📚 课程目录第1章课程导论

1. 课程导论：etcd在云原生架构中的核心地位、压测沙盘的整体目标与工程价值、课程大纲概览

在云原生生态中，etcd 是分布式系统的“状态中枢”。作为一致性的键值存储，它承载了 Kubernetes 控制面的全部持久化状态——从 Pod、Service、Deployment 的元数据，到调度决策、网络策略、RBAC 权限。一旦 etcd 出现性能抖动或故障，整个集群的控制面将陷入瘫痪。

  关键事实：etcd 是 Kubernetes 控制面的“单点真相源”（Single Source of Truth），其延迟和吞吐量直接决定集群的恢复速度、调度效率与 API Server 响应能力。

etcd 在云原生架构中的核心角色可归纳为以下四个维度：

维度	说明	典型场景
一致性存储	基于 Raft 协议提供强一致性读写，保证集群状态不分裂	Kubernetes 资源对象的 Create/Update/Delete
服务发现	Watch 机制支持实时监听键值变化，驱动控制器循环	Service 后端 Pod 变更、ConfigMap 热更新
分布式锁	基于 Lease 和 Revision 实现租约与选举	Leader 选举、分布式任务调度
事务与元数据	支持多键事务（Txn），保证复杂操作的原子性	Kubernetes 资源乐观锁、资源配额校验

工程启示：etcd 的性能瓶颈往往不是 CPU 或内存不足，而是磁盘 I/O 延迟、Raft 日志同步开销、以及 Watch 连接数膨胀。压测沙盘正是为了系统性地暴露这些瓶颈。

本课程构建的 etcd 压测沙盘，是一套从 Prometheus 指标采集到瓶颈定位的完整工程框架。它不是简单的压测工具使用教程，而是教你如何通过指标驱动的方式，系统性地发现 etcd 的性能瓶颈并给出优化方案。

  核心目标：将 etcd 压测从“黑盒猜谜”升级为“白盒可观测”，让每个 Prometheus 指标都能对应到具体的瓶颈根因。

压测沙盘的整体目标分为三个层次：

指标全景覆盖：采集 etcd 内置 Prometheus 指标（如 etcd_server_leader_changes_seen_total、etcd_disk_wal_fsync_duration_seconds、etcd_network_client_grpc_sent_bytes_total），建立从客户端请求到磁盘落盘的完整指标链路。
瓶颈定位工程化：通过压测场景（如高并发写入、大 Value 写入、Watch 风暴、Leader 切换）触发指标异常，利用火焰图、延迟分布、错误率趋势等工具定位瓶颈。
优化闭环验证：针对定位到的瓶颈（如 fsync 延迟高、Raft 日志堆积、Backend 并发写冲突），给出可落地的优化方案，并通过二次压测验证效果。

工程价值	具体体现	对 SRE 的意义
可复现的压测环境	基于 Docker Compose / Kind 一键部署 3 节点 etcd 集群 + Prometheus + Grafana	消除环境差异，压测结果可对比
指标驱动的瓶颈定位	每个压测场景对应一组关键 PromQL 查询，直接指向瓶颈根因	从“凭经验猜”到“看指标定位”
优化方案可量化	优化前后延迟、吞吐、错误率对比，用数据证明效果	提升变更的可信度与可审计性
知识沉淀与团队赋能	输出可复用的压测脚本、Dashboard 模板、故障排查手册	降低 etcd 运维门槛，加速新人上手

常见误区：很多团队压测 etcd 只关注 QPS 和 P99 延迟，忽略了磁盘 fsync 分布、Raft 心跳延迟、Watch 连接数等关键指标。本课程将纠正这一偏差，建立完整的指标评估体系。

本课程共 30 章，分为四大模块，从基础原理到实战压测，再到瓶颈定位与优化，形成完整闭环。

学习建议：建议按模块顺序学习，每个压测场景都亲自动手操作。模块一打好指标基础，模块二积累压测经验，模块三掌握定位方法，模块四形成工程化能力。每章末尾的“动手练习”是巩固知识的关键。

通过本课程，你将掌握以下核心能力：

  课程承诺：学完本课程，你将不再是“只会用 etcd”的工程师，而是能“诊断并优化 etcd”的 SRE 专家。