多个内容源同时提到一个 2019 年的题库:这次回温有点反常

原创2026-11-01 16:26:491,644 阅读
文章标签:文档教程DevOps云原生

多个内容源同时提到一个 2019 年的题库:这次回温有点反常

一个 2019 年 9 月发布的 DevOps 面试题系列,在 2026 年的搜索结果里,阅读量仍然压过同年新发的仓库解读;而它反复指向的那个开源题库,主页上写着“2624 道题目”,用仓库自带的统计脚本跑一遍,得到的却是 2654。数字对不上,阅读量也对不上。更值得玩味的是:一个 2019 年就成型的内容形态,为什么在 2026 年又被培训内容、社区文章和资讯摘要同时提起?

本文不讨论“要不要背题”,而是把这个词库里能验证的部分拆开:情报里三拨受众分别说了什么,仓库源码里哪些机制真的撑得住“被反复引用”,以及“被引用”和“被需要”之间那条常被忽略的界线。

三个渠道的说法,其实讲的不是同一件事

把情报快照按来源排一下,会发现它们的时间戳和诉求完全不同:

渠道类型 典型内容 时间 关注点
培训/备考渠道 《2019 DevOps 必备面试题》理念篇、持续集成篇、容器化与虚拟化篇 2019-09 面试问答的“最小定义”
培训/备考渠道 《DevOps 面试实战指南:从 CI/CD 到 Kubernetes 的备考框架》 2019-08 端到端交付闭环、STAR 结构
资讯/周报渠道 《devops-exercises:DevOps 工程师的面试学习资料 | 开源日报 No.95》 2023-12 仓库定位 + “2624 道练习”
源码解读渠道 《深入 devops-exercises 的 Docker 面试题库:从 <details>/<summary> 测试用例到语法校验机制》 2026-09 testcase1.md 与 syntax_lint.py
课程招生渠道 《云原生运维培训课程,2026 年入行必备技能全解析》 2026 入行技能清单

三拨人说的事情,颗粒度差得很远。培训内容讲的是“该背什么”,周报讲的是“这个仓库有多少题”,源码解读讲的是“这个仓库的问答格式怎么被自动化校验”。它们之所以能同时指向同一个仓库,是因为这个仓库同时满足了三种叙事需求:有题量、有格式、还能被工具解析。

但要判断这次回温是否“反常”,得看一个更直接的对照:2019 年那组系列文章的单篇阅读量在两千到四千区间(持续集成篇 4614、理念篇 2603、容器化与虚拟化篇 2042),而 2026 年针对同一仓库的深度源码解读,阅读量只有一百出头(109 次浏览、6 次收藏)。热度不在“新写的深度文章”上,而在“旧的问答体”上。

这就出现了第一个反常:内容越新、越深,传播越弱;内容越旧、越像清单,反而越容易被再次分发。

反常点之一:宣称的题量和真实的题量对不上

README.md 的第二行就写着:

:bar_chart: &nbsp;There are currently **2624** exercises and questions

而仓库自带的统计脚本 count_questions.sh 是这么算的:

count=$(echo $(( $(grep -E "\[Exercise\]|</summary>" -c README.md topics/*/README.md | awk -F: '{ s+=$2 } END { print s }' )))

按这个脚本在本地跑一遍,得到 2654。拆开看:

  • README.md 里 <details> 与 <summary> 各 444 个;
  • topics/*/README.md 合计 2102 个 <summary>;
  • [Exercise] 标记 108 个;
  • 2546 + 108 = 2654。

也就是说,主页那个 2624 是某次提交时的快照,之后的增删没有再回写。更根本的问题在于更新脚本本身:update_question_number.py 直接 from scripts.question_utils import ...,但 scripts/ 目录下并没有 __init__.py。在当前仓库根目录下执行,会立刻失败:

ModuleNotFoundError: No module named 'scripts'

即便用 PYTHONPATH=. 绕过导入问题,它调用的 get_challenges_count() 也只会返回 0——因为这个函数用的是 EXERCISES_PATH.glob("*.md"),即扁平匹配 exercises 目录下的 Markdown 文件;而仓库里真正的挑战题全部放在 topics/*/exercises/*/exercise.md 这种两层结构里(AWS 41 个、Argo 7 个、Terraform 5 个、Kubernetes 4 个、GCP 3 个)。

