知识点思维导图
21 个知识节点
Kubernetes（05） - 发布、回滚与集群排障
读完后，你应能完成以下任务：
- 绘制“Kubernetes（05） - 发布、回滚与集群排障 / Revision、发布策略与兼容窗口”的关键对象与数据流，解释“不能回滚数据库和外部状态。”，并用源码位置、日志或 Trace 标注证据。
- 为“Kubernetes（05） - 发布、回滚与集群排障 / 事件、状态与首个异常事实”设计正常与异常输入，验证“再查 current/previous logs 和资源指标。”，输出首个偏差位置与回归测试结果。
- 实现“Kubernetes（05） - 发布、回滚与集群排障 / 回滚条件与恢复验证”的最小代码或配置，检验“发布前定义错误率、延迟、业务成功率和观察窗口，超阈值停止扩量并决定回滚。”，输出命令、结果与 Diff，并说明不适用边界。
一、先建立全局：发布、回滚与集群排障 是什么？
理解“发布、回滚与集群排障”，先要把标题中的对象放进同一条处理链：它接收什么输入，经过哪些状态变化，最终用什么证据判断结果。下表不另造概念，只把作者正文已经解释的章节按依赖顺序连起来。
“发布、回滚与集群排障”的第一个核心判断是：不能回滚数据库和外部状态。。先弄清这个判断中的对象和输入输出，后面的实现、故障和验收才有共同语境。
| 顺序 | 章节 | 读完本节应抓住的结论 |
|---|---|---|
| 1 | Revision、发布策略与兼容窗口 | 不能回滚数据库和外部状态。 |
| 2 | 事件、状态与首个异常事实 | 再查 current/previous logs 和资源指标。 |
| 3 | 回滚条件与恢复验证 | 发布前定义错误率、延迟、业务成功率和观察窗口，超阈值停止扩量并决定回滚。 |
| 4 | 发布与故障证据命令 | 回滚命令只在确认旧版本与当前数据兼容后执行。 |
| 5 | 故障边界与验证 | 验收时至少覆盖正常、边界和失败三条路径。 |
| 6 | Deployment revision 保存 Pod 模板历史 | Deployment revision 保存 Pod 模板历史， |
1.1 核心对象之间怎样衔接
flowchart LR
S1["Revision、发布策略与兼容窗口"] --> S2
S2["事件、状态与首个异常事实"] --> S3
S3["回滚条件与恢复验证"] --> S4
S4["发布与故障证据命令"] --> S5
S5["故障边界与验证"]
这张图只表达本文的讲解顺序，不替代正文机制。判断“发布、回滚与集群排障”是否真正掌握，需要能从最后一个结果沿图回到前面每个章节的输入、状态变化和证据。
1.2 再看失败：问题最早会出现在哪一步？
在“发布、回滚与集群排障”的对象和顺序已经明确后，再看可观察的失败：环境漂移、探针失真、权限错误、发布扩大故障或回滚不可用。定位时不从最后一条错误猜原因，而是沿上图找第一个偏离正文结论的节点。
二、Revision、发布策略与兼容窗口
Deployment revision 保存 Pod 模板历史， rollout undo 只能回退工作负载配置， 不能回滚数据库和外部状态。 Schema 采用 expand、migrate、contract 保留双版本兼容， 发布制品固定 digest， 并记录配置与迁移版本。
三、事件、状态与首个异常事实
排障先用 get 和 describe 查看调度、拉镜像、探针与容器状态， 再查 current/previous logs 和资源指标。 CrashLoopBackOff 是重启退避结果，不是根因； Pending、ImagePullBackOff、OOMKilled 和 Evicted 分别指向不同层。
四、回滚条件与恢复验证
发布前定义错误率、延迟、业务成功率和观察窗口，超阈值停止扩量并决定回滚。 恢复后用同一业务请求、版本标签、端点和 SLO 验证， 同时检查消息、任务和数据副作用， 不能以 Pod Running 作为最终结论。
五、发布与故障证据命令
命令按对象状态、事件、日志和发布历史取证。
