云原生从0到1：Kubernetes 工作负载实战——Deployment/Service/滚动更新/弹性伸缩

《云原生从0到1：Kubernetes 工作负载实战------Deployment/Service/滚动更新/弹性伸缩》

作者：云原生学习者 | 系列：云原生工程师实战之路

一句话导读：集群搭好了（见系列前两篇），本篇开始"用起来"：以一个 Go 编写的 HTTP 微服务为例，走一遍 Deployment 部署 → Service 暴露 → 滚动更新 → 水平伸缩 → 故障自愈的完整链路，带你建立对 K8s 工作负载的直观认识。

0. 实验环境回顾

项	值
集群	1 Master + 3 Worker（K8s v1.28.2）
运行时	containerd 2.2.1
CNI	Calico（Pod 网段 10.244.0.0/16）
示例应用	go-demo（Go 编写的 JSON 接口服务）

1. 编写 Go 微服务

一个返回服务实例信息的 HTTP 服务，用于直观展示"请求打到了哪个 Pod"：

go 复制代码

package main

import (
	"encoding/json"
	"log"
	"net/http"
	"os"
	"time"
)

type Info struct {
	Service  string `json:"service"`
	Version  string `json:"version"`
	Hostname string `json:"hostname"`
	PodIP    string `json:"pod_ip"`
	Time     string `json:"time"`
}

var version = "v1.0.0"

func infoHandler(w http.ResponseWriter, r *http.Request) {
	hostname, _ := os.Hostname()
	podIP := os.Getenv("POD_IP")
	if podIP == "" {
		podIP = r.RemoteAddr
	}
	json.NewEncoder(w).Encode(Info{
		Service: "go-demo", Version: version,
		Hostname: hostname, PodIP: podIP,
		Time: time.Now().Format("2006-01-02 15:04:05"),
	})
}

func main() {
	mux := http.NewServeMux()
	mux.HandleFunc("/", infoHandler)
	log.Fatal(http.ListenAndServe(":8080", mux))
}

多阶段构建 Dockerfile（builder 阶段编译 + 运行阶段仅保留二进制，镜像极小）：

dockerfile 复制代码

FROM golang:1.22-alpine AS builder
WORKDIR /app
COPY main.go .
RUN go mod init go-demo && go build -ldflags="-s -w" -o go-demo .

FROM alpine:3.19
WORKDIR /root/
COPY --from=builder /app/go-demo .
EXPOSE 8080
CMD ["./go-demo"]

2. Deployment：声明式管理应用

Deployment 是 K8s 中最常用的工作负载控制器，负责：副本数保证、滚动更新、故障自愈、回滚。

yaml 复制代码

apiVersion: apps/v1
kind: Deployment
metadata:
  name: go-demo
  labels:
    app: go-demo
spec:
  replicas: 3                    # 期望副本数
  selector:
    matchLabels:
      app: go-demo
  template:
    metadata:
      labels:
        app: go-demo
    spec:
      containers:
      - name: go-demo
        image: go-demo:latest
        imagePullPolicy: IfNotPresent
        ports:
        - containerPort: 8080
        env:
        - name: POD_IP
          valueFrom:
            fieldRef:
              fieldPath: status.podIP   # Downward API：把 Pod IP 注入环境变量
        resources:
          requests:                    # 资源请求（调度依据）
            cpu: 100m
            memory: 128Mi
          limits:                      # 资源上限（限制使用）
            cpu: 500m
            memory: 256Mi
        readinessProbe:                # 就绪探针：通过才加入 Service 转发
          httpGet:
            path: /
            port: 8080
          initialDelaySeconds: 3
          periodSeconds: 5

关键点解读：

selector.matchLabels 必须与 template 的 labels 匹配，Deployment 通过它管理 Pod；
readinessProbe：Pod 就绪才接收流量，滚动更新时保证不中断服务；
resources：requests 决定调度到哪个节点，limits 限制资源使用。

3. Service：稳定的访问入口

Pod 的 IP 会随重建而变化，Service 提供稳定的虚拟 IP（ClusterIP）+ DNS 名称：

yaml 复制代码

apiVersion: v1
kind: Service
metadata:
  name: go-demo
spec:
  selector:
    app: go-demo          # 关联上面 Deployment 管理的 Pod
  ports:
  - port: 80              # Service 端口
    targetPort: 8080      # 转发到 Pod 的端口
  type: ClusterIP

集群内通过 go-demo.default.svc.cluster.local 或 go-demo 访问，Service 自动负载均衡到 3 个 Pod。

4. 滚动更新实战

修改镜像版本号触发更新：

bash 复制代码

kubectl set image deployment/go-demo go-demo=go-demo:v2.0.0
# 或者声明式更新
kubectl rollout status deployment/go-demo

滚动更新过程（ReplicaSet 交替扩容/缩容，全程零停机）：

text 复制代码

Waiting for deployment "go-demo" rollout to finish: 1 out of 3 new replicas have been updated...
Waiting for deployment "go-demo" rollout to finish: 2 out of 3 new replicas have been updated...
deployment "go-demo" successfully rolled out

回滚：

bash 复制代码

kubectl rollout undo deployment/go-demo

5. 水平伸缩（HPA）

根据 CPU 使用率自动扩缩容：

bash 复制代码

kubectl autoscale deployment go-demo --cpu-percent=50 --min=3 --max=10
# 或声明式
kubectl apply -f hpa.yaml

yaml 复制代码

apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: go-demo
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: go-demo
  minReplicas: 3
  maxReplicas: 10
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 50

用压测工具（如 hey）打流量，观察 Pod 自动扩容：

bash 复制代码

kubectl get hpa -w
kubectl get pods -w

6. 故障自愈演示

模拟 Pod 故障，观察 K8s 自动拉起新副本：

bash 复制代码

kubectl delete pod <pod名称>
kubectl get pods -w
# 几秒内，Deployment 会重新创建一个新 Pod，服务不受影响

核心原理：kubelet 上报 Pod 状态 → controller-manager 中的 Deployment controller 发现副本数不足 → 通过 ReplicaSet 创建新 Pod → scheduler 调度到合适节点。这正是课程第 17 周"controller 底层原理"讲的**控制循环（reconcile loop）**思想。

7. 验证 Service 负载均衡

从集群内发起多次请求，观察返回的 hostname 是否在不同 Pod 间轮转：

bash 复制代码

kubectl run curl-test --image=curlimages/curl -it --rm -- \
  sh -c 'for i in $(seq 1 6); do curl -s go-demo | jq -r .hostname; done'

预期：3 个不同 Pod 名轮流出现，证明负载均衡生效。

8. 小结

本篇用一个小微服务完整演示了 K8s 工作负载的核心能力。这张表值得收藏：

能力	对应资源	一句话原理
副本管理	Deployment → ReplicaSet	控制循环保证期望状态
稳定访问	Service (ClusterIP)	iptables/IPVS 规则转发
滚动更新	Deployment strategy	新旧 ReplicaSet 交替
自动伸缩	HPA	指标采集 + 期望副本计算
故障自愈	kubelet + controller	状态上报 + 控制循环
配置注入	Downward API / ConfigMap	运行时信息注入

下一篇将分享 Prometheus + Grafana 监控告警体系部署实战，敬请期待！

本文为原创实操记录。欢迎转载，请注明出处。