这是一个很有代表性的状态:仓库的“内容层”一直在长,“计量层”早就停了。 数字停留在一个历史值上,被后来的引用者反复搬走。资讯渠道那句“2624 道练习和问题”之所以能一字不差地传下去,恰恰说明引用者没有去核对——他们引用的是一个已经固化在 README 里的数字符号,而不是仓库的当前状态。

反常点之二:项目对自己的描述,也落后于实际状态

faq.md 里有一条问答,标题是 Why most of the questions don't have answers?,回答给了两个理由:缺贡献者、提问比回答容易。

但用仓库自己的解析器 question_utils.py 跑一遍,get_answers_count() 返回的是:

[360, 444]

也就是 README.md 里 444 道题,360 道带有非空答案,覆盖率约 81%。分主题看,topics/aws/README.md 是 428/444,topics/terraform/README.md 是 174/175,topics/containers/README.md 是 132/143(剩下 11 道确实是空的,例如 How would you transfer data from one container into another?)。

“大多数题没有答案”这个说法,在项目早期是事实,现在只是遗留在 FAQ 里的叙事。它为什么重要?因为这条自述,正是“题库只适合当索引、不适合当答案”这类判断的来源;而当 81% 的题目都已经有答案时,同一个仓库的定位其实已经从“提问清单”偏向了“可自查的练习册”。

外部引用的是旧叙事,仓库本身已经走过去了。 这就是这次回温里最容易被忽略的错位。

老项目被反复提起的三个现实原因

如果只是“题多”,2019 年那种 Top 50 问答就足够了。真正让这个仓库在 2026 年还能被源码级文章拆解的,是下面三件具体的事。

1. 问答格式本身就是一套可校验的规范

CONTRIBUTING.md 把贡献格式写死了:

<details>
<summary>[Question]</summary><br><b>

[Answer]
</b></details>

这不是排版偏好,而是可被程序消费的数据结构。<summary> 承载题干,<b> 承载答案,<details> 承载一条完整记录。tests/testcases/testcase1.md 就是这份规范的最小样本:11 条 Docker 题目,3 条有答案,正好被单元测试断言为 (11, 3)(见 tests/scripts_question_utils_unittest.py)。

更关键的是 tests/syntax_lint.py。它做的不是“检查有没有写标签”,而是用状态机跟踪开闭:

if b"<details>" in line and after_detail:
    err_message = f"Missing closing detail tag round line {line_number - 1}"
    error = True
if b"</details>" in line and not after_detail:
    err_message = f"Missing opening detail tag round line {line_number - 1}"
    error = True

after_detail 这个布尔量就是“当前是否处于一个未闭合的 <details> 内部”。一旦在已开启状态下又遇到 <details>,或者在没有开启时遇到 </details>,立刻记错。check_summary_tag 用同样的思路处理 <summary>,还额外处理了 <summary>...</summary> 写在同一行的情况。

这套逻辑被 .github/workflows/ci_workflow.yml 挂在 pull_request 上,配合 scripts/run_ci.sh 遍历全仓 Markdown:

find "${PROJECT_DIR}" -name "*.md" -not -path "${PROJECT_DIR}/tests/*" -print0 |
while IFS= read -r -d '' file
do
  python "${PROJECT_DIR}/tests/syntax_lint.py" "${file}" > /dev/null
done

顺带一提,仓库里遗留的 .travis.yml 仍然写着 python tests/syntax_lint.py(不带参数),而 syntax_lint.py 第 16 行是 p = sys.argv[1]。这条老路径现在会直接抛 IndexError。迁移到 GitHub Actions 之后,这个不一致被 run_ci.sh 的逐个传参方式盖住了——能跑,不代表一致,这也是很多老项目共有的技术债形态。

2. 它提供的是“可执行的练习”,不只是“可背诵的题”

题库真正的分水岭,在于能否把题目变成动作。以 topics/kubernetes/exercises/kustomize_common_labels/exercise.md 为例,它给的不是“Kustomize 是什么”,而是一个带前置条件的任务:

## Requirements
1. Running Kubernetes cluster
2. Kubctl version 1.14 or above

## Objectives
1. Write a kustomization.yml file that will add to both the Service and Deployment the label "team-name: aces"
2. Execute a kustomize command that will generate the customized k8s files with the label appended

