1. 课程导论：为什么镜像拉取并发控制与 etcd 状态同步是容量规划的核心议题
在云原生基础设施中，镜像拉取与etcd 状态同步是两类看似独立、实则深度耦合的容量消耗行为。镜像拉取决定工作负载的部署速度与节点存储水位；etcd 状态同步则决定集群控制面的吞吐极限与一致性边界。当集群规模从数十节点扩张至数千节点时，这两条路径上的并发压力会迅速从“可忽略”演变为“系统性风险”。
本导论从三个层面揭示为何它们必须被纳入容量规划的核心范畴：资源竞争模型、控制面背压传导、故障放大效应。
1.1 镜像拉取并发：从网络吞吐到磁盘 IO 的链式冲击
镜像拉取并非单纯的网络下载行为。一次完整的拉取涉及以下资源链：
| 阶段 | 消耗资源 | 容量瓶颈特征 |
|---|---|---|
| Manifest 解析 | Registry API 连接、控制面 QPS | 突发拉取导致 Registry 限流或 etcd 读放大 |
| Blob 层下载 | 节点网络带宽、连接数 | 多节点同时拉取打满上行链路，影响业务 Pod 通信 |
| 磁盘解压与写入 | 节点磁盘 IOPS、inode 数 | 高并发解压导致宿主机 IO 抖动，影响同节点存量 Pod |
| 容器运行时挂载 | 节点内存、overlay 元数据 | 并发挂载过多触发内核 namespace 或 mount 表溢出 |
容量规划关键洞察： 镜像拉取的并发度并非由节点数线性决定，而是由“同时滚动更新的 Pod 数 × 每个 Pod 的镜像层数”构成乘积关系。在大型集群中，一次 Deployment 滚动更新可能触发数百个节点同时拉取同一镜像，导致 Registry 和节点网络同时过载。
1.2 etcd 状态同步：控制面的心跳与事件洪峰
etcd 作为 Kubernetes 控制面的状态存储，其容量规划核心在于 Raft 共识写入吞吐 与 Watch 事件推送速率。镜像拉取过程会间接产生大量 etcd 写入：
- Pod 状态更新： 每个 Pod 从 Pending → ContainerCreating → Running 的转换都会产生 etcd 写入。
- Node 状态心跳： 镜像拉取期间的节点压力可能导致 Node 心跳延迟，触发 etcd 中的 Node 状态频繁更新。
- Event 记录： 拉取失败、重试、镜像层缓存命中/未命中均会产生 Event 对象，大量 Event 会迅速撑大 etcd 存储。
| etcd 指标 | 正常范围 | 镜像拉取风暴下的典型值 | 容量风险 |
|---|---|---|---|
| 写入 QPS | < 1000 | 3000 – 8000 | Raft 提交延迟上升，Leader 选举风险 |
| Watch 客户端数 | < 5000 | 10000 – 20000 | Watch 响应堆积，控制器 List-Watch 超时 |
| DB 大小 | < 2 GB | 4 – 8 GB（Event 爆炸） | 触发压缩与碎片整理，影响读写延迟 |
1.3 核心关系图：镜像拉取与 etcd 状态同步的容量耦合
下图展示了从“用户发起滚动更新”到“etcd 状态同步完成”的完整容量传导路径，以及各环节的潜在瓶颈点。
1.4 故障放大效应：并发失控如何引发级联故障
当镜像拉取并发与 etcd 状态同步同时进入高负载区域时，会形成正反馈循环：
- 初始触发： 一次大规模滚动更新或节点池扩容，触发数百个节点同时拉取镜像。
- 节点压力： 节点网络带宽被镜像下载占满，导致 kubelet 与 API Server 的心跳超时。
- etcd 写入风暴： 心跳超时导致 Node 状态频繁翻转（Ready ↔ NotReady），etcd 写入 QPS 飙升。
- 控制器超时： etcd Watch 推送延迟导致 Deployment Controller 无法及时收到 Pod 状态更新，重复创建 Pod。
- 镜像拉取再放大： 重复创建的 Pod 触发更多镜像拉取请求，形成“拉取 → 超时 → 重试 → 更多拉取”的死循环。
容量规划红线： 在超过 500 节点的集群中，未经限流的镜像拉取并发可在 30 秒内将 etcd 写入 QPS 推至 5000+，触发 Raft 组 Leader 选举超时，导致整个控制面不可用。这是生产环境中最为常见的级联故障模式之一。
1.5 课程核心议题与学习路径
本课程将围绕以下主线展开，帮助 SRE 与架构师建立从“现象”到“容量模型”再到“工程实践”的完整认知：
| 模块 | 核心内容 | 容量规划产出 |
|---|---|---|
| 镜像拉取并发模型 | Registry 限流、节点带宽争抢、磁盘 IO 隔离 | 并发拉取容量公式、节点准入阈值 |
| etcd 状态同步模型 | Raft 写入吞吐、Watch 推送背压、存储压缩策略 | etcd QPS 预算、事件洪峰容量评估 |
| 耦合分析与压测方法 | 混沌工程注入、容量基准测试、指标关联分析 | 集群级容量模型、故障注入用例 |
| 工程治理方案 | P2P 分发、镜像预热、etcd 限流与优先级调度 | 容量规划清单、自动化治理策略 |
通过本课程的学习，你将能够：量化评估 镜像拉取并发对 etcd 状态同步的冲击；设计 集群级别的并发控制与限流策略；构建 可预测的容量模型，避免控制面与数据面在极端负载下发生级联故障。