1.成为一名k8s专家需要掌握哪些知识？当我读完k8s源码之后总结
2.k8s和docker区别
3.听GPT 讲K8s源代码--cmd(一)
4.深入理解k8s -- workqueue
5.k8s emptyDir 源码分析
6.Kubernetes —— Pod 自动水平伸缩源码剖析（上）

成为一名k8s专家需要掌握哪些知识？当我读完k8s源码之后总结

       要成为一名Kubernetes（简称k8s）专家，源码有多需要系统性地掌握一系列关键知识与技能。源码有多首先，源码有多深入理解容器技术，源码有多包括容器的源码有多底层原理和实现机制，这是源码有多在线课程app源码Kubernetes能够高效管理资源的基础。接着，源码有多了解Kubernetes的源码有多计算模型，熟悉如何在集群中调度和管理容器。源码有多在存储方面，源码有多需要掌握如何在Kubernetes中配置和使用不同类型的源码有多存储卷，以支持各种工作负载的源码有多需求。

       网络管理在Kubernetes中同样重要，源码有多包括掌握如何配置网络策略、源码有多服务发现和负载均衡，源码有多确保服务间的通信流畅。此外，了解Kubernetes的插件机制，即如何利用和扩展Kubernetes的生态系统，接入第三方服务和工具，是提升Kubernetes使用灵活性的关键。

       深入研究Kubernetes的源码理解，不仅有助于开发者更精准地定位和解决问题，还能在定制和优化Kubernetes部署时发挥重要作用。学习Kubernetes的编排能力，包括配置Pod、Service、Deployment等核心资源，以及理解如何利用Kubernetes的自动化功能，如自动扩展、嗨嗨网免费下载源码滚动更新等。

       在Kubernetes的自定义资源定义（CRD）开发方面，掌握如何定义和操作自定义的资源类型，以满足特定业务场景的需求，是提高Kubernetes应用复杂度和灵活性的重要技能。最后，对Prometheus等监控工具的全组件学习，能够帮助Kubernetes专家构建全面的监控和报警机制，确保集群的稳定运行。

       通过上述知识体系的学习和实践，一名Kubernetes专家将能够熟练地规划、部署、管理和优化大规模的Kubernetes集群，应对各种复杂场景和挑战，成为企业级分布式系统运维和开发的高效工具。

k8s和docker区别

1、技术原理不同

       Dockers是容器化技术，K8S是一套自动化部署工具，可全生命周期管理Dockers容器。K8S是谷歌开发的容器集群管理系统。在Dockers技术的基础上，为容器化的应用提供部署运行、资源调度、服务发现和动态伸缩等一些列完整功能，提高了大规模容器集群管理的便捷性。

2、平台不同

       K8S是一个完备的分布式系统支撑平台，具备完善的集群管理能力，多扩多层次的安全防护和准入机制、多租户应用支撑能力、透明的服务注册和发现机制、内建智能负载均衡器、强大的故障发现和自我修复能力、服务滚动升级和在线扩容能力、可扩展的资源自动调度机制以及多粒度的资源配额管理能力。

       Docker是一个开源的应用容器引擎，让开发者可以打包它们的应用以及依赖包到一个可移植的镜像中，然后发布到任何流行的Linux或Windows机器上，也可以实现虚拟化。

3、架构模式不同

       Docker使用客户端——服务器架构模式，使用远程API来管理和创建Docker容器。Dockeif容晟网通过Docker镜像来创建，容器与镜像的关系类似于面向对象编程中的对象与类。

k8s和docker简介：

       k8s的全称kubernetes。它是一个完整的分布式系统支撑平台,集群管理功能齐全。Kubernetes同时提供完善的管理工具，涵盖了开发、部署、测试、运行监控等各个环节。k8s是一种开放源码的容器集群管理系统，能够实现自动化部署、扩展容器集群、维护等功能。

       Docker是一种开放源码的应用容器引擎,允许开发人员将其应用和依赖包打包成可移植的镜像,然后发布到任何流行的Linux或Windows机器上,也能实现虚拟化。该容器完全使用沙箱机制,彼此之间没有任何接口。Docker是一种开放源码的应用容器引擎,开发者可以将他们的应用和依赖打包在一个可移植的容器中 ,发布到流行的Linux机器上,也可以实现虚拟化。

听GPT 讲K8s源代码--cmd(一)

       在 Kubernetes（K8s）的cmd目录中，包含了一系列命令行入口文件或二进制文件，它们主要负责启动、管理和操控Kubernetes相关组件或工具。这些文件各司其职，如：

       1. **check_cli_conventions.go**: 该文件作用于检查CLI约定的规范性，确保命令行工具的一致性和易用性。它提供函数逐项验证命令行工具的帮助文本、标志名称、标志使用、输出格式等，输出检查结果并提供改进意见。

