4. 故障域模型：节点故障域（region/zone）与 Pod 拓扑分布约束（topologySpreadConstraints）

在 Kubernetes 集群中，故障域（Failure Domain）是基础设施层面的物理或逻辑隔离边界。当集群跨越多个数据中心或可用区时，合理利用故障域模型可以确保应用在节点、机架、可用区甚至地域级别实现高可用。Helm 部署的故障域隔离演练，核心就是验证 Pod 是否按照预设的拓扑分布约束分散到不同的故障域中。

4.1 节点故障域：region 与 zone

Kubernetes 通过节点标签（Labels）来标识故障域。最常用的两个标签是：

• topology.kubernetes.io/region：表示节点所在的地理区域（如 cn-north-1）。
• topology.kubernetes.io/zone：表示节点所在的可用区（如 cn-north-1a）。

一个 region 通常包含多个 zone，每个 zone 拥有独立的电力、网络和冷却系统。当集群节点分布在多个 zone 时，即使某个 zone 整体故障，其他 zone 的 Pod 仍可继续提供服务。

4.2 Pod 拓扑分布约束（topologySpreadConstraints）

Pod 拓扑分布约束是 Kubernetes 原生提供的调度策略，用于控制 Pod 在不同故障域之间的分布均匀性。通过在 Deployment 或 StatefulSet 的 Pod 模板中定义 topologySpreadConstraints，可以强制调度器将 Pod 分散到不同的 region、zone 或 hostname 上。

核心字段说明：

4.3 故障域分布模型 SVG

下图展示了一个跨 2 个 region、每个 region 包含 2 个 zone 的集群故障域模型，以及 Pod 在 zone 级别的均匀分布情况：

4.4 Helm Chart 中的拓扑分布配置

在 Helm Chart 的 values.yaml 中，通常将拓扑分布约束设计为可配置项，以便在不同环境（开发、预发、生产）中灵活调整。以下是一个典型的配置模板：

# values.yaml
topologySpreadConstraints:
  - topologyKey: topology.kubernetes.io/zone
    maxSkew: 1
    whenUnsatisfiable: DoNotSchedule
    labelSelector:
      matchLabels:
        app: {{ .Chart.Name }}
  - topologyKey: kubernetes.io/hostname
    maxSkew: 2
    whenUnsatisfiable: ScheduleAnyway
    labelSelector:
      matchLabels:
        app: {{ .Chart.Name }}

在 Deployment 模板中引用该配置：

# templates/deployment.yaml
apiVersion: apps/v1
kind: Deployment
metadata:
  name: {{ .Chart.Name }}
spec:
  replicas: {{ .Values.replicas }}
  selector:
    matchLabels:
      app: {{ .Chart.Name }}
  template:
    metadata:
      labels:
        app: {{ .Chart.Name }}
    spec:
      topologySpreadConstraints:
        {{- toYaml .Values.topologySpreadConstraints | nindent 8 }}
      containers:
        - name: {{ .Chart.Name }}
          image: "{{ .Values.image.repository }}:{{ .Values.image.tag }}"

4.5 演练验证清单

在故障域隔离演练中，需要逐项验证以下内容：

1. 节点标签完整性：所有节点是否已正确标注 region 和 zone 标签。
2. Helm 模板渲染：使用 helm template 检查生成的 YAML 中 topologySpreadConstraints 是否正确。
3. Pod 分布状态：部署后使用 kubectl get pods -o wide 查看 Pod 所在节点和 zone。
4. 分布均匀性：统计每个 zone 中的 Pod 数量，确认差值不超过 maxSkew。
5. 故障模拟：手动封锁（cordon）一个 zone 中的所有节点，观察 Pod 是否被调度到其他 zone。