从高屋建瓴的心智模型出发,学习 Kubernetes
本文最后更新于 2026年11月17日 上午
前言
虽然这个标题和用词(心智模型)看着很 AI,不过其实我觉得还蛮能概括的,所以就用作标题了。
试着用这个视角重新过一次 K8S 的基础。
所谓「高屋建瓴的心智模型」
其实我收到了我对 git 的启发,才想着从这个视角入手重新理解 k8s 的,所以先阐述一下我对 git 的理解:
我姑且认为我还算懂一点 git,但是这不指我很熟悉 git 的各种命令
- 事实上我也只知道基础的那些,顶多加一点扩展
这是指,我知道 git 的底层构成,我可以从一个高屋建瓴的角度去看待 git:
- git 可以理解为一个 DAG(有向无环图)
- 这个图的每一个节点是一个 commit,一个 commit 是一个版本的完整快照
- 永远是父提交(前一个版本)指向子提交(下一个版本),过程的增量就是版本的变化(状态机的迁移)
- 在 commit 内部存在 blob,而逻辑上 blob 是 git 追踪的每个文件在这个版本下的内容
- 所谓分支就是一个指针,分支的名字(字符串)指向某个提交;提交更新时,分支随之在 DAG 上移动
- 存在一个暂存区 staging area,控制在状态机的迁移过程中,哪些文件需要迁移
我可以认为 git 大概就只有这些内容,这可以被称为我对 git 的心智模型。理论上,我可以执行任何的 git 操作了。
比如说,我不一定要真的知道某个操作的命令是什么,我可以和 agent 描述比如说:
- 我想要让提交树的甲 commit 到乙 commit 的部分移动到丁 commit 上,相当于是一个移花接木。
- 这样agent 可以帮我执行 rebase (或者也可能是 cherry pick,或者直接调用一些我不知道的 plumbing 命令)
只要我了解了 git 的底层,我就可以从一个高的角度去操控。
所以我想对 k8s 也建立一个这样的心智模型,大致存在这些要点:
(其实我觉得 Gemini 4 Hydrogen 给我的回答还挺不错的,不过出于复习的目的还是自己敲一遍)
从最高抽象的角度来理解:
- k8s 存在一个巨大的中心布告栏(etcd)
- 所有组件只做两件事:1. 修改布告栏上的要求 2. 盯着布告栏上的要求干活
往下走:
etcd 是唯一的状态存储,任何的组件如 Pod, Deployment 等,本质只是 etcd 中的 YAML 结构化数据。
结构化数据可以分成两部分:
- Spec:声明需要怎样的状态
- Status:实际的目前的状态
API Server 是唯一的通信总线,所有的组件之间的互相通信都通过 API Server 进行。而 API Server 本质也就是一个 RESTful API Server + Watch 机制(长连接监听)。任何的 kubectl 操作,都只是向 API Server 发出 HTTP 请求罢了,要么返回只读的数据,要么修改 spec 的内容(修改 etcd 的某个字段)。
而真正负责管理状态的部分,叫做 Controller,它们之间不互相通信、独立运行。Controller 的核心,叫做 Reconcile Loop 调谐循环,大致就是这样的伪代码:
for {
desired := watchSpecFromAPIServer()
actual := watchStatusFromAPIServer()
if desired != actual {
doSomethingToAlignThem()
}
}但是,Controller 干活也是有颗粒度的,但是又不能直接互相通信,所以必须通过 Watch 机制和 etcd 数据库进行沟通,形成链式传递,举个例子:
- 用户通过
kubectl修改 Deployment 的 spec,声明需要的 Pod 数从 3 变成 5 - Deployment Controller 监听到变化之后,修改 ReplicaSet 的 Spec 为 5
- ReplicaSet Controller 监听到变化之后,向 etcd 中写额外的两个新的 Pod 对象。
- 注意这里的 Pod 对象只是被声明了,没有对应真的运行时,
Spec.nodeName为空
- 注意这里的 Pod 对象只是被声明了,没有对应真的运行时,
- Scheduler(也是一个 Controller)监听所有
Spec.nodeName为空的 Pod,一旦发现,就计算资源得到空闲的 node,然后将nodeName填入对应的字段中。注意这个时候还只是修改了 spec 而没有实际真的拉起来运行时。 - 而每个 node 里面都有 kubelet 组件,这个组件监听
