Exemplar 与指标-链路-日志关联：从指标异常跳转到具体 trace
深入讲解 Exemplar 与指标、链路、日志三者的关联工程：Exemplar 的 OpenMetrics 规范与存储、Prometheus 与客户端埋点、从直方图指标一键跳转到具体 trace、TraceID 与日志的双向关联、Grafana 关联配置，以及常见避坑与最佳实践清单。
category
infra
共 84 篇文章。
controller-runtime 与 CRD 控制器开发实战
从 CRD 设计与版本演进讲起，系统讲解 controller-runtime 的 Manager 架构、Reconcile 循环与幂等性、事件过滤与 Watches 映射、OwnerReference 级联回收、Finalizer 外部资源清理、Status 条件类型，以及 envtest 测试与生产化落地要点。
持续剖析：Pyroscope、Parca 与生产环境低开销采样
系统讲解持续剖析（Continuous Profiling）的工程实践：采样原理从 pprof 到 eBPF、Pyroscope 与 Parca 的架构对比、火焰图与差异分析、标签与维度设计、生产环境低开销采样策略、与指标和链路的联动，以及常见避坑与最佳实践清单。
准入控制深度：Validating/Mutating Webhook 与策略执行
系统梳理 Kubernetes 准入控制链——ValidatingAdmissionWebhook 与 MutatingAdmissionWebhook 的配置字段、failurePolicy 与超时语义、Webhook 服务端的 TLS 与证书轮换、OPA Gatekeeper 与 Kyverno 策略引擎对比，以及准入链顺序、幂等性、高可用与排错的生产实践。
AI 智能体与可观测性：MCP 工具接入与智能排障
深度讲解 AI 智能体如何通过 MCP 协议接入可观测性数据：智能体需要什么观测数据、MCP 工具与 schema 定义、让 Agent 查询指标/日志/trace（PromQL 沙箱/日志检索/trace 分析）、结构化工具响应与置信度、权限与安全边界（只读/范围/审计）、从辅助排障到自动修复的落地路线。
追踪上下文传播：W3C tracecontext、Baggage 与采样
深度讲解分布式追踪上下文传播：W3C tracecontext 的 traceparent/tracestate 格式与解析、HTTP/gRPC/消息队列跨协议传播、Baggage 键值传递与安全、采样决策（traceid-ratio/tracestate）与头部/尾部采样协同、传播安全性（防伪造、脱敏、敏感数据）。
Kubernetes 成本优化：FinOps、资源画像与降本实践
系统讲解 Kubernetes 成本优化：成本构成与分摊模型、Request 与实际用量画像（VPA/KRR）、节点池与 Spot 实例、Karpenter 自动伸缩、OpenCost/Kubecost 成本工具，以及降本优先级与成本指标看板。
边缘与轻量 Kubernetes：K3s、KubeEdge 与资源受限环境
面向边缘计算与资源受限环境的 Kubernetes：边缘场景约束与选型、K3s 架构与组件裁剪、单节点与嵌入式部署、KubeEdge 云边协同、资源受限调度、离线弱网处理与边缘升级策略。
AIOps 异常检测：从阈值告警到机器学习根因
深度讲解 AIOps 异常检测工程实践：固定阈值告警的局限、时序异常检测方法（统计/机器学习/监督）、动态基线（Madlib/Prophet/内置模型）、告警关联分析与根因定位、噪声与误报治理（收敛/去重/聚合）、AIOps 平台能力与落地路线。
策略即代码：OPA Gatekeeper、Kyverno 与合规治理
深入 Kubernetes 准入控制与策略即代码：动态准入 Webhook 原理、OPA Gatekeeper 的 ConstraintTemplate/Constraint、Kyverno 策略、Gatekeeper 与 Kyverno 对比、NIST/PCI 合规映射、策略测试与 CI 集成、性能与故障排查。
前端与移动端 RUM：Web Vitals、会话与用户体验监控
