1. 课程导论：多租户架构概述、故障域隔离的重要性、etcd在集群中的核心角色

1.1 多租户架构概述

多租户架构是云原生平台的核心设计模式之一，它允许一个共享的 Kubernetes 集群安全地服务于多个独立的“租户”。每个租户可以是一个团队、一个项目、一个业务线或一个外部客户。其核心目标是实现资源隔离与成本共享的平衡。

在 Kubernetes 中，多租户的实现通常分为三个层级：

1.2 故障域隔离的重要性

故障域隔离是保障多租户系统韧性的核心手段。在集群升级、网络分区或硬件故障时，如果没有合理的故障域设计，一个租户的异常行为可能迅速扩散为全局性灾难。

故障域隔离的设计目标包括：

• 限制爆炸半径： 确保单个租户的故障（如资源耗尽、配置错误）不会影响控制面或其他租户。
• 保障控制面可用性： etcd 作为控制面的状态存储，必须通过跨可用区部署、Raft 协议和备份策略实现高可用。
• 支持灰度恢复： 在故障发生后，能够按租户粒度进行回滚或恢复，而不是全集群重建。

1.3 etcd 在集群中的核心角色

etcd 是 Kubernetes 控制面的基石，它作为分布式键值存储，负责保存集群的所有状态数据。理解 etcd 的架构和故障模式，是进行多租户灾难恢复的前提。

etcd 在集群中的关键职责：

• 状态持久化： 存储所有 Kubernetes 资源对象的当前状态和期望状态。
• 分布式共识： 通过 Raft 协议保证数据在多个 etcd 节点间的一致性。
• 监听与通知： 支持 Watch 机制，API Server 通过 etcd 的 Watch 接口实时感知资源变化。
• 租约管理： 管理分布式锁和节点心跳（Lease 对象）。

1.4 课程目标与演练范围

本课程将聚焦于一个高风险的现实场景：在集群升级过程中，etcd 集群发生故障，导致多租户环境下的控制面不可用。学员将通过本课程掌握以下能力：

• 识别 etcd 故障的早期信号（如 Leader 切换频繁、写入延迟飙升）。
• 执行 etcd 备份恢复操作，并验证数据一致性。
• 按租户粒度进行故障域隔离恢复，最小化对其他租户的影响。
• 设计升级流程中的熔断与回滚机制。