1. 课程概述：Deployment 镜像拉取超时问题的常见性、影响范围以及本课程的学习目标

在 Kubernetes 生产环境中，镜像拉取超时（ImagePullBackOff / ErrImagePull） 是 Deployment 工作负载最频繁遇到的故障之一。根据社区运维统计，该问题在集群异常事件中占比超过 15%，且往往直接导致服务中断、滚动更新阻塞、自动扩缩容失效等连锁反应。本课程将系统化拆解镜像拉取超时的根因、排查路径与修复方案，帮助运维人员从“被动救火”转向“主动防御”。

1.1 问题常见性：为什么镜像拉取超时频繁发生？

镜像拉取超时并非单一原因导致，而是由网络、配置、存储、认证、资源限制等多层因素叠加触发。以下表格列出了生产环境中最高频的 6 类触发场景：

1.2 影响范围：从 Pod 异常到业务雪崩

镜像拉取超时的影响并非局限于单个 Pod 重启，而是沿着 Kubernetes 控制面与数据面层层扩散：

• Deployment 滚动更新阻塞： 新版本镜像拉取失败 → ReplicaSet 无法创建新 Pod → 旧版本 Pod 无法缩容 → 更新流程卡死。
• HPA 自动扩缩容失效： 负载升高触发扩容 → 新 Pod 因镜像拉取超时处于 Pending → 实际副本数不足 → 服务过载。
• 节点资源碎片化： 镜像拉取失败后 kubelet 反复重试，占用节点磁盘 I/O 与网络带宽，影响同节点其他 Pod。
• 监控告警风暴： 大规模集群中镜像拉取超时往往成片出现，触发 ImagePullBackOff、CrashLoopBackOff 等连环告警。

1.3 学习目标：从故障复现到体系化防御

本课程面向 Kubernetes 运维工程师、SRE 及平台开发人员，通过 30 个章节的实战拆解，达成以下核心能力：

1. 精准定位根因： 掌握 kubectl describe pod、kubelet 日志、crictl pull 等工具的逐层排查方法，区分网络、凭证、磁盘、限流等不同故障域。
2. 快速恢复服务： 学会在 5 分钟内通过调整 imagePullPolicy、切换镜像仓库、手动拉取缓存等方式恢复 Deployment 可用性。
3. 配置防御体系： 设计镜像拉取超时告警规则（Prometheus + Alertmanager）、配置 Pod 优雅容忍、实施镜像预热与 P2P 分发。
4. 沉淀排查 SOP： 输出可复用的镜像拉取超时故障树与 Runbook，降低团队平均恢复时间（MTTR）。

1.4 课程知识体系总览

本课程按“现象 → 根因 → 工具 → 修复 → 防御”五层递进，覆盖镜像拉取全链路。下表展示核心模块与对应章节：