答案单独放在 solution.md 里,给出 commonLabels 配置和 kubectl apply -k someApp。这种“题目 + 目录内可运行资源 + 分离的答案”结构,才是 41 个 AWS 练习、7 个 Argo 练习能持续被使用的理由。

Kubernetes 集群架构练习示意图:左侧为 Control Plane 及其三组控制面组件,右侧为 Workers 节点,用于配合集群架构类练习

同一个思路也体现在 prepare_for_interview.md 的方法论里——它建议把招聘要求逐条翻译成场景:

"Knowledge in CI/CD" -> Scenario: create a CI/CD pipeline for a project. "Experience with provisioning servers" -> Scenario: provision a server.

这套“要求 → 场景 → 动手”的映射,是纯问答清单给不了的,也是它比 2019 年那批“必备面试题”更耐用的部分。

3. 结构化 + 多语言,让它天然适合被二次分发

README.md 有 4150 行,README-zh_CN.md 3618 行,另有 README-pt-BR.md 与配套的 CONTRIBUTING-pt-BR.md、faq-pt-BR.md、credits-pt-BR.md。全仓 295 个 Markdown 文件、2100 多条结构化题目,全部是纯文本、无构建依赖、<details> 包裹、路径稳定。

对任何做内容聚合、搜索索引或语料清洗的系统来说,这都是低成本高回报的输入。这也解释了一个现象:情报里那批以 gitblog_00xxx 命名的仓库解读文章,能在同一时间段批量出现,且标题结构高度相似(“深入 X 的 Y:从 A 到 B”)。它们不是被这个项目“吸引”来的,而是被它的可解析性吸引来的。

「被引用」与「被需要」的区别

把上面的事实放在一起,两种状态的差别就清楚了。

被引用的特征是:引用一个符号,不校验它。2624 这个数字被搬运了三年,没人去跑一遍 count_questions.sh;FAQ 里“大多数题没有答案”被当成事实转述,没人去数那 360/444。

被需要的特征是:有人真的在其中完成任务。判据也很具体:

  • 是否有人往 topics/*/exercises/*/ 里提交新的 exercise.md 与 solution.md,而不是只往主 README 里加问答;
  • 是否有人跑 scripts/run_ci.sh 之后再提 PR,而不是让 <details> 标签错配流进主干;
  • 是否有人用 scripts/question_utils.py 的 get_random_question(with_answer=True) 做抽题,而不是把整个 README 复制成 PDF。

一个可以佐证的细节:get_answered_questions() 的实现要求 <summary> 与 <b> 同时非空才计入“已答”——

if (
        summary_match
        and b_match
        and summary_match.group(1).strip()
        and b_match.group(1).strip()
):
    answered.append(summary_match.group(1))

这条判定让“空 <b></b>”无法冒充答案,也让覆盖率统计有了可信口径。能被这样度量的项目,才谈得上被需要。 反之,只被引用的项目,度量永远是别人嘴里的那个数字。

这次回温真正说明了什么

2019 年的问答体在 2026 年重新获得流量,不是什么怀旧,也不是题库本身变强了。它说明的是三件事同时发生:

第一,问答体是最抗衰减的内容格式。它不依赖版本号,不依赖截图,不依赖某个工具的具体 UI;What is DevOps? 这个问题在 2019 年和 2026 年的答案结构几乎没变。

第二,结构化内容会被自动化系统优先选中。<details>/<summary>/<b> 这套约定,本意是让 GitHub 折叠显示更清爽,副作用是让整个仓库变成了半结构化数据集。这是它被批量解读的根本原因。

第三,叙事滞后会制造虚假的热度。“2624 道题”“大多数题没有答案”这类表述,因为长期未被修正,反而成了稳定的传播锚点。任何引用者只要复读它,就能获得一个看起来权威的数字——而仓库的真实状态(2654 条、81% 有答案、60 个可执行练习)反而没人提。

所以判断一个老题库是否值得投入,不该看它被转了多少次,而该看三个能自己验证的指标:题量与统计脚本是否一致、答案覆盖率是否被真实度量、练习目录是否还在增长。这三件事,都可以在这个仓库里用几行命令跑出来,不需要相信任何一篇二手解读。

至于“这次回温有点反常”——反常的从来不是回温本身,而是回温的对象已经和被描述的对象不是同一个东西了。

登录后查看全文
devops-exercises