1. 课程导论：Envoy网关在K8s集群升级中的角色与挑战，节点池巡检的必要性
1.1 集群升级：K8s 生命周期中最危险的“外科手术”
Kubernetes 集群升级（尤其是控制面与数据面解耦的版本跃迁）是运维领域公认的高风险操作。每一次 kubelet 版本变更、API Server 弃用特性移除、CNI 插件适配更新，都可能引发数据面流量的中断或降级。在云原生架构中，Envoy 网关作为南北向流量的统一入口与东西向服务网格的数据面核心，其配置状态与集群版本深度耦合，升级过程中的任何配置漂移都会直接放大故障半径。
核心矛盾：集群升级的“原子性”要求与 Envoy 配置的“动态性”天然冲突。升级不是简单的二进制替换，而是控制面版本、CRD 定义、xDS 协议版本、节点操作系统内核参数等多维度的协同变更。
1.2 Envoy 网关在升级场景中的关键角色
Envoy 并非单纯的流量代理，在集群升级治理中，它承担着以下不可替代的职责：
| 角色维度 | 具体职责 | 升级期间的脆弱点 |
|---|---|---|
| 流量调度器 | 基于 Listener/Route/Cluster 动态路由请求 | API Server 版本升级导致 xDS 协议字段废弃，配置推送失败 |
| 安全策略执行点 | RBAC、JWT 认证、Rate Limit 等安全过滤 | RBAC CRD 版本迁移导致策略丢失或语法不兼容 |
| 可观测性数据面 | Access Log、Tracing、Metrics 的生成与上报 | 升级期间节点重启导致日志管道中断，指标聚合失真 |
| 协议转换器 | HTTP/1.1 ↔ HTTP/2、gRPC-Web 等协议桥接 | Envoy 版本与上游服务 TLS 版本不匹配导致握手失败 |
1.3 升级中的典型配置故障模式
根据生产环境故障复盘，Envoy 网关在集群升级期间暴露的配置故障可归纳为以下四类：
- CRD 版本兼容性故障：K8s 1.22+ 移除
apiextensions.k8s.io/v1beta1，若 Envoy 控制面（如 Istio、Gloo）仍引用旧版 CRD，则配置注入失败。 - xDS 协议字段废弃：Envoy 1.24 弃用
envoy.api.v2路由字段，控制面推送 v3 协议时，旧版 Envoy 节点无法解析。 - 节点池异构配置漂移：分批升级过程中，已升级节点与未升级节点运行不同 Envoy 版本，导致同一份配置在不同节点上产生不同行为。
- 证书与 Secret 轮换失效：升级期间 kubelet 证书轮换与 Envoy SDS 证书更新时序冲突，造成 mTLS 握手失败。
避坑提示：不要假设“升级后配置自动兼容”。Envoy 的
--bootstrap-version 参数与集群 API Server 版本之间存在隐式依赖，升级前必须通过 envoy --mode validate 对 bootstrap 配置进行静态校验。
1.4 节点池巡检：配置故障的“前置雷达”
节点池（Node Pool）是集群升级的最小操作单元。节点池巡检并非简单的健康检查，而是针对 Envoy 网关配置在节点池维度的一致性、兼容性、完整性进行系统性扫描。其必要性体现在以下三个层面：
- 版本一致性校验：巡检每个节点池中 Envoy 代理的二进制版本、bootstrap 配置哈希、动态配置快照指纹，确保同一池内无版本漂移。
- 控制面连通性探测：验证节点池内 Envoy 实例与控制面（如 Istiod、xDS 管理面）的 gRPC 流是否健康，ADS 订阅是否处于
ACK状态而非NACK。 - 配置语义预检：在升级前对目标节点池执行“配置预演”，将新版本控制面的配置推送至巡检沙箱，检查是否存在字段废弃、类型不匹配、路由循环等语义错误。
1.5 节点池巡检的核心维度与指标
为了将巡检动作落地为可量化的工程实践，我们定义以下核心巡检维度与关键指标：
| 巡检维度 | 关键指标 | 异常阈值 | 检测手段 |
|---|---|---|---|
| 版本一致性 | Envoy 二进制版本、bootstrap 配置哈希 | 同一节点池内版本差异 > 0 | envoy --version + 配置指纹比对 |
| 控制面连通性 | ADS gRPC 流状态、NACK 计数 | NACK 率 > 0.1% 或流中断 > 3次/分钟 | Envoy admin endpoint /clusters?format=json |
| 配置语义正确性 | CRD 版本、xDS 字段废弃告警 | 存在 deprecated 字段引用 |
控制面配置预检 + envoy --mode validate |
| 证书时效性 | SDS 证书剩余有效期、轮换状态 | 剩余有效期 < 72h 或轮换失败 | Envoy admin /certs 端点 + 证书链校验 |
| 节点池拓扑 | 节点操作系统内核版本、CNI 插件版本 | 内核版本与 Envoy 要求不匹配 | 节点标签 + 节点池亲和性规则扫描 |
1.6 课程内容全景与学习路径
本课程将围绕“集群升级 → 节点池巡检 → 配置故障调试”这一主线，分为以下四个阶段展开：
- 阶段一：基础篇（第1-6章）——Envoy 配置模型、xDS 协议详解、集群升级流程与风险分析。
- 阶段二：巡检篇（第7-15章）——节点池巡检工具链构建、配置一致性扫描、控制面连通性探测、证书与 Secret 巡检。
- 阶段三：调试篇（第16-25章）——配置故障分类、xDS NACK 调试、CRD 版本迁移实战、Envoy admin 端点深度使用。
- 阶段四：治理篇（第26-30章）——自动化巡检流水线、升级回滚策略、生产环境故障复盘与治理体系构建。
1.7 本章小结
集群升级不是终点，而是 Envoy 网关配置治理的起点。通过本课程，你将掌握：
- 如何识别升级过程中 Envoy 配置的脆弱点；
- 如何构建节点池巡检体系，将配置故障拦截在变更前；
- 如何利用 Envoy 原生调试工具（admin 端点、xDS 订阅状态、配置转储）快速定位并修复故障。