首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >云原生进阶之路:K8s 应用架构师从集群搭建到高可用架构

云原生进阶之路:K8s 应用架构师从集群搭建到高可用架构

原创
作者头像
资源大佬 jzit-top
发布于 2026-11-13 16:50:20
发布于 2026-11-13 16:50:20
1310
举报

K8s 架构师的核心能力不是"会装集群",而是把可用性目标(SLO)翻译成副本数、调度约束、故障域和应急流程。本文按"集群基线 → 工作负载 → 网络入口 → 存储 → 高可用 → 上线运维"的工程主线展开。

一、集群搭建:先定基线,再谈高可用

生产集群起步建议 3 控制面 + N 工作节点,控制面跨可用区部署,etcd 与 API Server 同机(stacked etcd)。用 kubeadm 初始化时关闭 Swap、配置 cgroupdriver=systemd,并显式声明 controlPlaneEndpoint 指向 VIP/LB,为后续扩容留口:

代码语言:javascript
复制
apiVersion: kubeadm.k8s.io/v1beta3
kind: ClusterConfiguration
kubernetesVersion: v1.30.0
controlPlaneEndpoint: "k8s-vip.internal:6443"
networking:
  podSubnet: "10.244.0.0/16"
  serviceSubnet: "10.96.0.0/12"
apiServer:
  extraArgs:
    audit-log-path: /var/log/kubernetes/audit.log
    audit-log-maxage: "30"
etcd:
  local:
    dataDir: /var/lib/etcd

基线必做:审计日志开启、RBAC 最小权限、准入控制(PodSecurity restricted)、镜像仓库白名单、kubelet 资源预留(system-reserved),否则节点资源耗尽时系统组件会被 OOM 杀掉。

二、工作负载:副本、探针、PDB、HPA 四件套

高可用的第一层是冗余 + 快速摘除故障实例。探针决定流量是否进入,PDB 决定滚动升级/驱逐时最少存活数,HPA 决定容量弹性:

代码语言:javascript
复制
apiVersion: apps/v1
kind: Deployment
metadata:
  name: order-api
spec:
  replicas: 4
  strategy:
    rollingUpdate: { maxUnavailable: 0, maxSurge: 1 }
  selector:
    matchLabels: { app: order-api }
  template:
    metadata:
      labels: { app: order-api }
    spec:
      topologySpreadConstraints:
      - maxSkew: 1
        topologyKey: topology.kubernetes.io/zone
        whenUnsatisfiable: DoNotSchedule
        labelSelector:
          matchLabels: { app: order-api }
      containers:
      - name: app
        image: registry.internal/order-api:1.4.2
        ports: [{ containerPort: 8080 }]
        readinessProbe:
          httpGet: { path: /healthz/ready, port: 8080 }
          periodSeconds: 5
        livenessProbe:
          httpGet: { path: /healthz/live, port: 8080 }
          initialDelaySeconds: 15
        resources:
          requests: { cpu: "500m", memory: "512Mi" }
          limits:   { memory: "1Gi" }
---
apiVersion: policy/v1
kind: PodDisruptionBudget
metadata: { name: order-api-pdb }
spec:
  minAvailable: 3
  selector:
    matchLabels: { app: order-api }

要点:maxUnavailable: 0 保证升级不掉容量;readiness 与 liveness 必须分离(就绪探针查依赖,存活探针只查进程自身),否则依赖抖动会引发全量重启雪崩;topologySpreadConstraints 把副本打散到多可用区。

三、网络与入口:把单点挡在集群外

内部用 Service + NetworkPolicy 做东西向隔离,外部用 Gateway API/Ingress 统一入口,并在入口层做多副本 + 跨区:

代码语言:javascript
复制
apiVersion: networking.k8s.io/v1
kind: NetworkPolicy
metadata: { name: order-api-allow }
spec:
  podSelector:
    matchLabels: { app: order-api }
  ingress:
  - from:
    - namespaceSelector: { matchLabels: { name: gateway } }
    ports: [{ protocol: TCP, port: 8080 }]
  policyTypes: [Ingress]

默认拒绝 + 白名单放行是生产网络的基线。Ingress Controller 至少 2 副本并反亲和,证书用 cert-manager 自动轮换。

四、存储与有状态应用

无状态服务随意漂移,有状态服务必须用 StatefulSet + 稳定网络标识 + 动态 PVC,并选支持多副本的存储类(如 Ceph RBD、云盘 CSI):

代码语言:javascript
复制
apiVersion: apps/v1
kind: StatefulSet
metadata: { name: kafka }
spec:
  serviceName: kafka-headless
  replicas: 3
  selector:
    matchLabels: { app: kafka }
  template:
    metadata: { labels: { app: kafka } }
    spec:
      affinity:
        podAntiAffinity:
          requiredDuringSchedulingIgnoredDuringExecution:
          - labelSelector:
              matchLabels: { app: kafka }
            topologyKey: kubernetes.io/hostname
      containers:
      - name: kafka
        image: bitnami/kafka:3.7
        volumeMounts:
        - { name: data, mountPath: /bitnami/kafka }
  volumeClaimTemplates:
  - metadata: { name: data }
    spec:
      accessModes: [ReadWriteOnce]
      storageClassName: csi-ssd
      resources: { requests: { storage: 100Gi } }

五、高可用:故障域、备份与演练

高可用 = 多副本 + 多故障域 + 可恢复。控制面 etcd 定期快照并异地存放,这是最后一道防线:

代码语言:javascript
复制
ETCDCTL_API=3 etcdctl --endpoints=https://127.0.0.1:2379 \
  --cacert=/etc/kubernetes/pki/etcd/ca.crt \
  --cert=/etc/kubernetes/pki/etcd/server.crt \
  --key=/etc/kubernetes/pki/etcd/server.key \
  snapshot save /backup/etcd-$(date +%F).db

恢复演练必须定期做:删一个控制面节点、杀掉一个可用区、注入网络分区,验证 PDB 生效、副本自动重建、etcd 仍能选主。没演练过的高可用等于没有高可用。

六、上线:GitOps 与可观测

用 ArgoCD 做声明式发布,集群状态以 Git 为唯一事实源,回滚即 revert:

代码语言:javascript
复制
apiVersion: argoproj.io/v1alpha1
kind: Application
metadata: { name: order-api, namespace: argocd }
spec:
  project: default
  source:
    repoURL: https://git.internal/platform.git
    path: apps/order-api/overlays/prod
    targetRevision: main
  destination:
    server: https://kubernetes.default.svc
    namespace: prod
  syncPolicy:
    automated: { prune: true, selfHeal: true }

可观测三件套缺一不可:metrics(Prometheus + SLO 告警)、logs(集中采集带 trace_id)、traces(OpenTelemetry)。告警只对用户可感知的 SLO 报警,避免噪音淹没真故障。

结语

K8s 应用架构师的进阶路径是:基线稳固的集群 → 冗余可摘除的工作负载 → 隔离清晰的网络入口 → 有状态可靠存储 → 可演练的高可用 → GitOps 与 SLO 驱动的运维。高可用从来不是某个组件的开关,而是故障域设计、容量冗余和恢复流程三者的乘积。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

目录
  • 一、集群搭建:先定基线,再谈高可用
  • 二、工作负载:副本、探针、PDB、HPA 四件套
  • 三、网络与入口:把单点挡在集群外
  • 四、存储与有状态应用
  • 五、高可用:故障域、备份与演练
  • 六、上线:GitOps 与可观测
  • 结语
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档