云原生技术栈实战课程

一套完整的云原生技术栈实战课程，覆盖从基础设施到生产交付的全链路实践，新增故障排查、网络原理、内核机制、架构设计、面试案例五大深度模块。

适配环境: 6节点离线K8s集群 (3 Master 2C2G + 2 Worker 4C8G)
K8s版本: v1.28.15
Harbor: 192.168.1.61:80 (HTTP)
总模块数: 35个核心模块 (00-34) + 附录 + 全链路综合实战 + 3套微服务Demo

---

📚 课程模块总览

基础架构层

模块	标题	核心内容	难度
00	基础设施准备	StorageClass、Gitea、Nexus、离线Helm、CSI存储	⭐⭐
01	K8s环境准备	内核优化、containerd、kubelet/kubeadm、Windows容器	⭐⭐
02	Harbor私有仓库	Harbor部署、镜像签名、漏洞扫描、多架构构建	⭐⭐⭐
03	容器运行时containerd	containerd配置、镜像管理、nerdctl	⭐⭐
04	K8s集群初始化	kubeadm、etcd备份、证书轮换、Velero灾备	⭐⭐⭐
15	基础设施即代码(IaC)	Terraform、Ansible、VMware Workstation/vSphere	⭐⭐⭐

网络与可观测性层

模块	标题	核心内容	难度
05	网络插件Calico	BGP/IPIP/VXLAN、高级策略、CoreDNS排查、eBPF/Cilium深入	⭐⭐⭐
06	Prometheus与Grafana监控	Thanos长期存储、SLO实践、告警路由、KEDA事件伸缩	⭐⭐⭐⭐
07	Loki日志系统	Promtail、日志告警、Trace-Log关联	⭐⭐⭐
09	OpenTelemetry与可观测性	OTel Collector、采样策略、三支柱关联、性能分析	⭐⭐⭐⭐

流量管理与服务网格

模块	标题	核心内容	难度
08	Ingress与Istio服务网格	Ingress、Istio、ExternalDNS、API Gateway选型	⭐⭐⭐⭐

中间件与数据层

模块	标题	核心内容	难度
10	Kafka消息队列KRaft	Strimzi、KRaft模式、事件驱动选型	⭐⭐⭐
11	Nacos服务注册发现	Nacos集群、配置中心、Spring Cloud集成	⭐⭐⭐

交付与运维层

模块	标题	核心内容	难度
12	ArgoCD应用交付	GitOps、Secrets管理、Argo Rollouts、PR晋升	⭐⭐⭐⭐
13	Tekton流水线	Pipeline as Code、DevSecOps、多架构CI	⭐⭐⭐⭐
16	云原生安全与合规	镜像安全、Kyverno、合规框架、安全分层	⭐⭐⭐⭐

综合实战

模块	标题	核心内容	难度
14	全链路综合实战	电商微服务、混沌工程、容量压测、弹性伸缩	⭐⭐⭐⭐⭐

前沿实践层 (2024-2025)

模块	标题	核心内容	难度
17	平台工程与多租户	IDP、Namespace as a Service、Backstage、RBAC	⭐⭐⭐⭐
18	FinOps成本优化	OpenCost、成本分摊、资源优化、预算治理	⭐⭐⭐⭐
19	AI Native与AIOps	K8s+AI、KServe、智能运维、AIOps入门	⭐⭐⭐⭐

数据层 (2025新增)

模块	标题	核心内容	难度
20	数据库Operator实战	MySQL/PostgreSQL/Redis Operator、备份恢复	⭐⭐⭐⭐

云厂商实战层 (2025新增)

模块	标题	核心内容	难度
21	主流云厂商产品实战	AWS/Azure/阿里云/腾讯云/华为云、价格对比、跨云迁移	⭐⭐⭐

LLM时代AIOps层 (2025新增)

模块	标题	核心内容	难度
22	LLM时代的AIOps实战	RAG知识库、Multi-Agent协作、私有化LLM、安全合规	⭐⭐⭐⭐

高级调度层 (2025新增)

模块	标题	核心内容	难度
23	K8s高级调度机制实战	Volcano/Gang Scheduling/Queue/GPU调度	⭐⭐⭐⭐

谷歌云大模型运维层 (2026新增)

