适用场景

集群能跑起来只是开始。生产环境的重点是"可持续"：节点怎么下线维护、etcd 怎么备份、资源怎么配额、证书怎么续。

配置步骤（证书与版本管理）

# 查看证书到期
kubeadm certs check-expiration
# 续期
kubeadm certs renew all
# 版本升级（先控制面后节点，逐节点 drain）

关键参数与建议

  • 节点维护：先 cordon 再 drain，PodDisruptionBudget 保证可用性
  • etcd 备份：定期快照 + 恢复演练（etcd 挂了集群就没了）
  • 配额与限制：命名空间级 ResourceQuota + LimitRange，防止单应用吃满
  • 扩缩容：HPA 按 CPU/自定义指标，配合 PDB 与节点容量
  • 证书与版本：kubelet/etcd 证书到期时间纳入监控，升级走官方流程

容易踩的坑

  • 证书到期未监控，集群突然不可用
  • 大版本跨版本升级，未按官方顺序
  • 升级前不备份 etcd，出问题无法回退

验证与巡检

kubeadm certs check-expiration
kubectl version
  • 巡检：证书到期 >60 天、升级记录与回滚预案

小结

集群运维的三个"必须演练"：etcd 恢复、节点下线、证书续期。三件事都演练过，才算能兜住生产。

> 说明：文中命令为通用写法，不同型号/版本可能略有差异，落地前请对照设备实际版本的官方文档；带外管理与安全设备变更建议先在测试设备验证。