Spec.nodeName为自己的 pod,一旦检测到新的就真的在自己的 VM 里面拉镜像,跑运行时 - 同时,node 里面还有 CNI 和 kube proxy,和 Service 组件相配合,管理本机的网络转发和规则等
同时,这个架构是可扩展的,体现在这两个特性上:
- CRD (Custom Resource Definition) 相当于就是自定义一种 YAML 格式,告诉 API Server,存在自己定义的一种对象
- Operator 就是自己写程序部署进集群,利用 API Server 的 Watch 机制来管理 CRD,本质是 Custom Controller
我们容易注意到 k8s 的原生缺陷之:
- 声明 != 实现,表达了对应的期望,但是不代表状态机已经完成了迁移,所以天然存在延迟等问题
- 还有些别的待补充 TODO
Kubernetes Tutorials
获得了这个视角之后,我们来试着重读一下 k8s 官方的教程文档。
第一篇说一个 k8s cluster 可以由两个部分组成:Control Panel 和 Node
- Control Panel 包含 kube-api-server, etcd, kube-scheduler, kube-controller-manager
- Node 包含 kubelet, container runtime
第二篇主要介绍了什么是 Deployment。
简而言之,就是把运行 pod 的需求全部打包成一个 API Object,比如 Pod 创建规则、期望副本数量以及更新策略。
具体而言,三个字段:
replicas描述期望运行的 pod 数template描述这个 Pod 应该如何被创建,比如从哪拉镜像,环境变量的设置...selector描述管理怎样的 pod,如何识别,这个理解为 css 的选择器也行,就是需要特定的标签来标识管辖的范围
第三篇主要深入介绍 Node 和 Pod。
Pod 是 k8s 调度的最小单元,里面可以有若干个容器,一个 pod 内有这些特征:
- 共享网络 namespace,比如都可以 localhost 访问
- Pod 有 Volume,pod 内的容器可以将 volume 挂载到不同地方
- scheduler 的调度最小单位就是 pod
为什么需要 Pod,而不是直接管理 Container?
可以从一个具体场景理解。
假设有一个 Web Server,需要一个日志收集程序持续读取它生成的日志文件。
如果两个容器完全独立,你就需要额外解决:
- 如何让两个容器共享文件?
- 如何让它们部署在同一台机器?
- 如何让它们使用一个共同的网络地址?
- 如何让它们具有相同的生命周期?
Pod 把这些相关资源组织成一个整体。这就形成了一个很自然的抽象:Pod = 一组需要共同调度、共享部分运行环境的容器。
而 Node 可以理解为 k8s 集群中的工作机器(可以是物理机器 or 虚拟机器)。
Node 的组成:
- 至少一个 pod
- kubelet,管理 pod 和容器,将 node 注册到 api server
- container runtime
如果 node 挂了,内部的 pod 会被去掉 nodeName 的字段,然后等待再次分配。
关于持久化的部分,涉及到 StatefulSet, PersistentVolume 等概念,后续说。
第四节主要是 Service 的部分。
大致就是:
-
为了解决 Pod 可能反复下线导致 IP 一直变化,但是 Pod 之间需要相互通信的问题,Service 可以提供一个类似 DNS 的东西
-
每个 Pod 都有一个 Label,比如这样:
# Pod A metadata: labels: app: backend version: v1 -
Service 可以选择具有特定的 Label 的 Pod(定义
spec.Selector字段),取一个名字(类似 DNS),比如叫backend,这样别的 Pod 就可以通过backend:80访问了 -
注意端口的转发也可以自行配置,这里略去
背后的实现依靠 EndpointSlice 组件,可以理解为一个 DNS 表,监听状态来维护。
可以理解为 Deployment 和 ReplicaSet 之间的链式关系。
流量的转发,通过 control panel 的 kube-proxy 组件利用 Linux 内核转发来实现(配置 iptables 或 nftables 等网络转发规则)。
- 注意这个和 API Server 无关,API Server 只负责资源管理相关的请求
最后一节主要是讲 k8s 如何执行滚动更新,一句话概括就是修改 Deployment 里面的 Pod Template,然后触发一次 Rollout,逐步创建新 Pod,删除旧 Pod。