模块	标题	核心内容	难度
24	谷歌云大模型运维全栈技术	Vertex AI/Gemini/Cloud Run/GKE推理部署、Agent运维架构、LLM成本治理	⭐⭐⭐⭐

自研大模型交付层 (2026新增)

模块	标题	核心内容	难度
25	自研大模型应用交付	GKE GPU推理服务、Token吞吐量HPA、Agent金丝雀发布、多租户隔离、可观测性体系	⭐⭐⭐⭐

国内AI平台对标层 (2026新增)

模块	标题	核心内容	难度
26	国内AI应用交付平台对标与选型	百度千帆/阿里百炼/字节火山/华为盘古/智谱AI六大平台对标、私有化vs公有云选型、成本对比、多平台统一接入	⭐⭐⭐

云厂商平台运维层 (2026新增)

模块	标题	核心内容	难度
27	AWS与GCP平台级运维实战	IAM治理、VPC网络架构、成本优化、CloudWatch/Cloud Monitoring监控告警、CloudTrail审计、多账号组织、故障自动修复	⭐⭐⭐

AI应用入职预备层 (2026新增)

模块	标题	核心内容	难度
28	AI应用公司入职预备知识	公司业务架构全景、入职第一周Checklist、OCR/大模型/文档Agent/语音外呼运维实战、故障处理流程、数据安全合规	⭐⭐⭐

故障排查与原理层

模块	标题	核心内容	难度
29	K8S故障排查与根因分析	分层诊断模型、Pod生命周期故障分类、日志聚合、排障脚本库	⭐⭐⭐⭐
30	中间件故障排查	ES/Kafka/MySQL/Nginx/Redis五件套诊断、连接池超时机制	⭐⭐⭐⭐
31	Linux系统故障排查	CPU瓶颈、内存泄漏/OOM、磁盘/文件系统、进程诊断	⭐⭐⭐⭐
32	网络协议深度解析	TCP三次握手/四次挥手、滑动窗口/拥塞控制、TIME_WAIT优化	⭐⭐⭐⭐
33	计算机基础与内核	进程调度/状态转换、CFS调度器、内存管理	⭐⭐⭐⭐
34	运维架构设计原理	容器vs虚拟机、K8S设计决策、高可用架构选型	⭐⭐⭐

面试参考

文档	说明
附录-K8S生产环境故障分类与面试案例详解	25类故障分类 + STAR-R面试模板 + 完整案例拆解

微服务Demo

Demo	路径	技术栈	内存占用	适用场景
Demo-A	mall-demo/demo-a-springboot	Spring Boot 3.2	~1.5GB	完整课程演示
Demo-B	mall-demo/demo-b-golang	Go 1.22	~300MB	资源极限环境
Demo-C	mall-demo/demo-c-hybrid	Go+Spring混合	~550MB	生产架构参考

参考资料

文档	说明
术语中英对照表	400+云原生术语中英对照，含代码注释速查

---

🎯 学习路径建议

路径一：基础运维工程师 (4-6周)

00-基础设施准备 → 01-K8s环境准备 → 02-Harbor → 03-containerd
→ 04-K8s集群初始化 → 05-Calico → 06-Prometheus监控 → 07-Loki
→ 31-Linux故障排查 → 32-网络协议 → 33-内核基础

路径二：云原生开发工程师 (6-8周)

基础层 → 08-Ingress-Istio → 10-Kafka → 11-Nacos
→ 09-OpenTelemetry → 13-Tekton → 12-ArgoCD
→ 29-K8S故障排查 → 30-中间件故障排查

路径三：平台架构师 (10-12周)

完整基础层 → 全部中间件 → 全部交付层 → 15-IaC → 16-安全合规 → 14-全链路实战
→ 17-平台工程 → 18-FinOps → 19-AI Native → 34-运维架构设计

路径四：云原生专家 (14-16周)

全部35个模块 + 3套Demo深度实践 + 附录面试案例 + 生产环境落地

路径五：多云架构师 (14-16周)

核心模块(00-19) + 21-云厂商实战 + 24-谷歌云 + 26-国内AI平台对标 + 27-AWS/GCP运维
+ 28-入职预备 → 跨云迁移实战

路径六：AI运维专家 (16-18周)