kubectl rollout status deployment/api --timeout=5m
kubectl rollout history deployment/api
kubectl get pod -l app=api -o wide
kubectl describe pod POD_NAME
kubectl logs POD_NAME --all-containers --previous
kubectl get events --sort-by=.lastTimestamp | tail -n 30
kubectl rollout undo deployment/api --to-revision=3
回滚命令只在确认旧版本与当前数据兼容后执行。 所有命令输出应关联变更时间、命名空间和镜像摘要。
六、故障边界与验证
下面三类现象覆盖本主题最常见的错误路径； 证明结果可复现且没有引入新的副作用。
| 现象 | 常见根因 | 验证与处理 |
|---|---|---|
| CrashLoopBackOff | 进程反复退出、探针杀死或配置缺失 | 查看 previous 日志、退出码、事件和生效配置 |
| Pod Pending | 资源不足、亲和约束、PVC 或污点问题 | 查看调度事件，不通过删除 Pod 反复碰运气 |
| 应用回滚后仍报错 | 数据库迁移、缓存或消息副作用不可逆 | 执行预先设计的数据兼容与补偿方案并验证业务状态 |
验收时至少覆盖正常、边界和失败三条路径。 配置、镜像、工作流或测试数据都要绑定版本；
七、动手验证：先跑通 发布、回滚与集群排障，再改变一个变量
前面的章节已经建立问题、概念和机制。现在把“发布、回滚与集群排障”放进同一套基线中运行；本节不再引入新术语，只验证前文结论能否被复现。
7.1 基线与候选只允许一个变量不同
验证“发布、回滚与集群排障”时，先固定制品、配置、运行环境、流量样本、权限和回滚条件。候选方案只能改变本次要验证的变量；如果同时更换数据、依赖和配置，即使结果改善，也不能知道是哪一项产生作用。
执行“发布、回滚与集群排障”时，动作是：执行部署或验收链路，并主动制造一次健康检查、网络或依赖失败。原始结果不能只保留截图或汇总分数，必须同步保存：命令退出码、事件、日志、指标、Trace、页面断言和制品摘要，使下一次复查可以在同一输入上重放。
| 实验要素 | 本文要求 |
|---|---|
| 固定条件 | 固定制品、配置、运行环境、流量样本、权限和回滚条件 |
| 唯一变量 | 本次候选方案与基线之间的一项明确差异 |
| 原始证据 | 命令退出码、事件、日志、指标、Trace、页面断言和制品摘要 |
| 通过阈值 | 成功路径达标，失败被及时阻断，恢复与回滚结果经过复测 |
| 立即停止 | 环境漂移、探针失真、权限错误、发布扩大故障或回滚不可用 |
7.2 执行前先排除不可比较条件
“发布、回滚与集群排障”开始前先确认下面四项；任一项不成立，都应先修复实验条件，而不是解释结果。
- 基线能够在“发布、回滚与集群排障”的当前环境重复运行。
- 候选只改变一个与“发布、回滚与集群排障”结论直接相关的条件。
- “发布、回滚与集群排障”的基线和候选使用同一批输入、同一版本依赖与同一通过阈值。
- “发布、回滚与集群排障”的原始输出和失败现场不会被重试、格式化或汇总覆盖。
7.3 执行后先核对证据完整性
结果出来后先检查证据，再讨论“发布、回滚与集群排障”是否通过。缺少中间状态时，最终输出只能说明现象，不能证明机制。
| 检查项 | 当前文章的判定 |
|---|---|
| 输入可追溯 | 固定制品、配置、运行环境、流量样本、权限和回滚条件 |
| 过程可回放 | 执行部署或验收链路，并主动制造一次健康检查、网络或依赖失败 |
| 结果可审计 | 命令退出码、事件、日志、指标、Trace、页面断言和制品摘要 |
“发布、回滚与集群排障”的一次合格基线对照按以下顺序执行：
- 保存“发布、回滚与集群排障”基线版本及输入摘要，确认基线本身可以重复运行。
- 写下“发布、回滚与集群排障”候选方案唯一变化的变量，以及它预期影响的指标。
