Kubernetes 运维指南

解决的问题

线上 Kubernetes 集群的故障，往往不是集群本身不稳定，而是部署清单里漏掉了几个关键配置：容器以 root 运行、没设 resource requests/limits 导致节点资源争抢、镜像用 latest 标签回滚困难、Secret 明文塞进 ConfigMap、关键业务没有配置 PodDisruptionBudget。这个技能把高频问题整理成一套可对照的审查流程，帮助工程师在发布前发现问题，而不是等故障发生后救火。

核心能力

技能按三个层次组织内容：

• 清单审查：检查 Deployment Manifest 是否设置了资源请求与限制、是否用拓扑分布约束保证高可用
• Helm 结构：审查 Chart 结构是否包含 HorizontalPodAutoscaler、是否按 staging/production 拆分 values 文件
• 排障参考：提供常用 Troubleshooting Commands 指引
• 反模式清单：列出 root 运行容器、资源缺失、latest 标签、缺失 PDB、Secret 存放错误、忽略 pod anti-affinity 等典型坏味道
• 上线检查表：覆盖探针配置、NetworkPolicies 命名空间隔离、生产环境 PDB 等 8 项检查

适用边界

• 本质是静态审查与知识参考，不能替代 kubectl 实时观测或 CI/CD 自动化门禁
• 清单条目是通用基线，需按集群版本与合规要求调整
• 排障命令建议先在测试环境验证