1. 课程导论：云原生网关概述、Helm 部署的价值、资源配额模型的重要性

1.1 云原生网关概述

云原生网关是微服务架构与 Kubernetes 生态的流量入口，承担着路由转发、负载均衡、认证鉴权、限流熔断、可观测性等核心职责。与传统 API 网关（如 Nginx、Kong）不同，云原生网关深度集成 Kubernetes 原生资源（Ingress、Service、Endpoint），并利用 Sidecar 或独立控制面实现动态配置热更新。

当前主流云原生网关包括：

1.2 Helm 部署的价值

Helm 是 Kubernetes 的包管理工具，通过 Chart 将应用的所有 Kubernetes 资源（Deployment、Service、ConfigMap、HPA 等）打包为一个可版本化、可配置、可复用的发布单元。对于云原生网关这类包含多个组件（控制面、数据面、监控、CRD）的复杂系统，Helm 部署带来以下核心价值：

• 声明式配置管理： 通过 values.yaml 集中管理网关的所有配置参数，避免手动编写数十个 YAML 文件。
• 版本化与回滚： helm upgrade --history-max 10 保留发布历史，支持快速回滚到任意历史版本。
• 环境差异化： 通过 -f values-dev.yaml / -f values-prod.yaml 实现开发、测试、生产环境的配置隔离。
• 依赖管理： 自动处理网关依赖的 CRD、RBAC、存储类等前置资源。
• 标准化交付： 团队内部统一使用 Helm Chart 部署网关，降低运维认知负担。

1.3 资源配额模型的重要性

云原生网关作为集群流量的核心枢纽，其资源配额（CPU、内存、Pod 副本数、HPA 阈值、PVC 大小等）直接决定网关的稳定性、吞吐能力和成本。资源配额模型是指在 Helm Chart 中定义的一组可配置的资源参数体系，它包含以下关键维度：

• 计算资源： requests 与 limits 的 CPU/内存配置，影响调度与 QoS 等级。
• 副本与弹性： 最小/最大副本数、HPA 目标 CPU 利用率、滚动更新策略。
• 存储资源： 日志卷、缓存卷、证书卷的 PVC 大小与存储类。
• 网络资源： 端口映射、负载均衡器规格、带宽限制（CNI 层面）。
• 控制面资源： 控制面组件的资源配额，避免控制面被数据面挤占。

一个典型的 Helm values.yaml 资源配额配置片段如下：

# 网关数据面资源配额
gateway:
  replicaCount: 3
  resources:
    requests:
      cpu: "500m"
      memory: "512Mi"
    limits:
      cpu: "1000m"
      memory: "1Gi"
  autoscaling:
    enabled: true
    minReplicas: 3
    maxReplicas: 10
    targetCPUUtilizationPercentage: 70
  persistence:
    enabled: true
    size: "10Gi"
    storageClass: "gp2"

# 控制面资源配额
controller:
  resources:
    requests:
      cpu: "200m"
      memory: "256Mi"
    limits:
      cpu: "500m"
      memory: "512Mi"

资源配额模型的重要性体现在三个层面：