1. 课程导论与背景：云原生灾备的挑战、缓存命中率的重要性、灰度发布与巡检的关联
1.1 云原生灾备面临的新挑战
传统灾备架构在向云原生迁移过程中，面临微服务化、容器化与动态编排带来的三大核心挑战：
- 拓扑动态性：Pod 频繁扩缩容、节点故障迁移，导致灾备拓扑无法静态固化，传统“主-备”IP 绑定模式失效。
- 状态一致性：分布式缓存（如 Redis Cluster、Memcached）在跨 AZ/跨 Region 灾备切换时，缓存数据一致性难以保障，极易出现“雪崩”效应。
- 灰度批次风险：灾备演练或灰度发布时，流量按批次切分，若缓存命中率骤降，后端数据库瞬间承压，可能引发级联故障。
核心痛点：云原生环境下，灾备不再是“全量复制+一键切换”，而是需要与灰度发布、缓存命中、巡检留痕深度耦合的持续工程。
1.2 缓存命中率：灾备切换的“生命线”
缓存命中率（Cache Hit Ratio, CHR）是衡量灾备切换健康度的关键前置指标。下表对比了不同命中率区间对系统的影响：
| 命中率区间 | 系统状态 | 典型后果 |
|---|---|---|
| ≥ 95% | 健康 | 数据库负载正常，响应时间稳定 |
| 80% – 94% | 亚健康 | 部分请求穿透至 DB，延迟上升 2-5 倍 |
| 60% – 79% | 危险 | 数据库连接池打满，慢查询激增 |
| < 60% | 灾难 | 缓存雪崩，数据库过载，服务降级或熔断 |
经验法则：在灰度批次切换过程中，若缓存命中率单次下降超过 15%，应立即暂停后续批次，触发巡检留痕与回滚流程。
1.3 灰度发布与巡检的关联模型
灰度发布不是单纯的流量路由变更，而是一次“受控的灾备预演”。巡检在此过程中承担三个角色：
- 前置校验：灰度批次启动前，巡检缓存拓扑连通性、数据分片均衡度。
- 实时监控：批次切换后，巡检缓存命中率、延迟 P99、后端连接数。
- 留痕回溯：每次巡检结果生成拓扑快照，形成可审计的“灰度-灾备-缓存”关联图谱。
下图展示了灰度批次、缓存命中与巡检留痕之间的核心流程关系：
1.4 拓扑图留痕：从“黑盒”到“白盒”
传统灾备巡检往往只记录“成功/失败”状态，缺乏对缓存拓扑结构的可视化追溯。本课程提出的拓扑图留痕机制，在每次灰度批次切换后，自动生成包含以下要素的拓扑快照：
- 缓存节点状态：主/从角色、连接数、内存水位。
- 数据分片分布：slot 分配、迁移进度。
- 灰度流量路径：Ingress → Service → Pod → 缓存实例。
- 命中率热力图：按分片/节点着色，直观展示冷热数据分布。
注意：拓扑图留痕不是简单的截图保存，而是结构化元数据（JSON/YAML）+ 可视化渲染的持久化组合，支持后续回放与对比分析。
1.5 课程核心目标
通过本课程，你将掌握以下能力：
| 能力维度 | 具体目标 |
|---|---|
| 架构设计 | 设计支持灰度批次与灾备切换的缓存拓扑 |
| 巡检自动化 | 构建命中率驱动的巡检流水线，自动触发留痕 |
| 可视化分析 | 基于拓扑快照进行灾备复盘与容量规划 |
| 故障应急 | 通过留痕图谱快速定位缓存命中率异常根因 |
接下来的章节，我们将从缓存拓扑建模开始，逐步深入灰度批次编排、命中率巡检策略与留痕存储引擎的实现细节。