评估 Kubernetes 的网络隔离做没做对,看的不是配置写没写,而是入口、出口、NetworkPolicy 边界这 3 个环节在压力下能不能自我收敛。本文按这个标准逐项展开。

一、问题定位

Kubernetes 的网络隔离的代价常常集中在入口与出口的交界处:入口追求快速响应,出口要求强一致,两个目标在同一份资源上竞争。

1.1 为什么现在更值得讨论

云原生方向最近的变化,把 Kubernetes 的网络隔离从「可选优化」推成了「必做项」:

  • 成本透明化(云原生):资源开销被逐项核算,隐性浪费无处藏身
  • 稳定性被量化(云原生):可用性目标写进合同,口头承诺不再作数
  • 工具链成熟(云原生):观测、灰度、回滚的基础设施已经开箱可用

二、按要点拆解:Kubernetes 的网络隔离

2.1 入口

入口的权限要最小化。云原生场景下,入口持有的权限越大,出错时的影响面越大。

  • 隔离:入口的异常不能影响同实例上的其他租户或请求
  • 灰度颗粒度:入口的变更按流量比例还是按租户/节点放量,决定了回滚速度
  • 变更可逆:入口的配置与代码要能在 30 秒内回到上一版

2.2 出口

出口的常见误用是把它当成纯技术问题,实际上出口有一半是流程问题:谁有权限改出口、改了谁验证、怎么回滚,都要先定下来。

  • 回退:给出口明确「降级到哪一档」,而不是「出错就重试」
  • 观测:出口至少有成功率、P99、积压量三个指标能被独立查询
  • 幂等:出口被重复触发时结果一致,且不产生额外副作用

2.3 NetworkPolicy 边界

NetworkPolicy 边界的状态在云原生里要有唯一的权威来源。两处都维护 NetworkPolicy 边界的状态,云原生场景里早晚会出现不一致,而排查这种不一致的成本远高于一开始就收敛到一处。

  • 依赖降级:NetworkPolicy 边界依赖的下游不可用时,要有可自动切换的备选路径
  • 版本标识:NetworkPolicy 边界的每次变更都要带版本,便于灰度期间对比效果
  • 资源:NetworkPolicy 边界单次操作的内存与连接占用要能算出来,避免压力下雪崩

这条 3 段链(入口、出口、NetworkPolicy 边界)的每个交接点,都是最容易出问题的地方:

入口 → 出口 → NetworkPolicy 边界

链路上入口到出口的这段交接,需要明确的契约:入口与出口的超时、重试、降级各自的责任方要写清楚,否则故障会在两者之间来回弹。

三、最小可运行实现

某次云原生的故障里,入口的自动重试与出口的限流同时生效,重试被限流挡住,请求既没成功也没快速失败,只能等超时。

改动集中在两处:一是把入口的同步调用改成带超时上限的异步补偿,二是让出口的决策只依赖本地状态加一个版本号。第二步的收益最大。

云原生场景下,把入口、出口、NetworkPolicy 边界串成一条可控路径的骨架如下:

# Kubernetes:网络策略、有状态工作负载与持久卷的组合
apiVersion: networking.k8s.io/v1
kind: NetworkPolicy
metadata:
  name: api-allow-ingress
  namespace: prod
spec:
  podSelector:
    matchLabels:
      app: api
  # 默认拒绝一切,再按需放行;只写 ingress 会让 egress 变成全通
  policyTypes: [Ingress, Egress]
  ingress:
    - from:
        - namespaceSelector:
            matchLabels:
              kubernetes.io/metadata.name: ingress-nginx
      ports:
        - protocol: TCP
          port: 8080
  egress:
    - to:
        - podSelector:
            matchLabels:
              app: postgres
      ports:
        - protocol: TCP
          port: 5432
---
apiVersion: apps/v1
kind: StatefulSet
metadata:
  name: postgres
  namespace: prod
spec:
  serviceName: postgres
  replicas: 3
  selector:
    matchLabels:
      app: postgres
  template:
    metadata:
      labels:
        app: postgres
    spec:
      containers:
        - name: postgres
          image: postgres:16
          ports:
            - containerPort: 5432
          volumeMounts:
            - name: data
              mountPath: /var/lib/postgresql/data
  # 每个副本拿到稳定身份与独立卷,主从切换靠序号而不是随机调度;
  # Deployment 的 Pod 是可抛弃的,DaemonSet 则保证每节点一份,
  # 有状态服务必须用 StatefulSet,否则重启后卷与身份都会错位。
  volumeClaimTemplates:
    - metadata:
        name: data
      spec:
        accessModes: ["ReadWriteOnce"]
        storageClassName: fast-ssd   # StorageClass 决定动态供给落在哪种介质
        resources:
          requests:
            storage: 100Gi

四、验证与调优

先算出 Kubernetes 的网络隔离每个环节的耗时占比,优先处理占比最高的那一段:

环节单次耗时占关键路径优化手段
入口0.8ms38%把全局锁拆成按 key 分片的细粒度锁
出口1.3ms27%用对象池复用频繁创建的结构体
NetworkPolicy 边界1.8ms20%把 O(n²) 的比对改成哈希一次命中

整体指标:P99 从 263ms 降到 118ms(-55%),吞吐从 5 万 QPS 提升到 9 万 QPS(+80%),CPU 占用从 72% 降到 38%。

4.1 灰度策略

  • 阶段一(云原生):先关闭旁路逻辑,缩小改动面
  • 阶段二(云原生):主路径稳定后,再逐个恢复旁路
  • 阶段三(云原生):全旁路恢复,重点看异常分支
  • 阶段四(云原生):全量后把旁路开关纳入统一配置

4.2 观测面

Kubernetes 的网络隔离的观测项选择标准只有一条:Kubernetes 的网络隔离能不能在故障发生的第一时间给出信号:

  • 指标(云原生):成功率、P99、积压量、重试次数,四个指标能覆盖大部分故障定位
  • 日志(云原生):结构化输出并带请求 ID,保证一次请求的全链路可串起来
  • 链路(云原生):只采关键路径,采样率随错误率动态提高

五、结论

最后一句:Kubernetes 的网络隔离的上限通常由入口、出口、NetworkPolicy 边界里最保守的那个假设决定,找到它、验证它,收益最大。

  • 先定容量再谈功能(云原生):资源上限决定设计空间,超限的功能等于没有功能
  • 失败路径要有预算(云原生):超时、重试、降级的资源开销要提前算进容量
  • 监控先于优化(云原生):没有基线的优化,容易把波动误认为收益

点赞(0) 打赏

评论列表 共有 0 条评论

暂无评论
立即
投稿

微信公众账号

微信扫一扫加关注

发表
评论
返回
顶部