Kubernetes 最佳实践#
按集群建设、应用交付和运行故障查找实践。涉及变更时，先核对目标集群、兼容性、容量与恢复条件；通用输入和验收要求见 实践约定。
架构设计#
| 适用场景 | 关键约束 | 对应实践 |
|---|---|---|
| 新建或接手生产集群 | 控制面高可用、网络与存储规划、运维责任 | 架构、自建高可用集群、EKS 集群、GKE 集群 |
| 多团队共享集群 | 身份边界、命名空间隔离、配额与调度约束 | 访问控制、安全加固、调度与资源 |
| 设计网络与有状态服务 | 服务连通性、存储拓扑、写入者隔离 | 网络、有状态应用、写入隔离、etcd |
部署交付#
| 适用场景 | 关键约束 | 对应实践 |
|---|---|---|
| 交付应用与平台组件 | 健康检查、资源预算、组件配置与业务验收 | 工作负载、组件目录、组件生产配置、平台交付项目 |
| 管理多环境配置与密钥 | 期望状态的管理者唯一、密钥与配置分离 | Kustomize、Argo CD、Flux、外部密钥 |
| 蓝绿、金丝雀与分批发布 | 新旧版本兼容、流量归属、回滚条件 | 部署策略、真实业务基线、渐进发布 |
| 受限环境与供应链交付 | 镜像来源、签名、离线依赖与策略执行 | 供应链、离线交付、Kyverno 策略 |
运行维护#
| 适用场景 | 关键约束 | 对应实践 |
|---|---|---|
| 升级集群、节点与扩展组件 | 版本兼容、可驱逐容量、证书与恢复窗口 | 自建集群升级、节点与证书、Operator 运维 |
| 监控、日志与弹性容量 | 业务指标、扩容信号、依赖容量与成本归属 | 监控、日志、事件驱动扩容、节点扩容、团队成本 |
| 备份与恢复 | 对象、卷和数据库的一致性，恢复后的业务验证 | Velero、卷快照、etcd 运维 |
| 裸金属与多集群运维 | 入口可用性、存储故障域、跨集群状态边界 | 裸金属入口、Ceph 存储、多集群 |
故障处理#
| 适用场景 | 关键约束 | 对应实践 |
|---|---|---|
| Pod 无法启动或未就绪 | 先保留事件和上次容器日志，再调整配置 | 按现象检查、生产排障 |
| 服务超时或数据库不可达 | 从实际工作负载网络逐跳定位 | 集群网络、数据库连接排障 |
| 发布后业务异常 | 区分代码、配置与数据变更，验证恢复结果 | 发布异常入口、发布策略 |
其他专项：运行时检测、GPU 批任务、企业应用项目。具体命令、版本要求与 Hands-on 见对应正文。
本文缩写（英文全称与中文含义）
| 缩写 | 英文全称／名称 | 中文含义 |
|---|---|---|
| CRD | Custom Resource Definition | Kubernetes 自定义资源定义 |
| EKS | Elastic Kubernetes Service | AWS 托管 Kubernetes 服务 |
| GKE | Google Kubernetes Engine | Google 托管 Kubernetes 服务 |
| GPU | Graphics Processing Unit | 图形处理器 |
| RBAC | Role-Based Access Control | 基于角色的访问控制 |