核心模块(00-19) + 22-LLM AIOps深度实践 + 24-谷歌云大模型 + 25-自研大模型交付
+ 26-国内AI平台对标 + Multi-Agent系统开发

路径七：调度与资源管理专家 (8-10周)

04-K8s初始化 → 05-Calico → 17-平台工程 → 18-FinOps → 23-高级调度 → 20-数据库Operator

路径八：故障排查与SRE (6-8周)

29-K8S故障排查 → 30-中间件故障排查 → 31-Linux故障排查 → 32-网络协议
→ 33-内核基础 → 34-架构设计 → 附录-面试案例

---

🔧 环境要求

实际硬件配置

节点类型	数量	CPU	内存	磁盘	用途
Master	3	2核	2GB	50GB	控制平面 + etcd
Harbor	1	2核	2GB	100GB	镜像仓库（独立）
Worker-1	1	4核	8GB	100GB	工作负载
Worker-2	1	4核	8GB	100GB	工作负载

总可用内存: Master 6GB + Worker 16GB = 22GB（Harbor独立不计入）

软件版本

• OS: CentOS 7.9 / Rocky Linux 8.4
• K8s: v1.28.15
• Containerd: 1.7.x
• Helm: 3.12+

网络规划

• Pod CIDR: 10.244.0.0/16
• Service CIDR: 10.96.0.0/12
• Harbor: 192.168.1.61:80
• Gitea: 192.168.1.61:3000

---

⚠️ 错峰部署指南

核心原则: 受限于总内存22GB，不可能同时运行全部组件。请按学习进度错峰部署，学完一个模块后清理再进入下一个。

资源预算总览

总可用: 22GB (3×2G Master + 2×8G Worker)
├── K8s系统组件:    ~2GB   (常驻，不可卸载)
├── Calico/Cilium:  ~1GB   (常驻，网络插件二选一)
├── 基础监控:       ~2GB   (常驻，Prometheus+Grafana)
├── 动态区域:       ~15GB  (按学习模块切换)
└── 系统保留:       ~2GB

互斥组件（不可同时部署）

组别	方案A	方案B	说明
网络插件	Calico (iptables)	Cilium (eBPF)	二选一，不可共存
服务网格	Istio Sidecar模式	Istio Ambient Mesh	二选一，可切换
南北流量	Ingress-Nginx	Gateway API	Gateway API仅CRD，可与Ingress共存

模块部署顺序与资源预估

第1-2周: 基础层（常驻 ~5GB）
├── 00-基础设施准备    →   0GB (一次性配置)
├── 01-K8s环境准备    →   0GB (一次性配置)
├── 02-Harbor         →   0GB (独立节点)
├── 03-containerd     →   0GB (一次性配置)
├── 04-K8s初始化      →   0GB (常驻系统组件)
└── 05-Calico         →   1GB (DaemonSet，常驻)
    常驻总计: ~5GB ✅

第3周: 可观测性（常驻 ~3GB）
├── 06-Prometheus     →   2GB (Worker-1)
├── 07-Loki           →   1GB (Worker-2，按需启停)
└── 09-OTel Collector →  256MB (Worker-1，常驻)
    累计: ~8GB ✅

第4周: 中间件（错峰 ~4GB）
├── 10-Kafka          →   2GB (Worker-2)
└── 11-Nacos+MySQL    →   2GB (Worker-2)
    ⚠️ 学完后删除Deployment，保留PVC数据
    释放后回到: ~8GB ✅

第5周: 服务网格（集中 ~2GB）
├── 08-Istio          →   2GB (Worker-1+Worker-2)
    ⚠️ 专门1周学习，学完后卸载Istio释放资源
    释放后回到: ~8GB ✅

第6周: CI/CD（错峰 ~2GB）
├── 13-Tekton         →   1GB (Worker-2)
└── 12-ArgoCD         →   1GB (Worker-2)
    ⚠️ 学完后删除，释放资源
    释放后回到: ~8GB ✅

第7周: 安全与IaC（轻量 ~1GB）
├── 16-安全合规        →   512MB (Falco按需)
└── 15-IaC            →   0GB (Terraform本地运行)
    累计: ~9GB ✅