- 在同一环境执行“发布、回滚与集群排障”：执行部署或验收链路，并主动制造一次健康检查、网络或依赖失败。
- 为“发布、回滚与集群排障”保存：命令退出码、事件、日志、指标、Trace、页面断言和制品摘要。
- 使用“发布、回滚与集群排障”预登记条件判断：成功路径达标，失败被及时阻断，恢复与回滚结果经过复测。
- 如果“发布、回滚与集群排障”未通过，不修改第二个变量，先恢复基线并保留失败现场。
八、用一张矩阵验证 发布、回滚与集群排障 的关键结论
矩阵按正文顺序列出“发布、回滚与集群排障”的结论。一次实验只选择一行，只改变这一行对应的条件；不要把多行合并成一个无法归因的大实验。
| 正文章节 | 已解释的结论 | 本轮唯一变量 | 必须保存的证据 |
|---|---|---|---|
| Revision、发布策略与兼容窗口 | 不能回滚数据库和外部状态。 | 只改变与“Revision、发布策略与兼容窗口”相关的条件 | 命令退出码、事件、日志、指标、Trace、页面断言和制品摘要 |
| 事件、状态与首个异常事实 | 再查 current/previous logs 和资源指标。 | 只改变与“事件、状态与首个异常事实”相关的条件 | 命令退出码、事件、日志、指标、Trace、页面断言和制品摘要 |
| 回滚条件与恢复验证 | 发布前定义错误率、延迟、业务成功率和观察窗口，超阈值停止扩量并决定回滚。 | 只改变与“回滚条件与恢复验证”相关的条件 | 命令退出码、事件、日志、指标、Trace、页面断言和制品摘要 |
| 发布与故障证据命令 | 回滚命令只在确认旧版本与当前数据兼容后执行。 | 只改变与“发布与故障证据命令”相关的条件 | 命令退出码、事件、日志、指标、Trace、页面断言和制品摘要 |
| 故障边界与验证 | 验收时至少覆盖正常、边界和失败三条路径。 | 只改变与“故障边界与验证”相关的条件 | 命令退出码、事件、日志、指标、Trace、页面断言和制品摘要 |
| Deployment revision 保存 Pod 模板历史 | Deployment revision 保存 Pod 模板历史， | 只改变与“Deployment revision 保存 Pod 模板历史”相关的条件 | 命令退出码、事件、日志、指标、Trace、页面断言和制品摘要 |
8.1 记录本次实际实验
下面的记录用于“发布、回滚与集群排障”当前这一次实验，不是第二套知识目录。先从矩阵选择一个章节，再填写实际值；没有填写的字段表示尚未验证。
topic: "发布、回滚与集群排障"
selected_chapter: required
claim_from_article: required
baseline_version: required
changed_condition: exactly_one
execution: "执行部署或验收链路，并主动制造一次健康检查、网络或依赖失败"
evidence: "命令退出码、事件、日志、指标、Trace、页面断言和制品摘要"
pass_when: "成功路径达标，失败被及时阻断，恢复与回滚结果经过复测"
stop_when: "环境漂移、探针失真、权限错误、发布扩大故障或回滚不可用"
observed_result: required
first_deviation: null_or_evidence
recovery_replay: required_after_failure
8.2 边界实验必须证明能够停止和恢复
成功路径只能证明“发布、回滚与集群排障”在当前样本上工作，不能证明它可以进入生产。边界实验需要主动制造：环境漂移、探针失真、权限错误、发布扩大故障或回滚不可用，并观察系统是否在产生不可逆副作用前停止。
| 场景 | 只改变什么 | 应保存什么 | 通过标准 |
|---|---|---|---|
| 正常路径 | 使用已知有效输入 | 命令退出码、事件、日志、指标、Trace、页面断言和制品摘要 | 成功路径达标，失败被及时阻断，恢复与回滚结果经过复测 |
