3. 故障域基础理论：故障域定义、单集群故障域模型、跨集群故障域扩展模型、故障隔离边界

3.1 故障域定义与核心概念

故障域（Fault Domain）是分布式系统中一组共享单一故障点的资源集合。当该故障点失效时，集合内所有资源均不可用。在多集群管理场景中，故障域是版本漂移校准的基础分析单元——校准操作必须明确每个版本变更所影响的故障域范围。

3.2 单集群故障域模型

单集群内部通常采用分层故障域模型，从底层硬件到上层服务逐层隔离。以下为 Kubernetes 集群的标准故障域层次结构：

3.3 跨集群故障域扩展模型

当管理多个集群时，故障域模型需要扩展为多维矩阵。每个集群自身是一个故障域，同时集群之间还存在网络、认证、数据同步等共享故障点。

3.4 故障隔离边界

故障隔离边界是故障域理论中最关键的工程概念——它定义了故障传播的终止点。在多集群版本漂移校准中，隔离边界决定了校准操作的“安全范围”。

3.5 故障域与版本漂移校准的映射关系

版本漂移校准操作必须与故障域模型严格对齐。以下表格总结了不同故障域层级下的校准策略：

3.6 故障域理论在排障路径中的应用

在跨集群版本漂移排障中，故障域理论提供以下核心指导：

1. 故障定位：根据漂移现象（如版本不一致告警）反向推导故障域边界，缩小排查范围。
2. 影响评估：确定漂移所在的故障域层级，评估受影响的服务和用户范围。
3. 校准决策：选择与故障域半径匹配的校准策略，避免过度回滚。
4. 证据固定：在故障域边界处留存版本快照、配置差异、网络状态等证据。
5. 隔离验证：确认校准操作后故障域边界是否恢复，漂移是否被有效隔离。