云原生高可用：从 HPA 到服务网格的落地指南

基础稳定性

  • 就绪/存活探针：readiness 探针确保流量仅打到健康实例；liveness 防止死锁。
  • PDB/优雅终止：配置 PodDisruptionBudget，terminationGracePeriodSeconds 留给服务处理。
  • 资源配额：requests/limits 必填，防止节点争抢或 OOM。

弹性伸缩

  • HPA：基于 CPU/内存或自定义指标（Prometheus Adapter），示例：
    apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata: { name: web }
spec:
  minReplicas: 2
  maxReplicas: 10
  metrics:
    - type: Resource
      resource:
        name: cpu
        target:
          type: Utilization
          averageUtilization: 65
  • VPA：推荐仅用于推荐模式，避免与 HPA 冲突；离峰评估再调 requests。

流量治理（服务网格或 Ingress）

  • 灰度与金丝雀：基于 Header/权重/用户分组分流；失败可快速回滚。
  • 熔断限流重试：Envoy/Istio/Linkerd 提供电路熔断、连接/并发/速率限制和指数退避重试。
  • 超时：合理设置上游超时，避免请求悬挂。

可观测性

  • 日志：结构化 + Trace ID，集中采集（Loki/EFK）。
  • 指标：应用层自定义指标（业务 QPS、失败率）；系统层 CPU/内存/网络/磁盘。
  • 链路追踪：OpenTelemetry + Jaeger/Tempo；网格自动注入 trace header。
  • SLO/告警：定义错误预算，PromQL 告警覆盖可用性、延迟、错误率、P95/99。

有状态与数据

  • 对 StatefulSet 使用存储类与备份策略；读写分离/副本优先级明确。
  • 数据迁移/扩容前做演练；大表/大分片操作限流或离峰。

发布与回滚

  • RollingUpdate 配合最小可用实例数；有状态场景慎用 Recreate。
  • 蓝绿/金丝雀：在网格或 Ingress 层实施；保留回滚路由。
  • 配置热更新：ConfigMap/Secret 挂载 + Reloader/自研热更新。

安全与多租户

  • NetworkPolicy 最小暴露面；Ingress 限制来源；服务间 mTLS。
  • RBAC 精简，避免 cluster-admin 滥用；镜像签名与漏洞扫描。
  • 多租户隔离：命名空间/资源配额/准入策略（OPA/Gatekeeper/Kyverno）。

操作手册（自查）

  • readiness/liveness 全覆盖，PDB 生效
  • requests/limits 已设置，HPA 指标正确
  • 灰度/熔断/限流/重试 策略已验证
  • 日志/指标/追踪 接入，关键告警就绪
  • 回滚路径清晰，演练至少跑过一次
  • 数据备份与恢复演练通过，安全基线达标