适用场景

集群能跑起来只是开始。生产环境的重点是"可持续"：节点怎么下线维护、etcd 怎么备份、资源怎么配额、证书怎么续。

配置步骤（节点维护与下线）

kubectl cordon node01
kubectl drain node01 --ignore-daemonsets --delete-emptydir-data
# 维护完成后恢复
kubectl uncordon node01
kubectl get nodes

关键参数与建议

  • 节点维护：先 cordon 再 drain，PodDisruptionBudget 保证可用性
  • etcd 备份：定期快照 + 恢复演练（etcd 挂了集群就没了）
  • 配额与限制：命名空间级 ResourceQuota + LimitRange，防止单应用吃满
  • 扩缩容：HPA 按 CPU/自定义指标，配合 PDB 与节点容量
  • 证书与版本：kubelet/etcd 证书到期时间纳入监控，升级走官方流程

容易踩的坑

  • 直接 drain 未设 PDB，业务可能同时下线多个副本
  • 忽略 DaemonSet 与本地存储 Pod，卡住 drain
  • 维护后忘记 uncordon，节点一直不可调度

验证与巡检

kubectl get pdb -A
kubectl get nodes
  • 巡检：PDB 覆盖核心应用、节点维护后全部 Ready

小结

集群运维的三个"必须演练"：etcd 恢复、节点下线、证书续期。三件事都演练过，才算能兜住生产。

> 说明：文中命令为通用写法，不同型号/版本可能略有差异，落地前请对照设备实际版本的官方文档；带外管理与安全设备变更建议先在测试设备验证。