल्कुल नई सर्विस के लिए आप SLO कैसे चुनेंगे? इसे कैसे लें: सबसे अहम यूज़र जर्नी से शुरू कीजिए, एक संभला हुआ टारगेट रखिए, कुछ हफ्ते असली बर्ताव मापिए, फिर उसे कसिए। ऐसा SLO जिसे कोई पूरा न कर सके, सबको बस अलर्ट नज़रअंदाज़ करना सिखा देता है।
100 प्रतिशत अवेलेबिलिटी का लक्ष्य आम तौर पर गलत क्यों है? इसे कैसे लें: वह अपनी कीमत कम ही जायज़ ठहराता है और कुछ नया शिप करने की जगह नहीं छोड़ता, और यूज़र उसे 99.99 प्रतिशत से अलग बता ही नहीं सकते क्योंकि उनका अपना नेटवर्क उससे ज़्यादा बार गिरता है। यही फासला एरर बजट के होने की वजह है।
इंसिडेंट रिस्पॉन्स और ऑन-कॉल
बताइए कि ऑन-कॉल इंजीनियर के तौर पर आप किसी बड़े इंसिडेंट को कैसे चलाएंगे। इसे कैसे लें: गंभीरता आंकिए, बड़ा मामला हो तो एक इंसिडेंट कमांडर और भूमिकाएं तय कीजिए, स्टेकहोल्डर को बताते रहिए, रूट कॉज़ से पहले मिटिगेशन को प्राथमिकता दीजिए (पहले खून बहना रोकिए), फिर एक पोस्टमॉर्टम चलाइए।
आपको ऐसी सर्विस पर ज़्यादा लेटेंसी का पेज आता है जिसे आपने कभी छुआ भी नहीं। आपके पहले पांच मिनट कैसे होंगे? इसे कैसे लें: डैशबोर्ड और हाल के अलर्ट देखिए, हाल का कोई डिप्लॉय या कॉन्फिग बदलाव खोजिए (यही आम वजह होती है), अपस्ट्रीम और डाउनस्ट्रीम डिपेंडेंसी जांचिए, और मिले संकेतों से एक अनुमान बनाइए, साथ ही अपना फैसला-पेड़ बोलकर बताते रहिए। यहां जवाब से ज़्यादा तरीका मायने रखता है।
अच्छा पोस्टमॉर्टम क्या होता है, और "ब्लेमलेस" का असल मतलब क्या है? इसे कैसे लें: अच्छे पोस्टमॉर्टम में एक टाइमलाइन होती है, योगदान देने वाले कारण, क्या अच्छा रहा, और मालिकों के नाम के साथ एक्शन आइटम, और ब्लेमलेस का मतलब है इंसानी गलती को सिस्टम की कमी का लक्षण मानना।
शोर भरी ऑन-कॉल रोटेशन में आप अलर्ट थकान कैसे घटाएंगे? इसे कैसे लें: हर मेट्रिक के बजाय उन लक्षणों पर अलर्ट रखिए जो यूज़र महसूस करते हैं, पेज को SLO बर्न रेट से जोड़िए, और वे अलर्ट मिटा दीजिए जिन पर कभी कोई कार्रवाई नहीं होती।
डिबगिंग और सिस्टम का अंदरूनी कामकाज
एक Linux मशीन धीमी प्रतिक्रिया दे रही है। आप वजह कैसे ढूंढेंगे? इसे कैसे लें: संसाधनों पर ऊपर से नीचे चलिए, CPU (top, mpstat), मेमोरी और स्वैप (free, vmstat), डिस्क I/O (iostat), नेटवर्क, फिर प्रोसेस, और लॉग व हाल के बदलाव देखिए। USE मेथड (utilisation, saturation, errors) का नाम लेना परिपक्वता दिखाता है।
दो सर्विस के बीच रिक्वेस्ट रह-रहकर टाइमआउट हो रही हैं। आप वजह कैसे अलग करेंगे? इसे कैसे लें: पहले दायरा तय कीजिए (सारी रिक्वेस्ट या कुछ, एक इंस्टेंस या सब), फिर कनेक्शन पूल खत्म होना, DNS, रिट्राई की बौछार, और कोई धीमी डिपेंडेंसी जो झरने की तरह टाइमआउट फैलाती है और जिसे सर्किट ब्रेकर रोकते हैं, ये सब जांचिए।
जब आप कोई URL टाइप करके एंटर दबाते हैं, तो शुरू से आखिर तक क्या होता है? इसे कैसे लें: DNS रिज़ॉल्यूशन, TCP और TLS हैंडशेक, रिक्वेस्ट, लोड बैलेंसर और सर्वर की प्रोसेसिंग, और रेंडरिंग कवर कीजिए, लेकिन SRE के तौर पर उस हिस्से पर ज़ोर दीजिए जहां रिलायबिलिटी रहती है: कैशिंग लेयर, कनेक्शन दोबारा इस्तेमाल, और कौन से हॉप सबसे ज़्यादा फेल होते हैं।
