1. 课程导论：etcd在云原生中的核心地位、Cilium网络对etcd性能的影响、压测沙盘的整体架构与目标

1.1 etcd：云原生状态层的基石

在云原生架构中，etcd 是当之无愧的“状态中枢”。作为分布式键值存储系统，它承载了 Kubernetes 控制平面的全部持久化状态，包括集群配置、服务发现、资源调度与控制器协调等关键数据。etcd 的可用性与性能直接决定了整个 Kubernetes 集群的稳定性。

1.2 Cilium 网络对 etcd 性能的深层影响

Cilium 基于 eBPF 技术为 Kubernetes 提供高性能网络、可观测性与安全策略。然而，当 Cilium 部署在 etcd 集群所在节点或数据路径上时，其网络策略、隧道封装（VXLAN/Geneve）以及 eBPF 钩子可能对 etcd 的 Raft 通信产生不可忽视的干扰。

• 延迟叠加：Cilium 的 eBPF 程序在数据路径上执行策略检查与封装解封装，增加微秒级到毫秒级的额外延迟。对于 etcd 这种对延迟极度敏感的 Raft 协议，累积效应可能导致心跳超时。
• 吞吐量下降：高并发场景下，Cilium 的 conntrack 表、策略规则匹配可能成为 CPU 瓶颈，进而影响 etcd 的网络吞吐。
• 故障场景放大：当 Cilium 组件（如 cilium-agent、cilium-operator）异常重启或 eBPF map 竞争时，网络路径可能出现短暂中断或丢包，直接触发 etcd Leader 选举风暴。

1.3 压测沙盘的整体架构与目标

本课程设计的 etcd 压测沙盘 是一个可复现、可观测、可干预的实验环境，旨在系统性地诊断 Cilium 网络故障对 etcd 性能的影响，并验证恢复策略的有效性。

沙盘架构

• 基础设施层：基于 Kubernetes 1.28+ 集群，3 节点 etcd 集群部署在专用节点池，Cilium 作为 CNI 插件运行。
• 压测引擎：使用 benchmark 工具（etcd v3 API）模拟高并发读写与 Watch 请求，支持自定义 key 分布与负载模型。
• 故障注入模块：通过 Chaos Mesh 或直接操作 Cilium 配置，注入网络延迟、丢包、策略限制、eBPF 程序异常等故障。
• 可观测性栈：集成 Prometheus + Grafana 监控 etcd 指标（Raft 延迟、Leader 变更次数、磁盘 fsync 延迟），以及 Cilium 的 Hubble 网络流日志。
• 诊断与恢复工具集：包含 etcdctl 健康检查、Cilium 状态诊断、eBPF 跟踪脚本、网络抓包分析等。

课程核心目标

1. 建立基准：在无故障环境下，测量 etcd 集群的基准性能（延迟、吞吐、QPS），建立可对比的基线。
2. 故障诊断：通过注入 Cilium 网络故障（延迟、丢包、策略冲突、eBPF 异常），观察 etcd 性能退化模式与 Raft 行为变化。
3. 根因分析：结合可观测性数据与诊断工具，定位性能瓶颈的具体网络层原因（如 conntrack 表溢出、隧道封装开销、策略规则匹配延迟）。
4. 恢复验证：实施并验证多种恢复策略（Cilium 参数调优、网络拓扑优化、eBPF 程序优化、故障自愈机制），量化恢复效果。
5. 最佳实践沉淀：总结出一套可复用的 etcd + Cilium 性能保障与故障恢复操作手册。