第8周: 前沿实践（错峰 ~2GB）
├── 17-平台工程        →   512MB (Backstage按需)
├── 18-FinOps         →   512MB (OpenCost)
└── 19-AI Native      →   1GB (Volcano/Knative按需)
    累计: ~10GB ✅

第9-10周: 全链路实战（峰值 ~8GB）
└── 14-全链路实战      →   按需启动所有组件
    ⚠️ 峰值需要: ~15GB，需要停掉非必要组件

第11-12周: 故障排查（无额外负载）
├── 29-K8S故障排查    →   0GB (理论+实战脚本)
├── 30-中间件排查      →   0GB (诊断脚本)
├── 31-Linux排查      →   0GB (诊断脚本)
├── 32-网络协议        →   0GB (理论)
├── 33-内核基础        →   0GB (理论)
└── 34-架构设计        →   0GB (理论)
    ⚠️ 故障排查模块以理论+本地诊断脚本为主，不占用集群资源

DaemonSet组件注意事项

以下组件以DaemonSet形式运行，会占用每个节点的资源：

组件	每节点内存	3Master总计	建议
Calico Node	~200MB	600MB	✅ 可接受
Cilium Agent	~500MB	1.5GB	⚠️ Master偏紧
Tetragon	~200MB	600MB	⚠️ 建议只在Worker部署
Ambient ztunnel	~500MB	1.5GB	⚠️ 建议只在Worker部署

建议: DaemonSet类组件通过 tolerations 和 nodeSelector 限制只部署在Worker节点：

# 示例: Cilium Agent只部署在Worker
tolerations:
  - key: node-role.kubernetes.io/control-plane
    operator: Exists
    effect: NoSchedule
nodeSelector:
  node-role.kubernetes.io/worker: ""

一键清理脚本

学完一个模块后，使用清理脚本释放资源：

# 停止指定模块的所有Deployment/StatefulSet（保留PVC数据）
kubectl delete deploy,statefulset -n <namespace> --all

# 或者使用更精细的清理
kubectl scale deploy -n monitoring prometheus --replicas=0
kubectl scale deploy -n monitoring loki --replicas=0

# 查看当前资源使用
kubectl top nodes

资源监控命令

# 实时监控节点资源
watch -n 5 'kubectl top nodes'

# 查看各命名空间资源占用
kubectl top pods -A --sort-by=memory | head -20

# 查看Pod分布
kubectl get pods -A -o wide --sort-by='.spec.nodeName'

---

📦 核心特性

✅ 全离线适配

• 所有模块支持离线环境部署
• 详细的镜像预推送清单
• Helm Chart离线安装指南
• 私有仓库配置完整方案

✅ 生产级实践

• Thanos长期存储方案
• SLO与错误预算实践
• 证书自动轮换
• etcd备份与Velero灾备

✅ 安全合规

• 镜像签名(Cosign)与漏洞扫描(Trivy)
• RBAC精细化权限控制
• Secret加密管理(Sealed Secrets)
• Falco运行时安全监控
• CIS基准合规检查

✅ 可观测性三支柱

• Metrics: Prometheus + Thanos + Grafana
• Logs: Loki + Promtail
• Traces: OpenTelemetry + Tempo + Jaeger
• 关联: TraceID贯穿三支柱统一查询

✅ GitOps与DevSecOps

• ArgoCD多集群管理
• Argo Rollouts渐进式交付
• Tekton Pipeline as Code
• 安全门禁与SBOM生成

✅ 故障排查体系 (2026新增)

• 40+诊断脚本: 覆盖K8s/中间件/Linux/网络/内核五大领域
• 统一运行器: run-all.sh 一键诊断，--module 分模块运行
• 自动修复链: 磁盘满/FD耗尽/服务失败/僵尸进程/conntrack/inotify
• 告警处置: 分级/确认/自动修复/复盘/企业微信通知完整闭环
• 面试案例: 25类故障STAR-R模板 + 完整拆解

✅ 2024-2025前沿实践

• 平台工程: IDP、多租户、Backstage门户
• FinOps: OpenCost、成本治理、预算管理
• AI Native: K8s+AI、KServe、AIOps智能运维