深度讲解前端与移动端真实用户监控（RUM）工程实践：Web Vitals 核心指标（LCP/INP/CLS）与计算方式、Performance API 与导航/资源计时采集、长任务与错误采集（Source Map 还原）、会话与采样、隐私合规、移动端 App 监控，以及前后端指标关联定位。
合成监控与主动拨测：从探针到全局视图
深度讲解合成监控（Synthetic Monitoring）与主动拨测工程实践：合成监控 vs RUM 的定位、HTTP/浏览器/API 三类探针、多地域多运营商拨测网络、断言与阈值设计、与告警的联动与降噪、SLO 融入、全局视图与成本局限。
Kubernetes 批处理：Job、CronJob 与工作队列
系统讲解 Kubernetes 批处理体系：Job 的 completions/parallelism/backoffLimit 语义、指数退避与 TTL 清理、CronJob 调度与时区与并发策略、工作队列消费模式、Kueue/Volcano 批处理平台对比，以及批处理监控与告警。
OpenTelemetry 插桩实践：手动、自动与语言 SDK
深度讲解 OpenTelemetry 插桩的三种落地方式：手动插桩（Tracer/Span/Meter/Logger 的创建与关联）、自动插桩原理（Java 字节码增强、Python MonkeyPatch、Node require 钩子、Go 包装器）、各语言 SDK 配置、资源与语义约定、采样与出口，以及插桩的可测试性。
Kubernetes AI/ML 工作负载：GPU 调度与训练作业
面向 AI/ML 的 Kubernetes 实战：GPU 资源声明与调度、NVIDIA Device Plugin 与 MIG 共享、TFJob/PyTorchJob 训练作业、KServe 与 vLLM 推理服务、GPU 节点池与成本、调度排队与可观测性。
Service Mesh 深度：Istio、Linkerd 与流量治理
深入 Service Mesh 数据面与控制面：Sidecar 注入原理、VirtualService/DestinationRule 灰度路由、指标与链路与 mTLS 可观测性、Istio 与 Linkerd 架构对比、性能开销与容量规划，以及从选型到落地的生产最佳实践。
Kubernetes 备份容灾与数据保护：Velero、etcd 与恢复演练实战
系统讲解 Kubernetes 备份容灾（DR）体系：备份的对象与粒度、Velero 集群与持久卷备份、etcd 快照与恢复、CSI 快照、备份频率与保留策略、跨集群/跨区域容灾、恢复演练（RTO/RPO）设计，以及恢复与验证的自动化。
Kubernetes 渐进式交付：Argo Rollouts、金丝雀/蓝绿与流量治理实战
深入解析 Kubernetes 渐进式交付（Progressive Delivery）：Deployment 默认滚动更新的局限、Argo Rollouts 蓝绿/金丝雀策略、基于指标自动分析的灰度放量、流量分割与 ingress/service mesh 集成、回滚机制，以及渐进式交付与 GitOps、Feature Flags 的协同。
Kubernetes 集群排障与诊断：从 Pod 症状到节点/集群根因的实战手册
系统讲解 Kubernetes 故障排查方法：Pod 层症状定位（CrashLoopBackOff/Pending/OOMKilled/ImagePullBackOff）、kubectl describe/events 的正确用法、kubectl debug 临时容器与 kubectl node-shell 诊断、节点级排查（kubelet/cgroup/磁盘）、网络与 DNS 故障、etcd 与控制面排障，以及 must-gather 与现场排障流程。
Kubernetes 集群安全加固与审计：从 CIS Benchmark 到纵深防御
系统讲解 Kubernetes 集群安全加固：CIS Kubernetes Benchmark 与 kube-bench 扫描、控制面组件安全配置（API Server/etcd/kubelet）、认证与授权收紧（RBAC 最小权限、ServiceAccount 治理）、Pod 安全标准（PSS）、网络策略（NetworkPolicy）与 TLS、审计日志（Audit Policy）、密钥与镜像安全，以及从扫差距到纵深防御的安全治理落地。