1. 课程导论：灰度发布与指标留痕的背景、Operator 在云原生发布中的角色、课程目标与学习路径
1.1 灰度发布的背景与挑战
在云原生微服务架构中，应用发布频率从月级提升到天级甚至小时级。传统的蓝绿部署或全量滚动更新已无法满足以下核心诉求：
- 风险可控：新版本仅暴露给小部分流量或租户，异常影响范围最小化。
- 可观测性驱动决策：通过实时指标（错误率、延迟、资源使用）判断灰度批次是否健康，决定是否继续推进。
- 自动化回滚：当关键指标触发阈值时，流水线自动暂停或回退，无需人工介入。
灰度发布 ≠ 简单流量切分：真正的灰度发布需要与监控系统、告警规则、发布流水线深度集成，形成“发布-观测-决策”闭环。
1.2 Operator 在云原生发布中的角色
Kubernetes Operator 是扩展 Kubernetes API 的软件模式，它将领域知识（如灰度策略、健康检查、批次推进逻辑）编码为自定义控制器。在灰度发布场景中，Operator 承担以下关键职责：
| 角色 | 说明 | 示例 |
|---|---|---|
| 编排引擎 | 管理灰度批次的生命周期：创建、暂停、推进、回滚 | 根据 Canary 自定义资源（CR）逐步调整 Deployment 副本比例 |
| 指标采集触发 | 在批次切换时主动触发 Prometheus 指标快照或事件标记 | 批次开始/结束时写入 Prometheus Counter 或 Histogram |
| 策略执行器 | 基于外部指标（如 Grafana 查询结果）判断是否满足推进条件 | Operator 调用 Prometheus API 检查错误率是否低于 0.1% |
| 状态持久化 | 将灰度进度、指标快照、决策记录写入 CR Status 或外部存储 | CR Status 中记录每个批次的开始时间、结束时间、指标摘要 |
1.3 指标留痕：从“发布完成”到“发布可审计”
传统发布流水线只关注“是否部署成功”，而云原生灰度发布要求每个批次都留下可审计、可回溯的指标证据。指标留痕的核心价值包括：
- 审计合规：记录每次灰度批次的开始/结束时间、流量比例、关键指标快照，满足内部审计或合规要求。
- 故障定位：当发布后出现性能劣化，可通过留痕指标快速定位是哪个批次引入的问题。
- 模型训练：积累的历史留痕数据可用于训练发布风险评估模型，提升自动化决策准确率。
关键指标类型：
• 业务指标：请求成功率、P99 延迟、吞吐量
• 资源指标：CPU/Memory 使用率、网络 I/O
• 发布指标：批次持续时间、推进决策结果、回滚次数
• 业务指标：请求成功率、P99 延迟、吞吐量
• 资源指标：CPU/Memory 使用率、网络 I/O
• 发布指标：批次持续时间、推进决策结果、回滚次数
1.4 课程目标与学习路径
本课程旨在帮助学员掌握从零构建一套完整的“K8s Operator 灰度发布 + 指标面板留痕”体系。课程分为四个阶段：
| 阶段 | 章节范围 | 核心产出 |
|---|---|---|
| 基础篇 | 第 1-8 章 | 理解灰度发布模型、Operator 开发基础、Prometheus 指标设计 |
| 核心篇 | 第 9-18 章 | 实现灰度批次 Operator、集成指标采集、构建 Grafana 留痕面板 |
| 进阶篇 | 第 19-25 章 | 策略引擎、自动回滚、多集群灰度、指标数据持久化 |
| 实战篇 | 第 26-30 章 | 完整流水线 CI/CD 集成、生产级部署、故障演练 |
1.5 前置知识与工具栈
学习本课程需要具备以下基础：
- Kubernetes 基本概念（Pod、Deployment、Service、ConfigMap）
- Go 语言基础（Operator 使用 controller-runtime 框架开发）
- Prometheus 与 Grafana 基本使用（指标查询、面板创建）
- CI/CD 流水线基础（GitLab CI / GitHub Actions / ArgoCD 任一即可）
注意：本课程不从头讲解 Kubernetes 或 Go 语言基础，建议学员在开始前完成至少一个简单的 Operator 开发练习（如 Bookinfo Operator 示例）。