✅ 2025-2026 LLM时代AIOps

• RAG知识库: 向量检索增强生成，运维知识问答 (模块22)
• Multi-Agent: 多Agent协作，复杂任务自动化 (模块22)
• LLM运维助手: 告警分析、日志解读、命令生成 (模块19)
• 轻量异常检测: Z-Score/IQR/移动平均，无GPU实现 (模块19)

✅ 2026技术趋势增量

• eBPF与Cilium: 替代iptables/Calico，统一网络/安全/可观测数据面 (模块05)
• Sidecarless服务网格: Ambient Mesh/Kmesh，资源节省80% (模块08)
• Gateway API: 替代Ingress，多团队原生支持 (模块08)
• AI调度(Volcano): Agent编排、跨集群AI任务调度 (模块19)
• Serverless融合: Knative伸缩至零，低频服务成本优化 (模块19)

---

📋 CKA/CKS考点覆盖

考试	覆盖模块	核心考点
CKA	01, 04, 05, 06, 07, 08, 29, 31, 32	集群安装、网络、存储、故障排查、Linux排查
CKS	02, 04, 08, 09, 16, 29	镜像安全、RBAC、NetworkPolicy、审计日志、Falco、故障排查

---

📖 使用指南

1. 前置准备

每个模块都包含离线前置准备章节，请按顺序执行：

1. 镜像预推送到Harbor
2. Helm Chart下载
3. 二进制文件准备
4. 环境检查

2. 按模块学习

建议按模块顺序学习，每个模块包含：

• 架构图与核心概念
• 离线前置准备
• 实战部署步骤
• 验证与测试
• 故障排查案例
• CKA/CKS考点
• 高频面试题

3. 故障排查脚本

troubleshoot-scripts/ 目录提供完整的诊断脚本体系：

cd troubleshoot-scripts

# 运行全部诊断（只读安全）
bash run-all.sh

# 按模块运行
bash run-all.sh --module os         # 系统诊断 (31-linux)
bash run-all.sh --module network    # 网络诊断 (32-network)
bash run-all.sh --module kernel     # 内核诊断 (33-kernel)
bash run-all.sh --module k8s        # K8S诊断 (29-k8s)
bash run-all.sh --module middleware # 中间件诊断 (30-middleware)
bash run-all.sh --module daily      # 日常巡检 (36-daily)

# 运行单个脚本
bash run-all.sh --script check-cpu

# 操作类模块（需传参，有副作用）
bash run-all.sh --module deploy     # ⚠️ 版本发布
bash run-all.sh --module alert      # 告警处置

4. 快速开始

# 1. 克隆课程仓库(在Gitea上)
git clone http://192.168.1.61:3000/demo/cloud-native-course.git
cd cloud-native-course

# 2. 按顺序执行模块
# 从 00-基础设施准备.md 开始

---

📚 参考资源

• Kubernetes官方文档
• OpenTelemetry官方文档
• Istio官方文档
• Prometheus官方文档
• ArgoCD官方文档

---

🤝 贡献指南

欢迎提交Issue和PR来改进课程内容：

1. 发现错误或不清晰的地方
2. 补充更多故障排查案例
3. 增加新的生产实践场景
4. 优化离线部署流程

---

📝 更新日志

v5.0 (2026-07) - 故障排查与原理层完整版

• ✅ 新增模块29: K8S故障排查与根因分析 (分层诊断模型/故障分类/排障脚本库)
• ✅ 新增模块30: 中间件故障排查 (ES/Kafka/MySQL/Nginx/Redis五件套)
• ✅ 新增模块31: Linux系统故障排查 (CPU/内存/磁盘/进程诊断)
• ✅ 新增模块32: 网络协议深度解析 (TCP/UDP/握手挥手/拥塞控制)
• ✅ 新增模块33: 计算机基础与内核 (进程调度/内存管理/CFS)
• ✅ 新增模块34: 运维架构设计原理 (容器vs虚拟机/K8S设计决策)
• ✅ 新增附录: K8S生产环境故障分类与面试案例详解 (25类故障+STAR-R模板)
• ✅ 新增 troubleshoot-scripts/ 诊断脚本体系 (40+脚本/统一运行器/自动修复)
• ✅ README补全模块29-34及附录，修正计数和过期引用
• ✅ 新增学习路径八: 故障排查与SRE

