1. 课程导论：多租户故障域隔离演练与 Argo CD 一致性复核的背景、目标与课程大纲

1.1 课程背景：为什么需要关注“演练后的一致性”？

在大型 Kubernetes 集群中，多租户架构已成为资源隔离与成本分摊的标准实践。每个租户通常被分配独立的故障域（Failure Domain），例如独立的节点组、可用区（Availability Zone）或物理集群。为了验证故障域隔离的有效性，SRE 团队会定期执行故障域隔离演练——模拟某个故障域的整体下线（如节点组缩容、可用区网络割接），观察该故障域内的租户工作负载是否被正确驱逐、重新调度至其他健康故障域。

然而，演练过程中对基础设施资源（节点、Pod、PVC、Ingress 等）的变更，极易与 GitOps 工具 Argo CD 的声明式状态管理产生冲突。演练结束后，Argo CD 可能会检测到“预期外的漂移”（Out-of-Sync），并尝试将集群状态回滚至 Git 仓库中的原始声明，导致演练成果被覆盖，甚至引发生产事故。

1.2 课程目标：建立可复现的一致性复核体系

本课程旨在帮助 SRE 与平台工程师掌握一套系统化的 Argo CD 一致性复核方法论，确保在多租户故障域隔离演练后，集群实际状态与 Git 声明状态保持精确一致。具体目标包括：

• 理解冲突根源： 剖析演练资源变更（节点标签、Pod 反亲和、PVC 迁移）如何触发 Argo CD 的 Sync 状态变化。
• 掌握复核流程： 设计从“演练后快照”到“差异比对”再到“自动/手动调和”的标准化步骤。
• 构建自动化工具链： 利用 Argo CD API、kubectl 插件、自定义 Operator 实现一致性校验的自动化。
• 降低回滚风险： 通过“演练前基线锁定”与“演练后差异白名单”机制，避免 GitOps 误回滚演练成果。

1.3 课程大纲：六大模块，从理论到实战

课程共分为 6 个模块，覆盖从基础概念到高级自动化演练的完整知识链：

1.4 核心概念关系图：多租户故障域隔离演练与 Argo CD 一致性复核

下图展示了演练过程中各组件之间的核心关系与数据流：

1.5 课程特色：实战驱动，工具赋能

• 真实场景复现： 基于多可用区集群的节点组缩容演练，提供完整的 YAML 配置与 Argo CD Application 示例。
• 可复用的工具链： 提供 argocd-diff-check 脚本、kubectl 插件模板、自定义 Operator 代码框架。
• 冲突分类与处理策略： 将演练后漂移分为“预期漂移”、“非预期漂移”、“临时漂移”三类，分别给出处理方案。
• 生产级注意事项： 涵盖 RBAC 权限、审计日志、演练窗口期、回滚熔断等 SRE 关注点。