थंडरिंग हर्ड क्या है और आप उसे कैसे रोकेंगे? इसे कैसे लें: उसकी परिभाषा दीजिए (कैश एक्सपायर होने या रीस्टार्ट के बाद बहुत सारे क्लाइंट का एक साथ किसी रिसोर्स पर टूट पड़ना) और ठोस बचाव बताइए: jitter वाला बैकऑफ, रिक्वेस्ट को जोड़ना, और कैश TTL को आगे-पीछे रखना।
रिलायबिलिटी पर टिका सिस्टम डिज़ाइन
99.95 प्रतिशत अवेलेबिलिटी टारगेट के साथ प्रति सेकंड 10 लाख रिक्वेस्ट संभालने वाला सिस्टम डिज़ाइन कीजिए। इसे कैसे लें: पहले मान्यताएं और SLO बताइए, फिर फेल्योर को ध्यान में रखकर डिज़ाइन कीजिए (कई अवेलेबिलिटी ज़ोन में रिडंडेंसी, लोड बैलेंसिंग, कैशिंग, धीरे-धीरे घटती सेवा)। संकेत यह है कि आप ब्लास्ट रेडियस और सिंगल पॉइंट ऑफ फेल्योर पर तर्क करते हैं या सिर्फ सीधे रास्ते पर।
आप एक ग्लोबल रेट लिमिटर कैसे डिज़ाइन करेंगे? इसे कैसे लें: दायरा साफ कीजिए (प्रति यूज़र, प्रति IP, या ग्लोबल), फिर टोकन बकेट बनाम स्लाइडिंग विंडो पर बात कीजिए और यह कि स्टेट कहां रहेगी (Redis जैसा साझा स्टोर बनाम लोकल और सिंक), यह मानते हुए कि पूरी ग्लोबल सटीकता की कीमत लेटेंसी में चुकानी पड़ती है।
किसी अहम सर्विस में जोखिम भरा बदलाव आप सुरक्षित तरीके से कैसे रोलआउट करेंगे? इसे कैसे लें: प्रोग्रेसिव डिलीवरी इस्तेमाल कीजिए, थोड़े प्रतिशत पर कैनरी कीजिए, SLI और एरर बजट की खपत देखिए, और एक तेज़, टेस्ट किया हुआ रोलबैक तैयार रखिए जो मेट्रिक बिगड़ने पर अपने आप रुक जाए।
आम गलतियां जो SRE कैंडिडेट्स को डुबो देती हैं
सबसे बड़ी गलती इसे शुद्ध कोडिंग इंटरव्यू मान लेना है। मजबूत कोडर SRE लूप इसलिए फेल करते हैं कि वे बोलकर डिबग नहीं कर पाते या अवेलेबिलिटी को आंकड़ों में नहीं रख पाते।
उसके ठीक पीछे है 100 प्रतिशत रिलायबिलिटी के पीछे भागना। यह कहिए कि आप कभी डाउनटाइम बर्दाश्त नहीं करेंगे, और आपने अभी-अभी ऐलान कर दिया कि आप एरर बजट या आखिरी नाइन की कीमत नहीं समझते।
तीसरी है अंदाज़े से डिबग करना। बिना किसी अनुमान के सर्विस को यूं ही रीस्टार्ट करते जाना घबराहट जैसा लगता है; इंटरव्यूअर एक शांत, बोलकर बताया गया फैसला-पेड़ चाहते हैं, भले ही आप जवाब तक न पहुंचें।
चौथी है दोष देना। ऐसा कोई भी इंसिडेंट किस्सा जिसका सार यह हो कि "एक डेवलपर ने गड़बड़ की" न कि "हमारे सिस्टम ने एक गलती को प्रोडक्शन तक पहुंचने दिया", हर गंभीर जगह पर सांस्कृतिक मानदंड में फेल होता है।
पांचवीं है अमूर्त बने रहना। "मैं मॉनिटरिंग जोड़ूंगा" का कोई मतलब नहीं, इसलिए बताइए कि कौन सा सिग्नल, कौन सी सीमा, और पेज में लिखा क्या जाएगा।
तैयारी कैसे करें (और लाइव कोपायलट कहां काम आता है)
