4. 节点池概念：Kubernetes 节点池定义、节点池与 DNS 性能的关系、节点池故障域

在 Kubernetes 集群中，节点池（Node Pool） 是对一组具有相同配置、标签、污点或资源规格的工作节点（Worker Node）的逻辑抽象。节点池是集群弹性伸缩、故障隔离和成本管理的基本单元，也是我们构建 eBPF 节点池 SLO 错误预算模型的核心对象。

4.1 节点池定义与核心属性

节点池通常由云厂商（如 GKE Node Pool、AKS Node Pool、EKS Managed Node Group）或自建集群的节点分组策略定义。一个节点池内的所有节点共享以下属性：

4.2 节点池与 DNS 性能的关系

节点池的配置直接决定了 CoreDNS 实例的运行环境和请求处理能力。以下三个关键链路展示了节点池属性如何影响 DNS 性能：

1. 网络带宽与延迟： 节点池的实例网络带宽上限（如 10 Gbps vs 1 Gbps）决定了 CoreDNS 实例的并发连接数上限。当节点池内 Pod 密度过高时，网络带宽争抢会导致 DNS 请求排队，增加 P99 延迟。
2. CPU 资源竞争： CoreDNS 是 CPU 密集型应用（尤其是处理 DNSSEC 验证和大量缓存查询）。节点池的 CPU 规格（如 2 vCPU vs 16 vCPU）直接影响 CoreDNS 的 QPS 上限。在共享 CPU 的节点池中，其他 Pod 的 CPU 突发会拉高 DNS 延迟。
3. 内核参数与 eBPF 兼容性： 节点池的操作系统内核版本决定了 eBPF 程序（如 kprobe、tracepoint）的可用性。较老的内核（如 4.15）可能不支持某些 eBPF 特性，导致我们无法在节点池级别采集精确的 DNS 延迟指标。

4.3 节点池故障域

节点池故障域（Failure Domain）是指节点池内节点可能同时失效的物理或逻辑范围。理解故障域是设计高可用 CoreDNS 架构和计算错误预算的基础。

节点池故障域通常分为三个层级：

• 可用区（Zone）故障域： 同一节点池内的节点可能分布在多个可用区。当某个可用区发生故障（如电力中断、网络分区）时，该可用区内的所有节点和 CoreDNS Pod 同时不可用。
• 节点级故障域： 单个节点因硬件故障、内核崩溃或 OOM 而离线。节点池的自动修复机制（如节点健康检查）会替换故障节点，但替换期间该节点上的 CoreDNS Pod 会迁移。
• 节点池级故障域： 整个节点池因云厂商 API 限流、配额不足或升级策略（如节点池滚动更新）而暂时不可用。这是最严重的故障域，可能导致集群内所有 CoreDNS 实例同时中断。

4.4 节点池故障域对错误预算的影响

在计算节点池 SLO 错误预算时，必须将故障域纳入考量。不同故障域下的错误预算消耗速度差异巨大：

4.5 节点池故障域与 eBPF 可观测性

eBPF 程序可以挂载到节点池内的每个节点上，实时采集 DNS 请求的延迟、错误率和吞吐量。通过将 eBPF 指标与节点池故障域关联，我们可以实现：

• 故障域级 SLO 监控： 为每个可用区内的节点池单独计算 SLO 错误预算，当某个可用区的错误预算消耗过快时，触发告警。
• 故障域隔离分析： 当节点池级故障发生时，eBPF 数据可以快速定位是哪个节点池的哪个故障域导致了错误预算超标，避免告警风暴。
• 故障域恢复验证： 在节点池自动修复或滚动更新后，eBPF 程序可以验证 CoreDNS 实例是否已成功恢复，并重新计算错误预算。