       2. **cloud_controller_manager**: 这是启动Cloud Controller Manager的入口文件。Cloud Controller Manager是github源码编译工具Kubernetes控制器之一，负责管理和调度与云平台相关的资源，包括负载均衡、存储卷和云硬盘等。

       3. **kube_controller_manager**: 定义了NodeIPAMControllerOptions结构体，用于配置和管理Kubernetes集群中的Node IPAM（IP地址管理）控制器。此文件包含配置选项、添加选项的函数、应用配置的函数以及验证配置合法性的函数。

       4. **providers.go**: 用于定义和管理云提供商的资源。与底层云提供商进行交互，转换资源对象并执行操作，确保Kubernetes集群与云提供商之间的一致性和集成。

       5. **dependencycheck**: 用于检查项目依赖关系和版本冲突，确保依赖关系的正确性和没有版本冲突。

       6. **fieldnamedocs_check**: 检查Kubernetes代码库中的字段名称和文档是否符合规范，确保代码的规范性和文档的准确性。

       7. **gendocs**: 生成Kubernetes命令行工具kubectl的文档，提供命令的用法说明、示例、参数解释等信息，方便用户查阅和使用。

       8. **genkubedocs**: 生成用于文档生成的Kubernetes API文档，遍历API组生成相应的API文档。

       9. **genman**: 用于生成Kubernetes命令的man手册页面，提供命令的说明、示例和参数等信息。

       . **genswaggertypedocs**: 生成Kubernetes API的Swagger类型文档，提供API的详细描述和示例。

       . **genutils**: 提供代码生成任务所需的调剂小程序源码通用工具函数，帮助在代码生成过程中创建目录和文件。

       . **genyaml**: 为kubectl命令生成YAML配置文件，方便用户定义Kubernetes资源。

       . **importverifier**: 检查代码中的导入依赖，并验证其是否符合项目中的导入规则。

       . **kube_apiserver**: 实现kube-apiserver二进制文件的入口点，负责初始化和启动关键逻辑。

       . **aggregator**: 为聚合API提供支持，允许用户将自定义API服务注册到Kubernetes API服务器中，实现与核心API服务的集成。

       这些文件共同构建了Kubernetes命令行界面的底层逻辑，使得Kubernetes的管理与操作变得更加高效和灵活。

深入理解k8s -- workqueue

       深入理解k8s -- workqueue

       在探讨k8s中的informer组件时，workqueue是一个关键角色。在前文的Controller源码分析中，workqueue的使用已经有所提及。工作队列是k8s中用于处理资源变更事件和调度任务的高效机制。它支持三种类型的队列：简单的FIFO队列、延时队列以及限速队列。

       工作队列通过一个名为Type的底层数据结构来实现，它实现了workqueue.Interface接口。Type结构体包含queue、dirty和processing三个重要字段，以及一个golang原生的条件锁cond。queue用于存储待处理的任务，dirty和processing用于管理任务的添加和完成状态。cond用于控制多个协程的同步操作。

       接下来，我们通过源码深入Type的智慧树源码大全方法实现，如Add、Get和Done。Add方法简单地将任务添加到queue、dirty和processing中。Get方法包含删除逻辑，同时会检查dirty中是否已有数据，若无，则从queue中取出任务。Done方法用于清理processing状态，确保任务正确处理并移出队列。Get和Done方法之间的配合保证了任务的正确执行和管理。

       在处理资源变更事件时，工作队列的作用尤为明显。在事件触发后，队列将资源变更事件加入到队列中，由Controller进行处理。Controller通过工作队列的Get方法获取待处理的任务，执行处理逻辑，然后调用Done方法将任务标记为完成。这种机制保证了资源变更事件能够被及时且有序地处理。

       除了基础的FIFO队列，k8s还提供了更高级的队列类型，如延时队列和限速队列。延时队列允许用户指定任务的延迟时间，即在特定时间后才将任务加入队列。这有助于优化资源的处理顺序和负载均衡。限速队列则进一步增强了队列功能，通过限速器动态调整任务的处理速率，避免系统过载或资源浪费。

       限速队列基于延时队列实现，通过引入限速器来控制任务的处理速率。常见的限速器包括BucketRateLimiter、ItemExponentialFailureRateLimiter、ItemFastSlowRateLimiter和MaxOfRateLimiter。这些限速器可以根据不同需求灵活配置，实现资源的高效管理和优化。

