首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >大厂云原生架构实录:K8s 应用架构师实战,从架构评审到上云交付

大厂云原生架构实录:K8s 应用架构师实战,从架构评审到上云交付

原创
作者头像
用户12687280
修改于 2026-11-16 17:34:57
修改于 2026-11-16 17:34:57
430
举报

一、架构评审真正要评审的是什么

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。

二、评审第一关:容量模型,先算再画图

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。

代码语言:javascript
复制
# 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。

三、评审第二关:故障域与可用性

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。

代码语言:javascript
复制
# 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)。

四、评审第三关:发布与回滚的原子性

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。

代码语言:javascript
复制
# 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。

五、评审第四关:成本,架构师的硬指标

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。

代码语言:javascript
复制
# 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

六、上云交付清单

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。

目录
  • 一、架构评审真正要评审的是什么
    • 二、评审第一关:容量模型,先算再画图
    • 三、评审第二关:故障域与可用性
    • 四、评审第三关:发布与回滚的原子性
    • 五、评审第四关:成本,架构师的硬指标
    • 六、上云交付清单
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档