← 课程目录 🚀 从零到一
📐 学习维度 阶段5 · 第19章 Linux 部署与 Docker/K8s 🚀 从零到一 📚 课程目录 🏠 首页 🛤️ 学习路径

19.4 K8s核心对象与Java上云

审校 2026-09-25 · 素材来源:L38-K8S进阶、K8s笔记(脱敏改写)
📑 本篇章节导航 (共7节,点击直达)
资源层级:Deployment 管 PodService 与 Ingress:流量的两级路由探针三件套:活着、就绪、启动HPA 与自愈:编排的意义所在踩坑清单面试怎么问一句话总结

19.3 的 compose 已经很顺手,但它管的是一台机器:宿主机挂了全栈团灭、流量涨了没法自动加副本、发版还得手动。Kubernetes(Google 开源的容器编排系统,负责集群里容器的调度、伸缩与自愈,简称 K8s)把这三件事收编:机器坏了自动漂移、流量来了自动扩容、发版自动滚动。理解它只需要抓住五个对象。

资源层级:Deployment 管 Pod

层级从大到小:Cluster → Namespace → Deployment(声明「我要 N 个某镜像的副本」并负责滚动更新)→ ReplicaSet(保副本数的执行者)→ Pod(最小调度单元,含一个或多个容器)。日常只跟 Deployment 打交道,中间层自动托管。Namespace(命名空间:集群内的逻辑分区,隔离资源与权限)按环境或团队切分:dev 放开发、production 放生产,资源配额与 RBAC 权限(13.3 的老朋友)都按 namespace 划地盘——一套集群多套环境互不越界。Pod 与容器的关系再强调一次:K8s 调度的最小单位是 Pod 不是容器,同一个 Pod 里的容器共享网络与存储——sidecar 模式(主容器旁边挂个日志采集、代理容器)正是靠这个特性成立的:


apiVersion: apps/v1
kind: Deployment
metadata:
  name: order-service
spec:
  replicas: 3                    # 期望副本数
  strategy:
    type: RollingUpdate
    rollingUpdate: { maxSurge: 1, maxUnavailable: 0 }
  template:
    metadata:
      labels: { app: order-service }
    spec:
      containers:
        - name: order
          image: registry.example.com/app/order:v1.2.0
          resources:
            requests: { memory: "512Mi", cpu: "250m" }  # 调度依据
            limits:   { memory: "1Gi",   cpu: "500m" }  # 硬上限

这份 yaml 想读先抓两处:replicas: 3 是声明式(只描述期望状态,控制器负责凑齐——挂一个自动补一个)与 19.1 systemd「命令式拉起」的本质区别;requests 与 limits 是资源契约——调度器按 requests 找节点,cgroups 按 limits 掐上限(19.2 的老朋友)。滚动更新的两个参数是一对trade-off:maxSurge=1 意味着更新瞬间集群多出一个副本(多耗一点资源),maxUnavailable=0 意味着全程容量不缩水(用户体验无损)——生产服务的标配组合;测试环境可以反过来 maxUnavailable=1、maxSurge=0,省资源慢更新。Java 上云第一诫:JVM 记得配 -XX:MaxRAMPercentage=75.0,让堆跟着 limits 弹性走,否则写死 -Xmx4g 而容器限额 1Gi,会被 OOMKilled 反复杀(8 章 JVM 的容器化新题)——还要留意容器里内存不止堆:元空间、线程栈、堆外内存都要挤在 limits 预算内,75% 留的就是这份余量。

Service 与 Ingress:流量的两级路由

Pod 会死会重建,IP 随时变,所以不能直连 Pod。Service(为一组 Pod 提供稳定访问入口的虚拟负载均衡)三种类型:ClusterIP(集群内虚拟 IP,微服务互调用)、NodePort(每个节点开 30000-32767 端口,测试用)、LoadBalancer(挂云厂商 LB,对外暴露用)。Service 与 Pod 的绑定靠 label selector(标签选择器:Service 通过 app: order-service 标签选中所有带此标签的 Pod)——这套「贴标签-选标签」的松耦合机制贯穿 K8s 全部对象,是声明式架构的粘合剂。Service 背后真正干活的是每个节点上的 kube-proxy(节点上的网络代理,把 Service 的虚拟 IP 流量转发到健康 Pod),配合 EndpointSlice 自动剔除不健康的 Pod——「虚拟 IP 稳定、后端动态伸缩」,与 16.2 Nacos 客户端负载均衡的思路殊途同归。Ingress(七层路由规则,按域名和路径把流量分发到不同 Service)站在最上层——/api/order 转订单服务、/api/user 转用户服务,这个角色和 16.4 的网关如出一辙:K8s 体系内,Ingress 就是流量入口的网关层,Service 负责四层转发,两级各管一段。微服务内部互调则直接用 Service 名(CoreDNS 把服务名解析成 ClusterIP),http://order-service:8080 一路通——16 章注册中心那套逻辑,在 K8s 里是平台原生能力。

探针三件套:活着、就绪、启动

K8s 怎么知道你的服务「好不好」?三个探针。Startup 探针(启动探针:应用没起来之前别做其他检查)掩护 Spring Boot 慢启动;Readiness 探针(就绪探针:没就绪就不给它流量)失败时摘出 Service,不接请求;Liveness 探针(存活探针:不健康就重启容器)兜死锁。三者语义严格区分:就绪失败只是「不接新客」,存活失败才是「关门重开」——把就绪配成重启、或把存活配成摘流量,都会制造诡异事故。Spring Boot 的标准做法是接入 actuator,就绪指 /actuator/health/readiness、存活指 /actuator/health/liveness,应用启动慢就给 Startup 探针兜底。

HPA 与自愈:编排的意义所在

HPA(Horizontal Pod Autoscaler,按指标自动增减 Pod 副本数的控制器)定时对比「实际 CPU/内存/自定义指标」与目标值,超出就扩副本、回落就缩——流量洪峰自动加机器、深夜自动省钱,这是 7.3 线程池「弹性」思想在集群维度的重演。两个配套细节:HPA 按指标扩容依赖 metrics-server(指标采集组件,没装则 HPA 无数据可用);缩容默认有五分钟稳定窗口,防止流量波动导致副本数反复横跳——抖动抑制和 16.5 Sentinel 的熔断恢复是同一种「别跟着噪声动」的智慧。自愈则不需要任何额外配置:节点挂了,Pod 被调度到健康节点;进程崩了,Deployment 补齐副本;探针失败,容器被替换。三者叠加就是 K8s 的核心卖点——把「高可用」从架构图上的口号变成控制循环的默认行为。有状态服务(MySQL 主从、Kafka)用 StatefulSet 稳定标识与存储,定时任务用 CronJob,日志采集用 DaemonSet(每节点一个)——按工作负载特征选对象即可;选型先问自己「真的需要 K8s 吗」:三五个服务的团队用 19.3 的 compose 加一台宿主机完全够用,节点规模上双位数、发布频次高起,编排系统的复杂度才回本。

踩坑清单

面试怎么问

一句话总结

五个对象撑起 K8s:Deployment 声明副本与更新、Service 稳定入口、Ingress 七层路由、探针定义健康、HPA 弹性伸缩——声明式加控制循环,让「自愈、扩容、滚动发布」从运维技能变成平台默认值,Java 应用要做的只是把 JVM 和探针按容器语义配对。