1. 课程导论：eBPF 网络观测与延迟回归检查的背景、目标与课程大纲

1.1 背景：为什么需要 eBPF 网络观测与延迟回归检查？

在现代微服务与云原生架构中，网络是连接所有服务的“神经系统”。然而，当制品库（Artifact Repository）作为发布窗口的核心依赖时，其查询延迟的微小波动会直接放大为整个 CI/CD 流水线的阻塞。传统的网络观测手段（如 tcpdump、iptables 日志、应用层埋点）存在以下痛点：

• 观测盲区：内核协议栈内部的排队、重传、拥塞控制状态难以低成本捕获。
• 高开销：全量抓包或频繁轮询 /proc 文件系统会显著增加生产环境的 CPU 开销。
• 延迟归因困难：无法精确区分“网络传输延迟”与“服务端处理延迟”，导致回归定位效率低下。

eBPF（extended Berkeley Packet Filter）技术通过在内核沙箱中安全运行自定义程序，实现了对网络路径的零侵入、高精度观测。本课程聚焦于 “制品库发布窗口” 这一特定场景，系统性地解决查询延迟回归的检测与根因分析问题。

1.2 目标：课程结束后你将掌握的能力

1.3 课程大纲：30 章知识体系全景

本课程分为 五大模块，从基础原理到生产实战，层层递进：

1. 基础篇（第 1-5 章）：eBPF 网络观测原理、内核探针与延迟指标定义。
2. 观测构建篇（第 6-12 章）：编写 eBPF 程序采集 TCP 延迟、重传与队列深度；构建回归检测基线。
3. 制品库专项篇（第 13-18 章）：深入分析 Nginx/Artifactory 等组件的网络与 I/O 延迟交织。
4. 自动化与集成篇（第 19-25 章）：观测模板制品库设计、发布窗口自动触发与告警。
5. 实战与复盘篇（第 26-30 章）：3 个真实生产案例复盘，输出可复用的制品模板。

1.4 关键概念：延迟回归检查的定义

在制品库发布窗口场景下，延迟回归（Latency Regression） 特指：

• 统计定义：p99 查询延迟较基线上升超过 20%，且持续时间超过 5 分钟。
• 业务影响：发布窗口从平均 3 分钟延长至 15 分钟以上，阻塞后续微服务部署。
• 检查范围：覆盖客户端 → 负载均衡 → 制品库服务端 → 存储后端的全链路网络路径。

1.5 前置知识要求

1.6 课程配套制品库模板

本课程提供一套完整的 eBPF 网络观测模板制品库，包含：

• 观测模板：预定义的 eBPF 程序源码（C 语言），覆盖 TCP 延迟、重传、队列深度等指标。
• 基线配置：基于历史数据的统计基线 JSON 文件，支持动态更新。
• 发布窗口检查器：集成到 Jenkins/GitLab CI 的插件，自动触发回归检查。
• 仪表盘模板：Grafana 仪表盘 JSON，可视化展示延迟回归趋势。

1.7 课程特色与学习路径建议

• 实战驱动：每章均包含可运行的 eBPF 代码示例与 Makefile 构建脚本。
• 渐进式难度：从单指标采集到多指标关联分析，逐步构建完整观测系统。
• 制品复用：所有模板制品均以标准目录结构组织，支持 git submodule 直接引用。
• SRE 视角：强调可观测性、自动化与故障恢复，而非单纯的内核编程技巧。