2. 环境准备：Python 3.10+ 环境搭建、Docker与Kubernetes集群部署、Prometheus与Grafana监控栈安装

本章聚焦于搭建混沌工程基线核验所需的完整实验环境。所有后续的故障注入、指标采集与核验脚本都将运行在本章构建的底座之上。环境分为四个层次：运行时语言层（Python 3.10+）、容器编排层（Docker + Kubernetes）、监控观测层（Prometheus + Grafana）。

2.1 Python 3.10+ 运行环境

推荐使用 pyenv 管理多版本 Python，确保团队环境一致。以下为 Ubuntu 22.04 / macOS 通用安装步骤：

# 安装 pyenv 依赖（Ubuntu）
sudo apt-get update; sudo apt-get install -y make build-essential libssl-dev zlib1g-dev \
libbz2-dev libreadline-dev libsqlite3-dev wget curl llvm libncurses5-dev \
libncursesw5-dev xz-utils tk-dev libffi-dev liblzma-dev python3-openssl git

# 安装 pyenv
curl https://pyenv.run | bash

# 写入 shell 配置（~/.bashrc 或 ~/.zshrc）
echo 'export PYENV_ROOT="$HOME/.pyenv"' >> ~/.bashrc
echo 'command -v pyenv >/dev/null || export PATH="$PYENV_ROOT/bin:$PATH"' >> ~/.bashrc
echo 'eval "$(pyenv init -)"' >> ~/.bashrc

# 安装 Python 3.11.4（稳定版本）
pyenv install 3.11.4
pyenv global 3.11.4

# 验证
python --version   # 应输出 Python 3.11.4

# requirements.txt
chaostoolkit==1.30.0
chaostoolkit-kubernetes==1.18.0
prometheus-api-client==0.5.4
kubernetes==27.2.0
requests==2.31.0
pyyaml==6.0.1

# 安装
pip install -r requirements.txt

2.2 Docker 与 Kubernetes 集群部署

本地开发环境推荐使用 Docker Desktop（macOS/Windows）或 Minikube（Linux）快速启动单节点集群。生产级基线核验建议使用 Kind（Kubernetes in Docker）模拟多节点拓扑。

以下为 Kind 部署示例（推荐用于本课程）：

# 安装 Kind
curl -Lo ./kind https://kind.sigs.k8s.io/dl/v0.20.0/kind-linux-amd64
chmod +x ./kind
sudo mv ./kind /usr/local/bin/kind

# 创建多节点集群配置文件 kind-config.yaml
cat <<EOF > kind-config.yaml
kind: Cluster
apiVersion: kind.x-k8s.io/v1alpha4
nodes:
  - role: control-plane
  - role: worker
  - role: worker
EOF

# 启动集群
kind create cluster --config kind-config.yaml --name chaos-baseline

# 验证
kubectl cluster-info --context kind-chaos-baseline
kubectl get nodes

2.3 Prometheus 与 Grafana 监控栈安装

监控栈是基线核验的数据核心。Prometheus 负责采集与存储指标，Grafana 负责可视化与告警。推荐使用 kube-prometheus-stack Helm Chart 一键部署。

2.3.1 安装 Helm

curl https://raw.githubusercontent.com/helm/helm/main/scripts/get-helm-3 | bash
helm version

2.3.2 部署 kube-prometheus-stack

# 添加 Helm 仓库
helm repo add prometheus-community https://prometheus-community.github.io/helm-charts
helm repo update

# 创建命名空间
kubectl create namespace monitoring

# 安装（包含 Prometheus、Grafana、AlertManager、Node Exporter）
helm install kube-prometheus prometheus-community/kube-prometheus-stack \
  --namespace monitoring \
  --set grafana.adminPassword=admin123 \
  --set prometheus.prometheusSpec.serviceMonitorSelectorNilUsesHelmValues=false

# 等待所有 Pod 就绪
kubectl -n monitoring get pods -w

2.3.3 访问 Grafana

# 端口转发
kubectl -n monitoring port-forward svc/kube-prometheus-grafana 3000:80

# 浏览器打开 http://localhost:3000
# 默认账号：admin / admin123

2.4 环境验证清单

完成上述安装后，执行以下命令验证环境完整性：

# 1. Python 环境
python --version && pip list | grep -E "chaostoolkit|kubernetes|prometheus"

# 2. Kubernetes 集群
kubectl get nodes -o wide
kubectl -n monitoring get pods

# 3. Prometheus 目标状态
kubectl -n monitoring port-forward svc/kube-prometheus-kube-prome-prometheus 9090:9090 &
curl http://localhost:9090/api/v1/targets | python -m json.tool | grep -E "health|scrapeUrl"

# 4. Grafana 数据源
kubectl -n monitoring port-forward svc/kube-prometheus-grafana 3000:80 &
# 浏览器访问 http://localhost:3000，确认 Prometheus 数据源已配置且状态为 "OK"