एक परतदार योजना बनाइए। रिलायबिलिटी का गणित तब तक ड्रिल कीजिए जब तक अवेलेबिलिटी से डाउनटाइम निकालना और एरर बजट पर तर्क करना अपने आप न होने लगे, और Google SRE सामग्री के फेल्योर संभालने वाले अध्याय दोबारा पढ़िए, रटने के लिए नहीं, लागू करने के लिए। बोलकर डिबग करने की प्रैक्टिस कीजिए, क्योंकि परखा जाने वाला हुनर आपका बोलना है, चुपचाप सही होना नहीं। कोडिंग धारदार रखिए, और तीन असली इंसिडेंट टाइमलाइन के रूप में लिख डालिए, बिना किसी को दोष दिए, और साथ में यह कि बाद में आपने क्या बदला।
मॉक इंटरव्यू कमियां सबसे तेज़ी से सामने लाते हैं, खासकर सोचते हुए बोलते रहने वाली वह मांसपेशी जो ट्रबलशूटिंग राउंड मांगते हैं। यहीं एक लाइव कोपायलट भी अपनी जगह बनाता है। GhostPilot आपके असली इंटरव्यू के दौरान Chrome साइड पैनल में चलता है, बातचीत सुनता है, और जब आप अटकते हैं तो एक स्ट्रक्चर्ड इशारा सामने रखता है: डिबगिंग का अगला कदम जिसे जांचना है, कोई SLO कन्वर्ज़न, या डिज़ाइन राउंड में भूला हुआ कोई फेल्योर मोड। यह आपको स्क्रिप्ट पकड़ाने के बजाय, घबराहट में दिमाग खाली होने पर आपकी सोच को चलती रखता है। और पढ़िए ghostpilotai.com पर।
FAQ
सॉफ्टवेयर इंजीनियरिंग इंटरव्यू के मुकाबले SRE इंटरव्यू कितना मुश्किल है? यह ज़्यादा मुश्किल नहीं, ज़्यादा चौड़ा है। कोडिंग तो रहती ही है, पर उसमें सिस्टम ट्रबलशूटिंग, रिलायबिलिटी का गणित और इंसिडेंट के वक्त का बर्ताव भी जुड़ जाता है, और वहीं संकरी तैयारी वाले सॉफ्टवेयर इंजीनियर फिसलते हैं।
क्या 2026 में Site Reliability Engineer को अब भी कोडिंग राउंड पास करने पड़ते हैं? हां। लगभग हर SRE लूप में एक कोडिंग राउंड होता है, आम तौर पर मध्यम एल्गोरिदम काम और साथ में एक प्रैक्टिकल टूलिंग टास्क। शुद्ध SWE लूप से फर्क बस इतना है कि कोडिंग कई स्तंभों में से एक है।
इंसिडेंट पर पूछे गए SRE बिहेवियरल सवालों का जवाब कैसे दूं? एक साफ टाइमलाइन इस्तेमाल कीजिए, लोगों के बजाय सिस्टम वाली वजहों पर ध्यान दीजिए, और आखिर में वे ठोस सुधार बताइए जो आपने किए। इंटरव्यूअर जिस संकेत को सुनते हैं वह दोष न देने वाली फ्रेमिंग है, इसलिए किस्से को कभी किसी इंसान पर मत उतरने दीजिए।
SRE ट्रबलशूटिंग राउंड की प्रैक्टिस का सबसे अच्छा तरीका क्या है? टूटे हुए सिस्टम के नकली सिनेरियो पर बोलकर डिबगिंग की रिहर्सल कीजिए, और हर अनुमान के साथ वह संकेत भी बताइए जो उसे साबित या खारिज करेगा। इस राउंड में तरीका और कम्युनिकेशन गिने जाते हैं, इसलिए चुपचाप समस्या हल करने से बोलकर बताना बेहतर है।
GhostPilot AI आजमाएं
SRE इंटरव्यू दबाव में शांत और ढांचे वाली सोच को इनाम देते हैं, और ठीक तभी एक चुपचाप मिला इशारा सबसे ज़्यादा काम आता है। GhostPilot Chrome साइड पैनल में चलता है और शेयर किए गए टैब के कैप्चर का हिस्सा नहीं होता, और एक वैकल्पिक Windows डेस्कटॉप ऐप भी है जो Windows 10 (बिल्ड 2004 या बाद का) और Windows 11 पर स्क्रीन कैप्चर में नहीं दिखता। 10 मिनट के लाइव सेशन और अनलिमिटेड AI जवाब के साथ फ्री शुरू कीजिए, $29 में Session Pass लीजिए (तीन पूरे दो-घंटे के इंटरव्यू, एकबारगी, कोई सब्सक्रिप्शन नहीं), या Pro लीजिए $59/माह या $192/साल पर ($16/माह, सालाना बिल)।