Мок-интервью DevOps-инженера — практика с AI

DevOps-интервью обманчиво широки. Нанимающие менеджеры хотят универсала, который держит модуль Terraform в одной руке и runbook — в другой, и они будут прощупывать именно те моменты, где инфраструктура ломает реальность. Большинство кандидатов теряют баллы не на мелочах по инструментам, а на вопросах второго порядка: «apply завис по таймауту, что вы делаете дальше?». Это руководство показывает, как использовать AI мок-интервью, чтобы отрепетировать разговоры, которые решают судьбу DevOps-офферов.

Типичные раунды интервью для DevOps-инженеров

Типичный DevOps-цикл состоит из четырёх-пяти раундов. Скрининг с рекрутером на соответствие, затем техническое интервью (45–60 минут) по CI/CD, infra-as-code, основам контейнеров и одному глубокому погружению в облачного провайдера. Далее идёт сценарный раунд или раунд по инцидентам — вы разбираете реальный сбой и то, как бы вы его диагностировали. Затем раунд по коду или скриптингу (Bash, Python или Go — обычно парсинг логов, написание небольшой CLI или починка сломанного пайплайна) и behavioral-раунд вместе с разбором систем, где вам дают полусломанную архитектуру и просят её укрепить.

Сценарный раунд — это место, где AI-моки приносят больше всего пользы. Реальные интервьюеры импровизируют — они придумывают сбой, давят на ваши рассуждения и провоцируют на преждевременные выводы. AI-мок точно воспроизводит этот паттерн: открытый вопрос, нарастающие уточнения, оценка за то, как вы сужаете круг причин. Раунд по коду лучше отрабатывать на практике скриптинга, но устные разборы сбоев пайплайна идеально вписываются в AI-мок.

Главные технические темы

Infrastructure as code

Terraform доминирует в пуле вакансий. Будьте готовы говорить об управлении state-файлом (удалённые backend-ы, блокировки, разделение state по окружениям), проектировании модулей (когда композировать, когда инлайнить), разнице между count и for_each и о том, как рефакторить монолитный корневой модуль, не ломая продакшен. Pulumi и CDK встречаются в 15–20% вакансий — знайте компромисс (настоящий язык против декларативного HCL), даже если не пишете на них каждый день. Вопросы по Ansible всё ещё появляются для ролей по управлению конфигурацией; ждите вопросов про идемпотентность плейбуков и динамический инвентарь.

Kubernetes

Планка выросла. «Я использовал kubectl» больше не проходит. Ждите: как pod попадает в расписание, что происходит, когда нода становится NotReady, почему ваш сервис возвращает 502 (подсказка: endpoint отсутствует в объекте Endpoints), разница между requests и limits и что вытесняет pod, когда использовать DaemonSet вместо Deployment, как rolling updates взаимодействуют с PodDisruptionBudgets. Senior-циклы добавляют операторы, кастомные контроллеры и admission webhooks. Если вы можете набросать control plane на салфетке и объяснить, что хранит etcd, — вы впереди.

Пайплайны CI/CD

GitHub Actions, GitLab CI и Jenkins — три самых распространённых. Ждите вопросов о стратегиях кэширования, параллельном прогоне тестов, управлении секретами внутри пайплайнов и о том, как быстро падать при 20-минутной сборке. Любимый сценарий: «деплой-задача проходит успешно, но новые pod-ы уходят в crashloop — разберите со мной отладку». Сильные ответы выстраивают цепочку из логов, кодов завершения, image SHA и стратегии отката, не пропуская шагов.

Observability

Prometheus + Grafana + Loki + система трейсинга (Tempo, Jaeger) — канонический open-source стек. Datadog и New Relic доминируют среди платных решений. Будьте готовы определить SLO, error budgets и то, как должен выглядеть алерт (симптом, а не причина). Ждите: «дашборд зелёный, а клиенты жалуются — в чём дело?». Ответы, упоминающие смещение выборки, окна агрегации и синтетический мониторинг против мониторинга реальных пользователей, оцениваются высоко.

Глубина по конкретному облаку

Выбирайте AWS, GCP или Azure исходя из вакансии. Вопросы по AWS группируются вокруг IAM (самая частая причина «почему это не работает»), маршрутизации VPC, особенностей EKS и согласованности S3. Циклы по GCP отдают предпочтение IAM и иерархии проектов, GKE и форме затрат BigQuery. Azure фокусируется на AAD, AKS и Azure DevOps Pipelines. Одно облако глубоко лучше, чем три облака поверхностно.

Частые сценарные вопросы

• «Terraform apply только что завис по таймауту через 40 минут. Что вы проверяете первым делом?» (В ответе стоит упомянуть state lock, лимиты провайдера по частоте запросов и графы зависимостей.)
• «Продакшен-pod-ы получают OOMKilled каждый понедельник в 9 утра. Разберите со мной расследование.» (Ожидается: паттерны трафика, лимиты памяти, поведение GC, недавние деплои, корреляция с задержкой автоскейлинга.)
• «Вам достался деплой-пайплайн, который занимает 45 минут. Что вы меняете первым?» (Слои кэширования, параллельное шардирование тестов, условные задачи, затем более крупные архитектурные сдвиги.)
• «Команда хочет поднять собственный кластер EKS. Расскажите, хорошая ли это идея.» (Стоимость, blast radius, экспертиза, компромисс между общими сервисами и изоляцией.)
• «Половина алертов в PagerDuty — это шум. Как это исправить, не пропустив реальные инциденты?» (Алертинг по симптомам, пороги на основе SLO, качество runbook, корреляция алертов.)

Behavioral-фокус — что ищут нанимающие менеджеры

DevOps-менеджеры по найму ищут три сигнала помимо технической глубины. Первый — ответственность за сбои: можете ли вы рассказать историю об инциденте, не сваливая вину на команду разработки, предыдущего DevOps-лида или облачного провайдера? Сильные истории идут по цепочке хронология → ошибочное предположение → обнаружение → исправление → профилактика, и в них спокойно признаётся момент «я должен был поймать это на code review». Второй — коммуникация между организационными уровнями: DevOps находится между разработчиками и руководством, поэтому ждите вопросов о том, как объяснить стоимость инфраструктуры финансовому директору или возразить против сжатого дедлайна. Третий — прагматизм против идеализма: интервьюеры хотят человека, который в 2 часа ночи выкатит костыльный, но мониторящийся фикс, а не того, кто настаивает на идеальной архитектуре, прежде чем разблокировать команду.

Как использовать практику AI-мока для этой роли

Установите тип интервью «Технический скрининг» и вставьте реальное описание вакансии, если оно есть. AI извлекает стек инструментов (Terraform против Pulumi, AWS против GCP) и соответственно взвешивает вопросы. Без вакансии используйте дефолт «AWS + Terraform + Kubernetes, средний уровень, 10 вопросов» — этот профиль покрывает около 60% DevOps-вакансий.

Для практики реагирования на инциденты переключитесь в режим «Сценарий» и попросите AI вести разворачивающийся сбой. Сессия продолжается 15–20 минут, пока вы триажите. Оценка вознаграждает то, как вы сужаете пространство поиска, а не то, приходите ли вы к «правильной» первопричине — потому что у реальных инцидентов её редко бывает одна.

Один недооценённый приём: «Хочу пять подряд вопросов на рефакторинг Terraform». AI поднимет сценарии, где вы разделяете корневой модуль, мигрируете state или устраняете drift. Пять повторов за сессию — и лексика перестаёт казаться чужой.

Частые вопросы