4. 升级策略模板元模型：模板的组成要素

升级策略模板是集群自动化升级与回滚的核心编排单元。一个完备的模板必须包含版本、节点池、批次、健康检查、超时、回滚条件六大要素。这六项共同定义了“升级什么、升级谁、怎么分批、如何验证、等多久、失败怎么办”的完整闭环。

4.1 六要素总览

4.2 要素间关系与执行流程

六要素并非孤立存在，它们在升级执行过程中形成一条完整的决策链。下图展示了模板元模型在自动化引擎中的流转关系：

4.3 要素详解与配置规范

4.3.1 版本 (Version)

版本字段必须包含完整的软件标识，支持语义化版本号、镜像摘要、配置哈希值。建议在模板中同时记录当前版本和目标版本，以便回滚时快速切换。

version:
  current: v1.27.3
  target: v1.28.5
  component: kubernetes
  release_notes_url: https://github.com/kubernetes/kubernetes/releases/tag/v1.28.5

4.3.2 节点池 (NodePool)

节点池定义升级的作用域，支持静态列表和动态标签选择器。生产环境建议使用标签选择器，避免硬编码节点 IP。

node_pool:
  selector:
    match_labels:
      environment: production
      role: worker
  exclude:
    - node-01.internal  # 排除特定节点
  max_concurrent: 5     # 全局并发上限

4.3.3 批次 (Batch)

批次策略控制升级节奏，核心参数包括每批数量、批间间隔、暂停策略。常见的三种模式：

batch:
  strategy: percentage
  batch_percent: 10
  min_batch_size: 1
  max_batch_size: 10
  interval: 120s
  require_approval: false

4.3.4 健康检查 (HealthCheck)

健康检查是升级安全的第一道防线。建议分层设计：

• 节点级：检查 kubelet 状态、节点 Ready 状态、系统服务存活
• Pod 级：检查关键 DaemonSet/Deployment 的 Pod 就绪率
• 服务级：检查 API Server 响应、核心业务接口可用性

health_check:
  node:
    check_commands:
      - "kubectl get node {{ node_name }} | grep -q Ready"
    timeout: 30s
  pod:
    namespace: kube-system
    min_ready_percent: 95
  service:
    endpoints:
      - "https://api.cluster.local/healthz"
    expected_status: 200

4.3.5 超时 (Timeout)

超时设置防止升级过程无限阻塞。建议设置三级超时：

timeout:
  node: 600s
  batch: 1800s
  global: 7200s
  action_on_timeout: pause  # pause | abort | rollback

4.3.6 回滚条件 (Rollback)

回滚条件是升级的安全阀。当条件满足时，自动化引擎自动触发回滚流程。常见条件包括：

• 健康检查失败次数：连续 N 次健康检查不通过
• 超时次数：单批次超时次数超过阈值
• 节点失联：升级后节点失联数量超过容忍值
• 服务降级：核心服务可用性低于 SLO

rollback:
  conditions:
    - type: health_check_failure
      max_retries: 3
      window: 300s
    - type: node_unreachable
      max_count: 2
    - type: service_degradation
      slo_threshold: 99.5%
  auto_rollback: true
  rollback_batch_size: 5

4.4 模板元模型完整示例

以下是一个生产级升级策略模板的 YAML 配置，整合了所有六要素：

upgrade_template:
  name: "k8s-1.28-upgrade-production"
  version: "1.0"
  
  version:
    current: v1.27.3
    target: v1.28.5
    component: kubernetes
  
  node_pool:
    selector:
      match_labels:
        environment: production
        role: worker
    exclude: []
    max_concurrent: 5
  
  batch:
    strategy: percentage
    batch_percent: 10
    min_batch_size: 1
    max_batch_size: 10
    interval: 180s
    require_approval: false
  
  health_check:
    node:
      check_commands:
        - "kubectl get node {{ node_name }} | grep -q Ready"
      timeout: 30s
    pod:
      namespace: kube-system
      min_ready_percent: 95
    service:
      endpoints:
        - "https://api.cluster.local/healthz"
      expected_status: 200
  
  timeout:
    node: 600s
    batch: 1800s
    global: 7200s
    action_on_timeout: pause
  
  rollback:
    conditions:
      - type: health_check_failure
        max_retries: 3
        window: 300s
      - type: node_unreachable
        max_count: 2
    auto_rollback: true
    rollback_batch_size: 5

4.5 要素校验规则

模板提交后，自动化引擎应执行以下校验：