1. 灾备概述：Argo CD 灾备的重要性、灾备与高可用的区别、本课程学习目标与适用场景
1.1 为什么 Argo CD 需要灾备？
Argo CD 作为 Kubernetes 生态中事实标准的 GitOps 引擎，承载着整个应用交付生命周期的状态管理。一旦 Argo CD 控制面发生灾难性故障（如 etcd 数据损坏、集群元数据丢失、Region 级中断），将直接导致以下后果：
- 应用同步停滞：所有依赖 Argo CD 的应用无法执行 Sync、Refresh 或 Prune 操作。
- 状态感知丢失：Argo CD 无法追踪集群中应用的实时状态，健康检查与自动修复机制失效。
- 审计与合规缺口：Application/AppProject 的 CRD 历史记录丢失，无法追溯变更。
- 恢复成本激增：手动重建 Argo CD 实例、重新注册集群、重新导入 Application 的 RTO（恢复时间目标）可能长达数小时。
常见误区：很多团队认为 Argo CD 本身部署了多个副本就具备了灾备能力。实际上，多副本仅解决计算层高可用，底层 etcd 数据损坏或配置丢失仍会导致完全不可用。
1.2 灾备 vs 高可用：核心差异
| 维度 | 高可用 (HA) | 灾备 (DR) |
|---|---|---|
| 目标 | 消除单点故障，保证服务持续可用 | 在灾难发生后快速恢复服务与数据 |
| 范围 | 通常在同一数据中心/可用区 | 跨可用区、跨地域或跨集群 |
| RTO | 秒级至分钟级（自动故障转移） | 分钟级至小时级（手动或半自动恢复） |
| RPO | 零或接近零（实时复制） | 分钟级至小时级（定期备份） |
| 典型手段 | 多副本、负载均衡、健康检查 | 数据备份、异地恢复、切换演练 |
| Argo CD 场景 | Argo CD 多副本 + Redis Sentinel | etcd 快照 + Application CRD 导出 + 异地重建 |
关键认知：高可用是灾备的前提，但高可用不能替代灾备。一个跨 AZ 部署的 Argo CD HA 集群，如果遭遇 etcd 数据损坏或误删除，仍然需要灾备方案来恢复。
1.3 Argo CD 灾备的核心挑战
- 状态数据分散：Argo CD 的状态不仅存储在 etcd 中，还包含 Redis 缓存、集群 Secret、Git 仓库凭证等。
- CRD 依赖：Application、AppProject、ApplicationSet 等 CRD 是灾备恢复的核心资产，但 CRD 本身与 Argo CD 版本强绑定。
- 集群注册信息：每个受管集群的 kubeconfig 和凭证需要安全备份与恢复。
- 配置漂移：灾备恢复后，Argo CD 与受管集群之间的状态可能不一致，需要准入策略来校验。
1.4 本课程学习目标
| 目标编号 | 学习目标 | 对应章节 |
|---|---|---|
| G1 | 理解 Argo CD 灾备的完整架构与数据依赖关系 | 第 2-4 章 |
| G2 | 掌握 etcd 快照、CRD 导出、Secret 备份的实操方法 | 第 5-8 章 |
| G3 | 设计并实现跨集群/跨地域的灾备恢复流程 | 第 9-12 章 |
| G4 | 构建灾备准入策略，防止恢复后的配置漂移 | 第 13-18 章 |
| G5 | 掌握灾备演练与故障排查的标准化方法 | 第 19-24 章 |
| G6 | 通过架构评审清单，评估现有 Argo CD 部署的灾备成熟度 | 第 25-30 章 |
1.5 适用场景与目标学员
适用场景：
- 生产环境 Argo CD 实例的灾备方案设计与实施
- 跨可用区/跨地域的 GitOps 多集群架构评审
- 灾备恢复后的准入策略与一致性校验
- SRE 团队对 Argo CD 进行故障排查与应急响应
| 角色 | 预期收益 |
|---|---|
| SRE / 平台工程师 | 掌握 Argo CD 灾备的完整技术栈与恢复流程 |
| 云原生架构师 | 获得跨集群灾备架构设计与评审能力 |
| 安全与合规工程师 | 理解灾备场景下的准入策略与审计要求 |
| Kubernetes 运维人员 | 能够独立完成 Argo CD 的备份、恢复与演练 |
前置要求：建议学员具备 Argo CD 基础操作经验（Application/AppProject 管理）、Kubernetes 集群管理能力，以及基本的 GitOps 概念理解。