1. 课程导论：故障域隔离演练的背景、目标与 Helm 在其中的角色
1.1 为什么需要故障域隔离演练
在云原生生产环境中，单点故障（Single Point of Failure, SPOF）是导致大规模服务中断的首要原因。Kubernetes 集群虽然通过 Pod 副本、多节点、多可用区提供了基础容错能力，但 应用交付层 的配置错误、资源绑定、依赖拓扑缺陷，往往会在故障域（Failure Domain）边界被突破时暴露出来。
典型故障场景： 某在线电商平台在双 11 大促期间，因 Helm Chart 中
topologySpreadConstraints 配置缺失，导致所有核心服务 Pod 被调度到同一可用区。该可用区网络交换机故障后，整个交易链路中断 47 分钟。
故障域隔离演练的核心价值在于：在非生产环境中主动构造故障域边界条件，验证 Helm 交付的应用是否真正具备跨故障域（节点、机架、可用区、地域）的独立存活与自愈能力。
1.2 演练目标体系
本课程围绕以下四个层级的目标展开：
| 层级 | 目标 | 关键验证点 |
|---|---|---|
| L1：配置级 | 验证 Helm values 与 Chart 模板中的故障域参数正确性 | topologySpreadConstraints、affinity、podAntiAffinity、nodeSelector |
| L2：调度级 | 验证 Pod 在故障域隔离后的调度分布符合预期 | Pod 分布比例、跨节点/可用区计数、调度器日志 |
| L3：流量级 | 验证故障域隔离后，服务仍能通过剩余副本正常处理流量 | Service 端点健康、Ingress 路由、熔断降级 |
| L4：数据级 | 验证有状态服务的跨故障域数据冗余与恢复能力 | PVC 绑定、StatefulSet 拓扑、备份恢复 RTO/RPO |
课程重点： 本课程聚焦 L1 和 L2 层级的 diff 报告复核，即通过 Helm diff 插件对比不同故障域配置下的资源差异，提前发现配置漂移与风险。
1.3 Helm 在故障域隔离中的角色定位
Helm 作为 Kubernetes 应用交付的事实标准，在故障域隔离演练中承担三个关键角色：
- 配置模板引擎： 通过 Go 模板语法，将故障域参数（如
.Values.topology.zoneSpread）渲染为 Kubernetes 原生资源字段。 - 版本化发布管理： 每次演练对应一个 Helm Release 版本，支持回滚到已知正确的故障域配置。
- 差异分析入口：
helm diff命令可精确输出当前部署与目标配置之间的资源差异，是故障域配置复核的核心工具。
1.4 故障域隔离演练的典型流程
一次完整的故障域隔离演练包含以下步骤，其中 diff 报告复核 是风险控制的核心环节：
- 基线采集： 记录当前 Helm Release 的故障域配置快照（
helm get values+helm get manifest）。 - 故障域注入： 修改 values 中的故障域参数（如模拟单可用区故障，设置
topologySpreadConstraints.maxSkew=1）。 - Diff 预演： 执行
helm diff upgrade --install生成资源差异报告。 - 复核与阻断： 人工或自动化复核 diff 报告，识别非预期的资源变更（如 PVC 重建、Service 端点丢失）。
- 灰度发布： 确认 diff 安全后，执行
helm upgrade到演练环境。 - 故障模拟与验证： 通过 Chaos Mesh 或手动操作模拟故障域失效，验证应用存活。
- 回滚与复盘： 若验证失败，执行
helm rollback并分析 diff 报告中的风险点。
常见误区： 很多团队跳过 diff 复核直接执行
helm upgrade，导致故障域配置错误被直接应用到生产环境。本课程强调 diff 报告必须作为变更审批的强制前置条件。
1.5 课程核心交付物
完成本课程后，你将掌握以下能力：
| 能力项 | 具体产出 | 工具/方法 |
|---|---|---|
| 故障域配置审计 | Helm values 故障域参数检查清单 | helm lint + 自定义验证脚本 |
| Diff 报告解读 | 结构化 diff 分析模板（含风险等级标记） | helm-diff 插件 + 正则过滤 |
| 风险阻断策略 | 基于 diff 结果的自动化门禁规则 | CI/CD Pipeline + 策略引擎（如 OPA） |
| 演练复盘报告 | 故障域隔离覆盖率与风险热力图 | Prometheus + Grafana + 自定义 exporter |
1.6 前置知识要求
为获得最佳学习效果，建议你具备以下基础：
- 熟悉 Kubernetes 核心资源（Pod、Deployment、Service、StatefulSet）
- 掌握 Helm 基本操作（
install、upgrade、rollback、diff） - 了解故障域概念（可用区、地域、节点亲和性）
- 具备基本的 CI/CD 流水线使用经验（GitLab CI / GitHub Actions / Jenkins）
学习建议： 本课程提供配套的 Helm Chart 示例仓库和演练脚本。建议你在 Minikube 或 Kind 集群上搭建实验环境，跟随每章的实操步骤进行练习。