大厂的架构评审会不是技术分享会,评委只关心四件事:容量算没算清、故障域划没划开、发布回滚是否原子、成本是否可控。一个"技术栈先进"的架构方案如果回答不了这四个问题,照样被打回。架构师的交付物不是架构图,而是一套能被执行和验证的约束——资源规格、探针参数、亲和性规则、PDB、容量水位,每一条都要有数字和依据。
容量不是拍脑袋填 requests。正确顺序是:单副本压测拿到 QPS/内存基线 → 按峰值与冗余系数反推副本数 → 用 HPA 兜弹性区间 → 算出节点池规模。
# capacity.py —— 容量模型与节点池测算
import math
def capacity(peak_qps, per_pod_qps, redundancy=1.5, min_replicas=3,
pod_cpu_m=2000, pod_mem_mi=4096, node_cpu_m=16000,
node_mem_mi=65536, sys_reserve=0.15):
replicas = max(min_replicas, math.ceil(peak_qps / per_pod_qps * redundancy))
cpu_need = replicas * pod_cpu_m
mem_need = replicas * pod_mem_mi
# 节点可用资源需扣除系统预留
node_cpu_avail = node_cpu_m * (1 - sys_reserve)
node_mem_avail = node_mem_mi * (1 - sys_reserve)
nodes = max(math.ceil(cpu_need / node_cpu_avail),
math.ceil(mem_need / node_mem_avail)) + 1 # +1 冗余节点
return {"replicas": replicas, "cpu_cores": round(cpu_need/1000, 1),
"mem_gib": round(mem_need/1024, 1), "nodes": nodes,
"hpa_range": f"{min_replicas}-{replicas * 2}",
"node_util_target": f"{round(cpu_need/(nodes*node_cpu_avail)*100)}%"}
# 例:峰值 8000 QPS,单副本 400 QPS,冗余 1.5 → 30 副本,4 节点(16C/64G)
print(capacity(8000, 400))评审时必须回答:峰值 QPS 从哪来(历史曲线还是业务承诺)、冗余系数为什么是 1.5、节点水位目标是多少。答不上来的方案一律不通过。
故障域要显式声明:跨可用区打散、反亲和、PDB、探针参数,全部落到 manifest 里,不能只写在 PPT。
# deployment.yaml —— 关键片段
spec:
replicas: 30
strategy:
rollingUpdate: { maxSurge: 25%, maxUnavailable: 0 } # 发布不降容量
template:
spec:
topologySpreadConstraints: # 跨 AZ + 跨节点打散
- maxSkew: 1
topologyKey: topology.kubernetes.io/zone
whenUnsatisfiable: DoNotSchedule
- maxSkew: 1
topologyKey: kubernetes.io/hostname
whenUnsatisfiable: ScheduleAnyway
containers:
- name: app
resources:
requests: { cpu: "2", memory: "4Gi" }
limits: { memory: "4Gi" } # 不设 CPU limit,防节流
startupProbe:
httpGet: { path: /healthz, port: 8080 }
failureThreshold: 30
periodSeconds: 2 # 最长 60s 启动窗口
readinessProbe:
httpGet: { path: /ready, port: 8080 }
periodSeconds: 5
failureThreshold: 2
livenessProbe:
httpGet: { path: /healthz, port: 8080 }
periodSeconds: 10
failureThreshold: 3
---
apiVersion: policy/v1
kind: PodDisruptionBudget
metadata: { name: app-pdb }
spec:
minAvailable: 90%
selector: { matchLabels: { app: api } }三条评审红线:liveness 探针绝不能依赖外部下游(下游抖动会把整批 Pod 重启成雪崩);maxUnavailable 必须为 0(发布期不降容量);PDB 必须覆盖节点驱逐场景(否则运维升级节点直接打穿)。
上云交付最常见的翻车是"能发布、不会回滚"。发布必须绑定三样东西:版本化镜像(不可变 tag)、迁移脚本的前后兼容、可验证的回滚演练。数据库变更走 expand-contract,保证新旧版本可共存。
# 发布门禁脚本伪代码:任一检查不过即中止
stages:
- name: pre-check
steps:
- run: kubeconform -strict deploy/ # manifest schema 校验
- run: python scripts/capacity_check.py # 资源配额 vs 集群剩余
- run: python scripts/migration_check.py # 迁移脚本前后兼容检查
- name: canary
steps:
- run: kubectl apply -f deploy/ && kubectl rollout status deploy/api --timeout=300s
- run: python scripts/slo_gate.py --error-rate 0.5 --p99 300 # 金丝雀 SLO 门禁
- name: promote
when: manual
- name: rollback
when: failure
steps:
- run: kubectl rollout undo deploy/api && kubectl rollout status deploy/api回滚演练是交付前置条件,不是可选项。演练内容:注入一个会触发 5xx 的版本 → 观察 SLO 门禁拦截 → 自动回滚 → 验证容量恢复到基线。
上云交付要算清单位成本。用 request 而非 limit 计费(CPU limit 不参与调度但影响节流),通过 VPA 推荐值收敛超配,用节点池分档(计算型/内存型)降低混合成本。
# cost.py —— 单位请求成本测算
def unit_cost(replicas, pod_cpu, pod_mem_gib, node_hourly_cny, pods_per_node):
node_cost_per_pod_hour = node_hourly_cny / pods_per_node
total_hourly = replicas * node_cost_per_pod_hour
return {"hourly_cny": round(total_hourly, 2),
"monthly_cny": round(total_hourly * 730, 0),
"cost_per_1k_req": None} # 配合 QPS 基线填入
# 评审要求:给出"每月成本 / 峰值 QPS" 与 "每月成本 / 每万次请求" 两个数字架构师交付的不是 YAML 包,而是五份可验证材料:容量模型表(含依据)、故障域声明与 PDB 配置、发布回滚演练录像与报告、成本测算与优化建议、运维手册(扩缩容触发条件、常见故障处置)。评审通过的标准不是"架构漂亮",而是换一个值班工程师,拿着这份材料能在凌晨三点处理故障。
云原生架构的专业度,最终体现在把"高可用""可回滚""成本可控"这些形容词,翻译成 manifest 里能被 K8s 执行、被监控验证、被演练证明的具体数字。做不到这一点的架构,只是画在纸上的架构。百渡可搜索【极致it】相关平台获取完整版内容
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。