v4.2 (2025-01) - 新增LLM时代AIOps模块

• ✅ 新增模块22: LLM时代的AIOps实战 (RAG知识库/Multi-Agent/私有化LLM)
• ✅ 新增模块23: K8s高级调度机制实战 (Volcano/Gang Scheduling/GPU调度)
• ✅ 增强模块19: 新增LLM运维助手、轻量异常检测、AI Agent实战
• ✅ 新增学习路径六: AI运维专家
• ✅ 所有AI相关内容无需GPU，使用云端LLM API即可实现
• ✅ 调度机制演示全部使用CPU Pod，无需GPU硬件

v4.1 (2025-01) - 新增云厂商实战模块

• ✅ 新增模块21: 主流云厂商产品实战 (AWS/Azure/阿里云/腾讯云/华为云)
• ✅ 包含完整价格对比表（季度更新机制）
• ✅ 跨云迁移策略与多云管理工具

v4.0 (2025-01) - 企业实践覆盖度提升至95%

• ✅ 新增模块20: 数据库Operator实战 (MySQL/PostgreSQL/Redis)
• ✅ 模块00新增: CSI存储驱动实战 (Longhorn离线部署)
• ✅ 模块01新增: Windows容器支持概述
• ✅ 模块02新增: 多架构镜像构建 (docker buildx)
• ✅ 模块05新增: Calico高级网络策略 + CoreDNS故障排查
• ✅ 模块08新增: ExternalDNS自动DNS + API Gateway选型
• ✅ 模块09新增: 持续性能分析 (Pyroscope/Parca)
• ✅ 模块10新增: 事件驱动技术选型 (Kafka/NATS/RabbitMQ/CloudEvents)
• ✅ 模块12新增: GitOps PR晋升工作流
• ✅ 模块13新增: 多架构CI流水线
• ✅ 模块14新增: 混沌工程中止条件 + Cluster Autoscaler概念
• ✅ 模块15增强: VMware Workstation完整操作指南 (基础镜像制作/Terraform生命周期管理/快速复刻)
• ✅ 模块16新增: Kyverno准入控制 + 行业合规框架 + 安全扫描分层

v3.1 (2025-01) - 2026技术趋势增量

• ✅ 模块05新增: eBPF与Cilium趋势章节 (Cilium部署/Hubble/Tetragon)
• ✅ 模块08新增: Sidecarless服务网格 (Ambient Mesh/Kmesh)
• ✅ 模块08新增: Gateway API实战 (替代Ingress方案)
• ✅ 模块19新增: Volcano AI调度 + Knative Serverless融合

v3.0 (2025-01) - 生产实践完整版

• ✅ 新增模块17: 平台工程与多租户 (2024趋势)
• ✅ 新增模块18: FinOps成本优化 (2024趋势)
• ✅ 新增模块19: AI Native与AIOps (2025趋势)
• ✅ 新增mall-demo: 3套微服务Demo (Spring/Go/混合)
• ✅ 新增GitLab CI配置和DevSecOps完整流程
• ✅ 新增SonarQube、SBOM、Trivy安全扫描

v2.0 (2025-01)

• ✅ 新增模块15: 基础设施即代码(IaC)
• ✅ 新增模块16: 云原生安全与合规
• ✅ 深度增强模块02: Harbor镜像签名与漏洞扫描
• ✅ 深度增强模块04: etcd备份、证书轮换、Velero灾备
• ✅ 深度增强模块06: Thanos长期存储、SLO实践、告警路由
• ✅ 深度增强模块09: 采样策略、三支柱关联、成本估算
• ✅ 深度增强模块12: Secrets管理、Argo Rollouts、多集群
• ✅ 深度增强模块13: Pipeline as Code、DevSecOps、多环境推广
• ✅ 深度增强模块14: 混沌工程、容量压测、FinOps

v1.0 (2024-12)

• 🎉 初始版本发布
• 14个核心模块
• 全离线环境适配

---

提示: 本课程设计为在离线环境中完整运行，所有外部依赖都已通过Harbor镜像仓库和Gitea代码仓库本地化。