| 边界路径 | 把一个输入推进到约束临界值 | 临界值前后的输出与指标 | 不静默降级，不把部分结果冒充成功 |
| 明确失败 | 注入：环境漂移、探针失真、权限错误、发布扩大故障或回滚不可用 | 原始错误、首个异常阶段和最终状态 | 失败被正确分类且没有扩大副作用 |
| 恢复重放 | 执行：停止扩量，按制品、配置、运行时和依赖顺序定位并恢复 | 原失败样本的复测证据 | 原样本恢复，正常样本没有回归 |
恢复动作不是简单重启。对于“发布、回滚与集群排障”，第一步是：停止扩量，按制品、配置、运行时和依赖顺序定位并恢复。完成后使用原始失败样本复测；只验证一个新样本成功，不能证明触发条件已经消失。
“发布、回滚与集群排障”边界实验结束后，应把正常、临界、失败和恢复四类记录放在同一个运行批次中。这样才能区分“候选方案真的修复问题”和“环境变化让问题暂时没有出现”。
九、发布、回滚与集群排障 的结果解释
解释“发布、回滚与集群排障”实验时先看首个偏差，而不是最后一条错误。最后的异常通常只是上游状态错误的结果；从末端反推容易误把症状当根因。
| 观察结果 | 可以支持的判断 | 下一步 |
|---|---|---|
| 主链路没有达到预期 | 环境漂移、探针失真、权限错误、发布扩大故障或回滚不可用 | 先执行：停止扩量，按制品、配置、运行时和依赖顺序定位并恢复 |
| 异常链路无法恢复 | 环境漂移、探针失真、权限错误、发布扩大故障或回滚不可用 | 先执行：停止扩量，按制品、配置、运行时和依赖顺序定位并恢复 |
| 新样本成功但原样本仍失败 | 修复没有覆盖原始触发条件 | 固定原失败输入，恢复基线后重新比较 |
| 指标改善但证据无法回链 | 数据、版本或中间状态没有固定 | 暂停发布，补齐可追溯记录后重跑 |
“发布、回滚与集群排障”只有同时满足“成功路径达标，失败被及时阻断，恢复与回滚结果经过复测”，并且没有出现“环境漂移、探针失真、权限错误、发布扩大故障或回滚不可用”，才可以认为主链路通过。这里的“通过”只对当前固定版本、样本和环境有效，不能外推到尚未测试的容量、权限或数据分布。
如果“发布、回滚与集群排障”候选方案与基线差异很小，先检查证据分辨率是否足够；如果差异很大，先排除数据泄漏、环境漂移和版本不一致。两种情况都不能只看一个汇总均值，需要回到逐样本输出和中间状态。
“发布、回滚与集群排障”故障定位完成后，记录“现象、首个偏差、根因、改动、原样本复测”五项。缺少原样本复测时，只能标记为待观察，不能标记为已解决。
十、发布、回滚与集群排障 的发布判断
发布判断需要把“发布、回滚与集群排障”的质量、失败边界和恢复能力放在同一份记录中。以下任一条件缺失，都应停止扩量，而不是用“基本正常”替代证据。
- “发布、回滚与集群排障”的基线与候选只存在一个计划内变量。
- “发布、回滚与集群排障”的输入、代码、依赖、配置和数据版本可以追溯。
- “发布、回滚与集群排障”的正常、临界、失败和恢复样本使用同一套断言。
- “发布、回滚与集群排障”的原始输出、中间状态和失败现场已经保留。
- “发布、回滚与集群排障”的日志、Trace、截图和测试数据已经脱敏。
- “发布、回滚与集群排障”的停止条件、负责人和回滚入口已经演练。
- “发布、回滚与集群排障”尚未覆盖的输入、权限、容量和外部依赖已经登记。
最终记录至少包含基线版本、唯一变量、原始证据、首个偏差、恢复复测和发布责任人。没有参与本次修改的人如果不能据此重放“发布、回滚与集群排障”的判断，就不能发布。
十一、总结
- Revision、发布策略与兼容窗口：Deployment revision 保存 Pod 模板历史，rollout undo 只能回退工作负载配置，不能回滚数据库和外部状态。
- 事件、状态与首个异常事实：排障先用 get 和 describe 查看调度、拉镜像、探针与容器状态，再查 current/previous logs 和资源指标。
- 回滚条件与恢复验证：发布前定义错误率、延迟、业务成功率和观察窗口，超阈值停止扩量并决定回滚。
- 发布与故障证据命令：回滚命令只在确认旧版本与当前数据兼容后执行。
学完自测
选择所有正确答案；提交后逐项核对判断依据。