📚 课程目录第1章课程导论

1. 课程导论：为什么需要 CoreDNS 的 eBPF 节点池 SLO 错误预算？

在 Kubernetes 生产环境中，CoreDNS 作为集群内 DNS 解析的基石，其稳定性直接决定了微服务通信的可用性。然而，传统监控手段存在以下致命缺陷：

指标粒度粗：仅能观测 Pod 级别的请求速率（coredns_dns_requests_total）和错误率（coredns_dns_responses_total），无法区分流量来自哪个节点池（Node Pool）。
故障定位慢：当某个节点池因内核问题（如 conntrack 表满、socket 缓冲区溢出）导致 DNS 解析延迟飙升时，传统监控只能看到全局 P99 抖动，无法快速锁定“肇事”节点池。
SLO 无法量化：缺乏按节点池维度拆分的错误预算（Error Budget），运维团队无法回答“哪个节点池正在消耗 DNS SLO 预算？”这一关键问题。

  案例警示： 某在线广告平台因 GPU 节点池内核参数 net.core.somaxconn 配置过低，导致 CoreDNS 连接队列溢出，DNS 超时率从 0.1% 飙升至 5%。由于缺乏节点池级 SLO 面板，运维团队耗时 4 小时才定位到问题节点池，造成 200 万广告请求失败。

eBPF（Extended Berkeley Packet Filter）技术允许在内核态安全地注入观测程序，无需修改 CoreDNS 代码或重启进程。通过 eBPF，我们可以：

按节点池标记 DNS 请求：通过追踪 connect()、sendmsg() 等系统调用，提取发起请求的 Pod 所属节点池标签。
捕获内核级延迟：测量从 DNS 请求进入内核协议栈到用户态 CoreDNS 进程收到数据的完整路径耗时（包括 conntrack 查找、socket 队列等待）。
实时计算错误预算：基于 eBPF 采集的高精度延迟和错误数据，按节点池维度计算 SLO 达成率与剩余错误预算。

节点池 SLO（Service Level Objective）错误预算是一个量化指标，表示在特定时间窗口内，某个节点池的 DNS 解析性能可以“容忍”的最大失败量。其核心公式为：

错误预算 = 总请求量 × (1 - SLO 目标)
剩余错误预算 = 错误预算 - 已消耗错误量

节点池	SLO 目标（P99 延迟 < 50ms）	时间窗口	总请求量	错误预算
GPU 节点池	99.9%	30 天	10,000,000	10,000 次超时
CPU 通用池	99.95%	30 天	50,000,000	25,000 次超时
内存优化池	99.99%	30 天	5,000,000	500 次超时

关键洞察： 错误预算不是“允许失败”，而是“燃烧速率”管理。当某个节点池的剩余错误预算低于 20% 时，应触发告警并自动执行降级策略（如禁止新 Pod 调度到该节点池）。

常见误区： 很多团队认为“CoreDNS 本身健康即可，节点池问题应由节点监控负责”。实际上，DNS 解析延迟是节点内核问题的“放大镜”——一个 conntrack 表项冲突可能导致整个节点池的 DNS 超时率飙升 10 倍。没有节点池级 SLO 面板，你永远无法在 5 分钟内定位根因。

本课程提供一套完整的“采集 → 计算 → 呈现 → 自动化”闭环方案，让你从被动救火转变为主动容量规划。课程结束后，你将能够：