📚 课程目录第1章课程导论

1. 课程导论：IDP故障域隔离概念、容器镜像依赖故障的典型场景、课程目标与演练环境说明

1.1 什么是IDP故障域隔离

在平台工程中，内部开发者平台（IDP）为多个业务团队提供统一的构建、部署、运行环境。当IDP的某个组件或依赖发生故障时，如果没有有效的隔离机制，故障会像“多米诺骨牌”一样扩散，导致整个平台不可用。故障域隔离（Fault Domain Isolation）正是为了限制故障影响范围而设计的关键架构原则。

  核心定义：故障域隔离是指将IDP中的资源、服务、依赖划分为独立的故障域，使得一个域内的故障不会传播到其他域，从而保证平台的整体可用性。

故障域隔离在IDP中的典型应用层级包括：

隔离层级	隔离对象	典型实现方式
基础设施层	计算节点、网络、存储	Kubernetes节点池、可用区（AZ）、独立VPC
运行时层	容器运行时、Sidecar代理	Pod安全上下文、资源配额（ResourceQuota）、网络策略
依赖层	容器镜像、基础库、中间件	镜像仓库隔离、依赖版本锁定、私有镜像缓存
数据层	配置、密钥、持久化数据	命名空间隔离、RBAC、加密存储

1.2 容器镜像依赖故障的典型场景

容器镜像是IDP中最核心的交付物，也是故障的高发区。镜像依赖故障通常表现为以下几种典型场景：

⚠️ 注意：以下场景在真实生产环境中频繁发生，且往往因为缺乏有效的故障域隔离而导致大面积服务中断。

镜像仓库不可达：镜像仓库（如 Harbor、Docker Hub、ECR）因网络故障、认证过期、配额超限等原因无法访问，导致Pod无法拉取镜像。
镜像标签变更或删除：开发或CI/CD流程中误操作覆盖了已有镜像标签（如 latest），导致正在运行的Pod拉取到不同版本的镜像。
基础镜像漏洞扫描阻断：安全策略要求镜像必须通过漏洞扫描，但基础镜像更新滞后，导致新构建的镜像被阻断，无法部署。
镜像层依赖损坏：镜像层在传输或存储过程中损坏，导致拉取后无法解压或运行。
私有镜像缓存失效：IDP依赖私有镜像缓存加速拉取，但缓存策略配置错误或缓存节点故障，导致拉取超时。

故障场景	影响范围	故障域隔离策略
镜像仓库不可达	所有依赖该仓库的服务	多仓库镜像同步、本地缓存、故障切换
镜像标签变更	使用该标签的所有Pod	使用不可变标签（SHA256）、版本锁定
基础镜像漏洞阻断	新构建的镜像	基础镜像版本冻结、灰度发布
镜像层损坏	单个镜像或特定层	镜像完整性校验、重试机制
私有缓存失效	缓存节点所在区域	多级缓存、缓存预热、降级策略

1.3 课程目标

通过本课程的学习，你将掌握以下核心能力：

理解故障域隔离原理：掌握IDP中故障域隔离的设计原则和实现方法。
识别镜像依赖故障：能够快速定位容器镜像依赖故障的根因，区分是镜像仓库、网络、认证还是镜像本身的问题。
实施隔离策略：学会在Kubernetes环境中配置镜像缓存、镜像预热、多仓库同步等隔离措施。
演练故障排查流程：通过模拟真实故障场景，掌握从告警发现、故障定位、根因分析到恢复验证的完整排查流程。
优化IDP架构：基于故障域隔离原则，优化IDP的镜像依赖架构，提升平台韧性。

1.4 演练环境说明

本课程使用一套预构建的Kubernetes演练环境，模拟真实的IDP平台。环境包含以下组件：

组件	版本	说明
Kubernetes	v1.28	3节点集群（1 Master + 2 Worker）
镜像仓库	Harbor v2.8	私有镜像仓库，支持镜像复制和缓存
容器运行时	containerd v1.7	支持镜像拉取和缓存管理
监控告警	Prometheus + Alertmanager	监控镜像拉取失败、Pod状态等指标
故障注入工具	Chaos Mesh v2.6	模拟镜像仓库不可达、网络延迟等故障

💡 提示：演练环境已预置了多个故障场景脚本，你可以在后续章节中逐步触发并排查。建议在开始演练前，先熟悉环境中的Kubernetes命名空间、Pod状态查看命令以及镜像仓库的访问方式。

环境访问方式：

Kubernetes API：通过 kubectl 命令行工具访问，配置文件位于 ~/.kube/config
Harbor 控制台：通过浏览器访问 https://harbor.idp.local，管理员账号 admin
Prometheus：通过浏览器访问 https://prometheus.idp.local

在接下来的章节中，我们将从最基础的镜像拉取故障开始，逐步深入到复杂的依赖链故障排查。每一章都会结合故障域隔离原则，教你如何设计更健壮的IDP架构。