资源介绍
视频数量：34个
总时长：5小时39分
课程介绍：
Kubernetes生产环境故障排除实战
凌晨两点，你的手机突然响起。监控告警显示生产环境的Pod全部处于CrashLoopBackOff状态，用户的请求正在不断失败。你盯着屏幕上密密麻麻的错误日志，心跳加速，手心冒汗。这种场景，在云原生时代，几乎每个运维工程师和开发者都可能遇到。
Kubernetes已经成为现代IT基础设施的核心支柱，但把它跑起来只是第一步，真正棘手的是当问题出现时，能不能快速定位并解决。本课程正是为解决这个问题而生。
这门课采用了一种独特的教学策略——破坏与修复。你没听错，我们会故意在集群的各个层面触发故障，然后一步步带你排查、定位、修复。这种方式比看一百个小时的理论讲解有效得多，因为当你在真实环境中遇到问题时，脑子里已经有过对应的画面，知道该从哪里入手。
课程首先从Pod的生命周期开始，这是Kubernetes排错的重灾区。你会学到CrashLoopBackOff这个让人头疼的错误是怎么回事，它的几种常见成因是什么，如何快速定位是配置问题还是应用本身的问题。ImagePullBackOff不一定是镜像名字写错了，可能隐藏着更深层的认证和网络问题。Pod一直卡在Pending状态，看着调度器发呆，往往不是因为资源不足，而是隐藏的亲和性冲突。还有Terminating状态的Pod删不掉怎么办，Deployment发布卡住怎么破，Init容器失败导致主应用无法启动该怎么排查。每个知识点都配合实际的实验环境，手把手带你走一遍完整的排错流程。
接下来是健康检查探针相关的问题。Startup Probe、Liveness Probe、Readiness Probe这三个探针配置不对，轻则导致流量分配混乱，重则让整个服务不可用。你会学到探针失败时的典型表现是什么，如何判断是探针配置问题还是应用本身的问题，滚动更新时探针和策略如何配合才不会打架。
网络和服务发现部分涵盖了你可能遇到的绝大多数连接问题。Service配置不对，Pod之间互相找不到；DNS解析失败，内网通信彻底瘫痪；NetworkPolicy写错了，把自己的流量也挡掉了；Ingress返回404，明明服务明明在跑着却访问不到。这些场景都会通过实际案例演示，带你熟悉kubectl调试网络的标准流程。
资源管理和扩缩容也是生产环境的痛点。Pod被OOMKilled了到底是内存真的不够还是Limit设置太紧，CPU被限制导致响应变慢怎么排查，节点压力过大导致Pod被驱逐怎么办，HPA自动扩缩容不生效问题出在哪里。这部分会教你如何合理设置资源请求和限制，以及在出问题后如何分析资源指标。
存储配置这块，PVC绑定失败是个高频问题，可能是StorageClass不匹配，也可能是访问模式冲突。ConfigMap和Secret的配置错误同样会导致应用启动失败，这部分会带你了解配置管理的常见坑。
最后是安全治理相关的内容。RBAC权限配置错了，Pod连API Server都访问不了；ResourceQuota和LimitRange设置不当，会让你的Pod根本没有办法正常创建。这些问题看似偏门，但在实际运维中经常碰到。
学完这门课，你再遇到Pod起不来、服务访问不通、部署发布卡住这些情况，不会再手足无措。你会有一套清晰的排查思路，知道该用哪些命令、该看哪些日志、该从哪个方向入手。对于已经了解Kubernetes基础概念，但缺乏实际排错经验的人来说，这门课能帮你补上最关键的那一环。