1. 课程导论：为什么连接池水位是 Kubernetes 部署的核心指标？课程目标与学习路径

1.1 从一次“雪崩”事故说起

假设你负责一个日活千万的在线服务，后端采用 Go 语言编写，数据库连接池上限配置为 200。某次上线新功能后，流量瞬间激增 3 倍，Pod 自动扩容到 20 个副本。此时，每个 Pod 都试图建立 200 个数据库连接，集群总连接数瞬间达到 4000。数据库端的最大连接数仅为 500，瞬间被打满，大量请求超时。Kubernetes 健康检查连续失败，Pod 被强制重启；重启后连接池重新初始化，再次涌入数据库，形成“重启-打满-超时-再重启”的死循环。整个服务持续不可用长达 15 分钟。

这场事故的根源，并非代码逻辑错误，而是连接池水位与后端容量之间的严重错配。在 Kubernetes 动态扩缩容环境下，连接池不再是单个进程的局部配置，而是整个分布式系统的全局风险放大器。

1.2 为什么连接池水位是 Kubernetes 部署的核心指标？

传统单体架构中，连接池通常只影响单个进程。但在 Kubernetes 环境下，连接池水位上升为集群级容量规划指标，原因如下：

连接池水位之所以成为核心指标，是因为它直接决定了以下三个关键风险：

• 后端容量风险： 数据库、缓存、消息队列等后端服务都有最大连接数限制。连接池水位一旦超过后端容量，立即引发连接拒绝和请求排队。
• 雪崩传播风险： 单个 Pod 的连接池打满后，请求排队导致响应变慢；慢请求占用更多连接，进一步推高水位；健康检查超时触发 Pod 重启，重启后连接池重建再次冲击后端。
• 资源浪费风险： 连接池配置过大（如 200），但实际业务并发只有 50，多余的连接不仅占用 Pod 内存，还浪费后端连接资源。

1.3 课程目标

本课程旨在帮助 Kubernetes 工程师、SRE 和后端架构师建立一套完整的连接池水位治理体系。完成本课程后，你将能够：

1. 量化评估： 准确计算任意 Kubernetes 服务的连接池水位，并判断是否超出后端容量。
2. 配置优化： 根据业务并发模型、Pod 规格和后端容量，给出连接池参数的推荐配置。
3. 监控告警： 设计连接池水位的监控指标、告警阈值和可视化看板。
4. 故障演练： 通过混沌工程手段验证连接池配置的健壮性。
5. 架构防御： 在应用层、平台层和基础设施层构建连接池水位的防御体系。

1.4 学习路径与课程地图

课程共分为 6 个模块，30 个章节，按“认知 → 诊断 → 配置 → 监控 → 防御 → 实战”的递进路径组织：

1.5 你需要具备的基础知识

• Kubernetes 基础： 理解 Pod、Deployment、Service、HPA 等核心资源的概念。
• 连接池概念： 了解数据库连接池、HTTP 连接池、gRPC 连接池的基本工作原理。
• 编程语言基础： 至少熟悉 Go、Java 或 Python 中的一种，能够阅读连接池配置代码。
• 监控工具： 了解 Prometheus 和 Grafana 的基本使用。

1.6 本章小结