1. 课程导论：K8s 资源管理的重要性、动态校准与静态配置的对比、课程目标与学习路径
1.1 为什么资源管理是 K8s 生产环境的基石？
在 Kubernetes 集群中，资源管理直接决定了应用的稳定性、成本效率和运维复杂度。没有精确的资源配额控制，集群会面临以下典型问题：
- 节点过载与 OOMKill：未设置资源限制的 Pod 可能耗尽节点内存，导致关键进程被内核 OOM Killer 终止。
- 资源碎片化：静态配置的 Request/Limit 与实际负载不匹配，造成大量 CPU 或内存闲置，无法调度更多 Pod。
- QoS 降级：BestEffort 类 Pod 在资源争抢时被优先驱逐，影响业务连续性。
- 成本失控：云上集群按节点付费，资源利用率每提升 10%，对应可观的成本节省。
核心指标：生产集群 CPU 平均利用率通常低于 40%，内存利用率低于 60%。通过动态校准，可将利用率提升至 70%–85%，同时保持 SLO 达标。
1.2 静态配置 vs. 动态校准：核心差异
传统方式是在部署时手动设置固定的 resources.requests 和 resources.limits，这种方式在负载波动场景下暴露明显缺陷。下表从多个维度对比两种策略：
| 对比维度 | 静态配置（Static） | 动态校准（Dynamic Calibration） |
|---|---|---|
| 配置依据 | 经验值、压测峰值、保守估算 | 实时监控指标、历史负载画像、预测模型 |
| 资源利用率 | 低（通常 30%–50%） | 高（通常 70%–85%） |
| 应对突发流量 | 容易 OOM 或限流 | 自动扩缩配额，弹性适配 |
| 运维干预频率 | 高（每次版本变更需手动调整） | 低（策略自动化，仅需审计） |
| 风险控制 | 配置过小导致故障，过大导致浪费 | 通过安全边界和回滚机制兜底 |
| 适用场景 | 稳定负载、非关键业务 | 微服务、批处理、AI 训练、在线交易 |
关键认知：动态校准不是“无限制”，而是基于数据驱动的精准配额调整。它结合了 VPA（Vertical Pod Autoscaler）、自定义 Metrics Server 和准入控制 Webhook，在安全范围内自动修正 Request/Limit。
1.3 动态校准的核心流程（SVG 架构图）
下图展示了从指标采集到配额生效的完整闭环，这是本课程后续章节反复引用的基础架构：
1.4 课程目标与学习路径
本课程旨在帮助学员掌握从理论到实战的完整技能树，最终能够独立设计并落地一套生产级动态资源校准系统。课程按以下路径递进：
- 基础篇（第 1–5 章）：K8s 资源模型、QoS 等级、静态配置陷阱、监控体系搭建。
- 核心篇（第 6–15 章）：VPA 原理与部署、自定义 Recommender 开发、HPA 与 VPA 协同、安全边界策略。
- 进阶篇（第 16–24 章）：基于 eBPF 的细粒度指标、GPU/内存 NUMA 校准、大规模集群性能优化。
- 实战篇（第 25–30 章）：CI/CD 集成、混沌工程验证、故障复盘、生产案例拆解。
前置要求：学员需具备 K8s 基础操作能力（kubectl、Pod/Deployment 概念），了解 Linux cgroup 和 Namespace 基本原理。每章均提供可复用的 YAML 和代码片段，建议在测试集群中同步实践。
1.5 你将获得的核心能力
| 能力维度 | 具体产出 |
|---|---|
| 诊断能力 | 通过 Metrics Server、PromQL、kubectl top 快速定位资源争抢和浪费点 |
| 校准能力 | 部署并调优 VPA，编写自定义 Recommender 适配业务负载特征 |
| 优化能力 | 将集群 CPU 利用率从 35% 提升至 75%+，同时保证 P99 延迟不恶化 |
| 工程化能力 | 设计准入 Webhook、配置安全边界、集成 GitOps 流水线 |
| 应急能力 | 处理因校准导致的 OOM 风暴、资源抖动、调度失败等生产事故 |