1. 课程导论：Helm 控制平面与 K8s 资源模型适配的背景、目标与整体架构

1.1 为什么需要 Helm 控制平面？

Kubernetes 原生资源模型（YAML 清单）在管理数十个微服务时，会暴露出三个核心痛点：

• 模板化缺失：每个环境（开发/预发/生产）需要复制并修改大量 YAML 字段，极易出错。
• 生命周期割裂：kubectl apply 只能做“期望状态覆盖”，无法追踪安装、升级、回滚的版本历史。
• 依赖管理空白：数据库、消息队列等基础组件与业务服务之间没有显式的安装顺序与版本约束。

Helm 通过引入 Chart 包格式 和 Tiller（v2）/ Helm SDK（v3） 控制平面，在 Kubernetes 之上构建了一层资源编排抽象。本课程将深入剖析这一控制平面的内部机制，并展示如何将其与 K8s 原生资源模型进行高效适配。

1.2 课程目标与学习路径

1.3 整体架构：Helm 控制平面与 K8s 资源模型的关系

下图展示了 Helm 控制平面的核心组件及其与 Kubernetes API Server 的交互边界。注意 v3 版本移除了服务端 Tiller，改为客户端直接通过 Kubernetes API 操作 Release 资源。

1.4 核心适配流程：从 Chart 到集群资源

Helm 将 Chart 转换为 Kubernetes 资源的过程可以分解为以下五个步骤，每一步都涉及控制平面与资源模型的深度适配：

1. Chart 加载与验证：读取 Chart.yaml，校验版本、API 版本、依赖声明。
2. Values 合并：按照 --values > --set > values.yaml 优先级合并配置。
3. 模板渲染：Go template 引擎将 Values 注入到 templates/ 目录下的 YAML 模板中。
4. 资源清单生成：渲染后的 YAML 经过格式校验，生成最终的 Kubernetes 资源清单。
5. Release 记录：将资源清单、配置、元数据打包为 Secret 存储在集群中，用于回滚与审计。

1.5 适配中的常见挑战与应对策略

1.6 课程整体架构图

为了帮助学员建立全局视角，下图展示了本课程 30 章内容的逻辑分组与学习路径：

1.7 预备知识与环境要求

为了获得最佳学习体验，建议学员具备以下基础：

• 熟悉 Kubernetes 基本概念（Pod、Deployment、Service、Namespace）。
• 了解 YAML 语法与 Go template 基础。
• 本地环境已安装 kubectl 并配置了可访问的 Kubernetes 集群（Minikube / Kind / 云托管集群均可）。