📚 课程目录第1章课程导论

1. 课程导论：eBPF 与节点池容量规划的关系

1.1 为什么 eBPF 是节点池容量规划的关键技术

在 Kubernetes 集群中，节点池（Node Pool）是承载工作负载的核心资源单元。传统的容量规划依赖 CPU 和内存的 Request/Limit 静态模型，但实际生产环境面临以下痛点：

资源利用率黑洞：CPU 的 CFS 配额与内存的 OOM 阈值无法反映真实应用行为，大量节点处于“已分配但未使用”或“已使用但未监控”的状态。
网络与 I/O 盲区：Pod 的网络吞吐、TCP 重传、磁盘 IOPS 等指标在传统 cAdvisor 层面聚合度不够，无法按节点池粒度做精细化调度。
内核态开销不可见：系统调用频率、eBPF 程序自身开销、网络栈处理延迟等内核级指标被完全忽略，导致容量规划出现系统性偏差。

eBPF（extended Berkeley Packet Filter）技术允许在内核态安全地注入观测程序，以极低开销捕获每个 Pod 的 系统调用、网络事件、内存分配、文件 I/O 等细粒度数据。这些数据可以直接映射到 Deployment 的资源模型上，实现从“静态配额”到“动态行为”的容量规划升级。

  核心观点： eBPF 将节点池容量规划从“黑盒估算”推进到“白盒可观测”，使每个 Deployment 的资源画像具备内核级精度。

1.2 课程目标与受众

维度	具体说明
课程目标	掌握 eBPF 在 Kubernetes 节点池容量规划中的核心原理与数据采集方法学会基于 Deployment 的资源模型构建节点池容量预测与弹性伸缩策略能够独立设计 eBPF 驱动的容量规划系统，并落地到生产集群
目标受众	SRE / 运维工程师：需要提升集群资源利用率与稳定性 Kubernetes 架构师：负责设计大规模集群的容量管理体系 eBPF 开发者：希望将 eBPF 观测数据应用到实际运维场景平台工程团队：构建内部容量规划平台的技术决策者
前置知识	Kubernetes 核心概念（Deployment、Node、Pod、Resource Quota） Linux 内核基础（进程调度、内存管理、网络协议栈） eBPF 基础（BPF 程序类型、Map、Helper 函数）

1.3 整体知识图谱

本课程共 30 章，按知识递进关系分为五个模块。下图展示了完整的知识体系结构：

1.4 课程核心概念关系

下图展示了 eBPF、节点池、Deployment 资源模型三者之间的数据流与依赖关系：

1.5 课程章节速览

模块	章节范围	核心产出
基础与原理	第1-6章	eBPF 观测架构设计、节点池 CRD 定义、资源模型数学基础
数据采集	第7-12章	生产级 eBPF 探针 DaemonSet、指标采集 Pipeline、数据存储方案
资源模型	第13-18章	Deployment 资源画像算法、多维容量指标聚合、模型校准流程
规划与调度	第19-24章	容量预测模型、HPA/VPA 增强策略、调度器容量感知插件
生产实践	第25-30章	大规模部署方案、故障案例复盘、企业级平台构建指南

学习建议： 建议按照模块顺序学习，每个模块结束后完成配套实验。第1章作为导论，重点理解 eBPF 如何解决传统容量规划的盲区，以及本课程的知识体系如何层层递进。