1. 课程导论与背景：为什么需要版本漂移校准？Rook Ceph在云原生存储中的角色与挑战

1.1 云原生存储的演进与Rook Ceph的定位

在Kubernetes成为容器编排事实标准的今天，有状态应用（数据库、消息队列、AI训练集群）对持久化存储的需求呈指数级增长。Rook作为CNCF毕业项目，将Ceph的分布式存储能力以Operator模式嵌入K8s生态，实现了存储资源的声明式管理、自动扩缩容与自愈。

Rook Ceph的核心角色可概括为：

• 存储抽象层：通过CRD（Custom Resource Definition）将Ceph集群、Pool、StorageClass等资源对象化，运维人员只需操作YAML即可完成存储生命周期管理。
• 自动化运维引擎：Rook Operator负责Ceph daemon的部署、配置、升级与故障恢复，降低人工介入成本。
• 性能与容量底座：Ceph提供块（RBD）、文件（CephFS）、对象（RGW）三种接口，支撑从数据库到大数据分析的全场景存储需求。

1.2 版本漂移：定义、成因与危害

版本漂移是指在分布式存储集群中，不同节点或组件之间运行的软件版本、配置参数或内核模块出现不一致，导致集群行为偏离预期基线。在Rook Ceph场景下，版本漂移通常表现为：

版本漂移的成因复杂，主要包括：

• 滚动升级中断：升级过程中节点故障或回滚操作导致部分节点停留在旧版本。
• 节点扩缩容：新加入节点使用不同镜像版本或配置模板。
• 运维脚本差异：手动执行命令或自动化工具版本不一致。
• 镜像仓库缓存：拉取的Ceph镜像标签指向不同版本。

1.3 容量规划与版本漂移的关联

传统容量规划关注的是“够不够用”（总容量、IOPS、带宽），但在版本漂移场景下，容量规划必须回答一个更深刻的问题：“版本不一致是否会导致容量利用率偏离预期？”

版本漂移对容量规划的影响体现在三个层面：

1. 数据分布失真：不同版本的Ceph OSD可能采用不同的CRUSH权重计算方式，导致数据分布偏离预设比例，部分OSD过载而部分闲置。
2. 性能基线偏移：旧版本OSD可能缺少新版本的性能优化（如BlueStore的写缓存策略），导致相同容量下的实际吞吐量下降，触发不必要的扩容。
3. 故障域失效：版本不一致可能导致故障域（如机柜、数据中心）的隔离策略失效，单点故障时容量冗余不足。

1.4 版本漂移校准的基线构建框架

本课程提出的版本漂移校准基线是一套可量化的运维标准，包含以下核心组件：

1.5 本课程的核心价值与学习路径

本课程面向SRE、存储运维及平台工程团队，提供一套从容量规划视角出发的版本漂移校准方法论。你将学到：