       总结而言，工作队列是k8s中实现资源变更事件处理和任务调度的核心组件，通过简单、延时和限速队列的不同组合，可以满足各种复杂场景的需求，实现资源管理的高效、有序和灵活。

k8s emptyDir 源码分析

       在Kubernetes的Pod资源管理中，emptyDir卷类型在Pod被分配至Node时即被分配一个目录。该卷的生命周期与Pod的生命周期紧密关联，一旦Pod被删除，与之相关的emptyDir卷亦会随之永久消失。默认情况下，emptyDir卷采用的是磁盘存储模式，若用户希望改用tmpfs（tmp文件系统），需在配置中添加`emptyDir.medium`的定义。此类型卷主要用于临时存储，常见于构建开发、日志记录等场景。

       深入源码探索，`emptyDir`相关实现位于`/pkg/volume/emptydir`目录中，其中`pluginName`指定为`kubernetes.io/empty-dir`。在代码中，可以通过逻辑判断确定使用磁盘存储还是tmpfs模式。具体实现中包含了一个核心方法`unmount`，该方法负责处理卷的卸载操作，确保资源的合理释放与管理，确保系统资源的高效利用。

       综上所述，`emptyDir`卷作为Kubernetes中的一种临时存储解决方案，其源码设计简洁高效，旨在提供灵活的临时数据存储空间。通过`unmount`等核心功能的实现，有效地支持了Pod在运行过程中的数据临时存储需求，并确保了资源的合理管理和释放。这种设计模式不仅提升了系统的灵活性，也优化了资源的利用效率，为开发者提供了更加便捷、高效的工具支持。

Kubernetes —— Pod 自动水平伸缩源码剖析（上）

       ReplicaSet 控制器负责维持指定数量的 Pod 实例正常运行，这个数量通常由声明的工作负载资源对象如 Deployment 中的.spec.replicas字段定义。手动伸缩适用于对应用程序进行预调整，如在电商促销活动前对应用进行扩容，活动结束后缩容。然而，这种方式不适合动态变化的应用负载。

       Kubernetes 提供了 Pod 自动水平伸缩（HorizontalPodAutoscaler，简称HPA）能力，允许定义动态应用容量，容量可根据负载情况变化。例如，当 Pod 的平均 CPU 使用率达到 %，且最大 Pod 运行数不超过 个时，HPA 会触发水平扩展。

       HPA 控制器负责维持资源状态与期望状态一致，即使出现错误也会继续处理，直至状态一致，称为调协。控制器依赖 MetricsClient 获取监控数据，包括 Pod 的 CPU 和内存使用情况等。

       MetricsClient 接口定义了获取不同度量指标类别的监控数据的能力。实现 MetricsClient 的客户端分别用于集成 API 组 metrics.k8s.io，处理集群内置度量指标，自定义度量指标和集群外部度量指标。

       HPA 控制器创建并运行，依赖 Scale 对象客户端、HorizontalPodAutoscalersGetter、Metrics 客户端、HPA Informer 和 Pod Informer 等组件。Pod 副本数计算器根据度量指标监控数据和 HPA 的理想资源使用率，决策 Pod 副本容量的伸缩。

       此篇介绍了 HPA 的基本概念和相关组件的创建过程，后续文章将深入探讨 HPA 控制器的调协逻辑。感谢阅读，欢迎指正。

k8s要学多久

       学习Kubernetes的基础知识并不困难，特别是如果你已经有半个月的Docker使用经验。主要挑战在于封装镜像时需要考虑挂载、拆分和启动检测等问题。

       安装Kubernetes本身就是一个复杂的过程。前期的安装尝试包括自动化安装、手动安装、脚本自动化安装、Ansible安装和离线安装，这耗费了我大约一个月的时间。随后，我遇到了一些环境和网络问题，导致pod一直重启，这个问题持续了大约两个月。我尝试更换为实体机，问题有所缓解，但最终估计还是网络不稳定导致。

       学习kubectl命令和Kubernetes的基本组件（如pod、svc、deployment、daemonset、statefulset、headlessService、rc、kube-proxy、rbac等）也是需要花费时间的。我花了大约一个月时间来理解这些组件的原理，尤其是新版本的rbac权限问题。Kubernetes的复杂性主要在于其体系架构，一旦理解了架构，就理解了大部分的内容。

       在对开源工程domeos进行研究后，我使用了两个月时间来调研该开源工程的源码，以及它自带的一些小米open-falcon监控插件、webssh等插件。这些研究涉及使用Springboot开发，连接Kubernetes环境，部署和监控基本应用。

       为了调优日志和监控，我又花费了一个多月的时间来调研一些开源产品，如efk日志插件、Prometheus与heaspter监控组件、habor镜像仓库等。

       最后，我开始使用Helm这一编排工具，根据Hadoop的过程改造公司的一个mpp产品，并实现一键式部署。这同样花费了一个多月的时间。在这一过程中，我还研究了Hadoop的扩容、亲和性、带状态应用部署等问题，以及数据删除问题。