1. 课程导论：集群升级的挑战与 Gateway API 的价值
Kubernetes 集群升级是每个 SRE 和平台工程师必须面对的常态化操作。然而，在生产环境中执行升级时，流量中断和服务不可用是最大的风险来源。传统的 Ingress 控制器在升级过程中缺乏细粒度的流量控制能力，往往导致全量切换、长连接断开、请求超时等问题。
本课程将深入探讨如何利用 Gateway API 的流量切分与无损切换能力，实现集群升级过程中的零中断流量迁移。本节作为课程导论，首先分析集群升级的核心挑战，然后阐述 Gateway API 为何能成为解决这些挑战的关键技术。
1.1 集群升级的三大核心挑战
在生产环境中进行 Kubernetes 集群升级（例如从 v1.27 升级到 v1.28），通常涉及控制平面升级、节点升级、以及工作负载的重新调度。这一过程对运行中的业务流量构成严重威胁，主要体现在以下三个方面：
| 挑战维度 | 具体问题 | 典型影响 |
|---|---|---|
| 流量中断 | 节点排水（drain）时，Pod 被强制终止，但新 Pod 尚未就绪 | 请求 502/503 错误，用户感知服务不可用 |
| 连接耗尽 | 长连接（WebSocket、gRPC）在 Pod 删除时被硬切断 | 客户端重连风暴，数据库连接池失效 |
| 灰度验证缺失 | 升级后无法逐步验证新集群的稳定性，只能全量切换 | 一旦新集群存在 Bug，影响范围覆盖全部用户 |
关键数据： 根据 CNCF 2024 年调查，超过 60% 的集群升级事故与流量切换策略不当直接相关。其中，连接耗尽和无灰度验证是导致 P0 级故障的两大主因。
1.2 传统 Ingress 方案的局限性
在 Gateway API 出现之前，社区主要依赖 Ingress 资源（如 Nginx Ingress、Traefik）进行流量管理。但在集群升级场景下，传统 Ingress 存在明显的功能短板：
- 无原生流量切分： Ingress 规范本身不支持按权重或 Header 将流量分发到不同后端服务。实现灰度发布需要依赖第三方注解（annotations），且不同 Ingress Controller 的注解不兼容。
- 升级过程全量切换： 当后端 Service 的端点（endpoints）发生变化时，Ingress Controller 只能全量更新路由规则，无法实现平滑的流量迁移。
- 缺乏连接耗尽机制： 传统 Ingress 不会等待正在处理的请求完成后再断开连接，导致活跃请求被中断。
- 可观测性不足： 无法精细监控每条路由的流量状态、错误率和延迟，难以判断升级是否安全。
实践建议： 如果你的集群仍在使用传统 Ingress 进行生产流量管理，建议在升级前评估是否已实现 PreStop Hook 和 Readiness Probe 的完整配置。这是在不引入 Gateway API 的情况下，降低升级风险的最低要求。
1.3 Gateway API 的核心价值
Gateway API 是 Kubernetes 社区推出的下一代流量管理 API，旨在解决 Ingress 的诸多局限性。在集群升级场景中，Gateway API 提供了以下关键能力：
| 能力维度 | Gateway API 实现 | 对集群升级的价值 |
|---|---|---|
| 流量切分 | HTTPRoute 支持 weight 字段，按比例分发流量 |
实现 10% → 50% → 100% 的渐进式流量迁移 |
| 无损切换 | 支持 BackendLBPolicy 配置连接耗尽超时 |
确保长连接在 Pod 删除前优雅关闭 |
| 灰度验证 | 支持基于 Header、Cookie 的流量匹配 | 将内部测试流量导向新集群，生产流量仍留在旧集群 |
| 多集群路由 | 支持跨集群的 Backend 引用（ReferenceGrant） | 实现跨集群的流量切分，支持蓝绿部署 |
注意： Gateway API 的流量切分能力依赖于具体的 Gateway Controller 实现。目前，Istio、Contour、Kong 等主流 Controller 已完整支持 HTTPRoute 的权重切分，但部分 Controller 对连接耗尽策略的支持仍处于实验阶段。在生产环境使用前，请务必查阅对应 Controller 的兼容性矩阵。
1.4 集群升级流量切分架构概览
下图展示了基于 Gateway API 的集群升级流量切分架构。通过 HTTPRoute 的权重路由，我们可以将流量平滑地从旧集群迁移到新集群，同时保持对迁移过程的完全控制。
1.5 无损切换的关键机制
除了流量切分，Gateway API 还通过以下机制确保切换过程无损：
- 连接耗尽（Connection Draining）： 通过
BackendLBPolicy配置drainTimeout，在 Pod 进入 Terminating 状态后，等待指定时间（如 30s）让活跃请求完成，再关闭连接。 - 健康检查联动： Gateway 实时监控后端 Pod 的 Ready 状态，只有通过 Readiness Probe 的 Pod 才会被纳入流量池。
- 渐进式权重调整： 支持通过 API 动态修改 HTTPRoute 的权重，无需重启网关或重新部署。
- 回滚能力： 如果新集群出现异常，可以立即将权重调回 0%，流量全部切回旧集群。
课程预告： 在后续章节中，我们将深入讲解如何配置
BackendLBPolicy 实现连接耗尽、如何通过 HTTPRoute 的 matches 和 filters 实现精细化的灰度策略，以及如何在 CI/CD 流水线中自动化权重调整流程。
1.6 本课程的学习路径
本课程共 30 章，分为四个模块：
| 模块 | 章节范围 | 核心内容 |
|---|---|---|
| 基础篇 | 第 1-8 章 | Gateway API 核心概念、资源模型、与 Ingress 的对比 |
| 流量切分篇 | 第 9-16 章 | HTTPRoute 权重切分、Header 路由、多集群路由配置 |
| 无损切换篇 | 第 17-24 章 | 连接耗尽策略、优雅关闭、健康检查联动、回滚机制 |
| 实战篇 | 第 25-30 章 | 生产级升级方案、自动化编排、故障演练与监控告警 |
通过本课程的学习，你将掌握一套完整的、可落地的集群升级流量管理方案，能够将升级过程中的流量中断风险降至最低。