2. Kubernetes 控制面蓝图基础：控制面组件及其SLO指标
Kubernetes 控制面（Control Plane）是集群的“大脑”，负责全局决策与状态协调。在 SLO 违约准入门禁体系中，控制面组件的健康度与性能指标是判定是否触发准入拦截的核心依据。本章深入解析四大核心组件——API Server、etcd、Scheduler、Controller Manager——的职责、交互关系及其关键 SLO 指标。
2.1 控制面组件架构总览
控制面组件通常部署在专用 Master 节点上，通过 gRPC、HTTPS 及内部事件通道协同工作。下图展示了组件间的核心数据流与依赖关系：
关键认知：API Server 是控制面的“门面”，所有组件（包括外部客户端）均通过 API Server 与集群交互。etcd 是唯一的状态存储后端，Scheduler 与 Controller Manager 通过 API Server 监听资源变化并执行相应逻辑。
2.2 核心组件详解与SLO指标
每个控制面组件都有其特定的职责与性能敏感点。下表汇总了四大组件的功能定位、关键 SLO 指标及其在准入决策中的权重：
| 组件 | 核心职责 | 关键 SLO 指标 | 指标含义 | 典型阈值 |
|---|---|---|---|---|
| API Server | RESTful API 网关、认证授权、资源验证、etcd 代理 | 请求延迟 (P99) 错误率 (5xx) 吞吐量 (QPS) |
99% 的请求在阈值内完成；HTTP 5xx 占比；每秒处理请求数 | P99 < 1s 错误率 < 0.1% QPS > 5000 |
| etcd | 分布式键值存储、集群状态持久化、强一致性保障 | 写入延迟 (P99) Leader 变更次数 DB 大小 |
99% 的写入操作延迟；选举频率；存储容量使用率 | P99 < 10ms 变更/小时 < 1 DB < 8GB |
| Scheduler | Pod 调度决策、资源匹配、亲和性/反亲和性计算 | 调度延迟 (P99) 调度队列深度 失败调度率 |
从 Pod 创建到绑定节点的延迟；等待调度的 Pod 数量；调度失败占比 | P99 < 5s 队列深度 < 100 失败率 < 1% |
| Controller Manager | 运行控制器循环（Deployment、ReplicaSet、Node 等） | 控制器同步延迟 (P99) 工作队列深度 错误循环次数 |
控制器从检测到变化到完成调谐的延迟；待处理任务数；持续失败的控制循环 | P99 < 30s 队列深度 < 50 错误循环 < 5 |
准入拦截关注点：当 API Server 的请求延迟 P99 超过 2s 或错误率超过 1% 时，通常意味着控制面已处于过载或异常状态，此时应触发 SLO 违约准入门禁，拒绝新的变更请求以防止集群进一步恶化。etcd 的 Leader 频繁变更（脑裂风险）是最高优先级的违约信号。
2.3 组件间依赖与故障传播
控制面组件并非孤立运行，它们之间存在强依赖关系。理解依赖链有助于定位 SLO 违约的根因：
- API Server → etcd：API Server 的所有读写操作最终都依赖 etcd。etcd 延迟升高会直接导致 API Server 响应变慢。
- Scheduler → API Server：Scheduler 通过 API Server 获取未调度的 Pod 列表，并将绑定决策写回 API Server。API Server 不可用将导致调度停滞。
- Controller Manager → API Server：控制器通过 API Server 监听资源变化并更新状态。API Server 过载会导致控制器循环延迟增加。
- kubelet → API Server：工作节点上的 kubelet 定期向 API Server 上报心跳与状态。API Server 故障会导致节点状态更新延迟，进而触发 Controller Manager 的节点驱逐逻辑。
下图展示了组件依赖链与故障传播路径：
2.4 SLO指标采集与监控
在准入门禁系统中，SLO 指标的实时采集是决策基础。推荐使用以下工具链：
- Prometheus + Metrics Server：采集 API Server 请求延迟、etcd 写入延迟、Scheduler 调度延迟等指标。
- kube-state-metrics：暴露控制器工作队列深度、错误循环次数等状态指标。
- etcd 内置 metrics：通过
/metrics端点暴露 Leader 变更次数、DB 大小、磁盘 fsync 延迟。
实践建议：在准入门禁系统中，建议将 SLO 指标采集间隔设置为 15s，并使用滑动窗口（如 5 分钟）计算违约状态，避免瞬时抖动导致误拦截。对于 etcd 的 Leader 变更，一旦检测到变更事件，应立即触发准入拦截，无需等待窗口期。
2.5 准入决策中的SLO权重
不同组件的 SLO 违约对集群稳定性的影响程度不同。在准入门禁系统中，建议按以下优先级进行决策：
- etcd 健康度（权重 40%）：etcd 是状态一致性的基石，Leader 变更或写入延迟超标应直接拦截。
- API Server 可用性（权重 30%）：API Server 是控制面入口，错误率或延迟超标应拦截变更请求。
- Scheduler 调度能力（权重 20%）：调度延迟超标可能导致 Pod 长时间 Pending，但可容忍短暂波动。
- Controller Manager 调谐效率（权重 10%）：控制器循环延迟通常影响修复速度，非紧急情况下可降级处理。
通过上述权重体系，准入门禁系统可以量化计算“控制面健康评分”，当评分低于阈值时自动阻断变更操作，从而保护集群免受 SLO 违约期间的进一步冲击。