1. 课程导论：SLO与自愈的概念、Kubernetes自愈能力概述、本课程目标与受众

1.1 从SRE基石到自愈闭环

在站点可靠性工程（SRE）实践中，服务等级目标（SLO）是衡量系统健康度的核心量化指标。传统运维依赖人工告警与被动响应，而现代云原生架构要求系统具备自愈（Self-Healing）能力——即在检测到SLO偏离时，自动触发修复动作，将系统拉回健康状态。

本课程将SLO与自愈能力深度绑定，构建一套基于SLO事件触发验证的测试方法论，确保自愈逻辑在真实故障场景下可被量化验证。

1.2 SLO与自愈概念对比

1.3 Kubernetes原生自愈能力概述

Kubernetes内置了多层自愈机制，但仅靠原生能力无法覆盖复杂的SLO驱动场景。下表梳理了K8s原生自愈与SLO驱动自愈的差异：

1.4 SLO事件触发自愈架构

下图展示了基于SLO事件触发自愈的核心架构，包含观测、判定、执行、验证四个阶段：

1.5 本课程目标与受众

课程目标

• 掌握SLO驱动的自愈测试方法论： 从指标定义、Burn Rate计算到事件触发验证的完整链路。
• 构建可复用的自愈测试框架： 基于Kubernetes Operator、Chaos Mesh、Prometheus等工具，实现故障注入与SLO验证的自动化。
• 建立SLO验证闭环： 确保每次自愈动作后，系统SLO能够恢复到预期水平，避免"假自愈"。
• 产出可量化的测试报告： 通过SLO恢复时间、Burn Rate消耗、自愈成功率等指标评估自愈效果。

目标受众

1.6 课程内容结构概览

本课程共30章，分为四大模块，逐步构建SLO事件触发自愈测试的完整知识体系：

1. 基础篇（第1-8章）： SLO/SLI/Burn Rate理论、K8s自愈机制深度解析、事件触发模型设计。
2. 工具篇（第9-16章）： Prometheus SLO监控配置、Chaos Mesh故障注入、Argo Workflows事件编排、自愈Operator开发。
3. 实践篇（第17-24章）： 典型故障场景（Pod崩溃、网络延迟、节点故障）的自愈测试用例设计与执行。
4. 进阶篇（第25-30章）： 多SLO联合触发、自愈策略调优、SLO验证报告生成、生产环境最佳实践。