运维指南
最后更新: February 23, 2026
本节为 EKS Auto Mode 环境提供生产运维指南。内容涵盖使用 Terraform 进行基础设施预置、CI/CD 流水线、基于 GitOps 的部署、扩缩容、可观测性、资源优化和升级。
目标读者
- Platform Engineers：使用 EKS Auto Mode 构建生产环境
- Infrastructure Engineers：运维基于 Terraform/Terragrunt 的 IaC
- DevOps Engineers：使用 GitLab CI 和 ArgoCD 构建 CI/CD 流水线
- SREs：运维 Prometheus、Grafana 和 Loki 可观测性栈
前置条件
在开始本运维指南之前，请确保熟悉：
- EKS Auto Mode 入门
- Terraform 基础（resources、modules、state management）
- Kubernetes 核心概念
- kubectl 和 Helm CLI 使用经验
目录
| # | 文档 | 关键主题 |
|---|---|---|
| 01 | Terraform 3-Layer 基础设施设置 | VPC、EKS Auto Mode、使用 3-Layer Terraform 的 Pod Identity |
| 02 | NLB 加权路由和 Blue/Green | 双 cluster 架构、NLB weights、DNS routing |
| 03 | CI 流水线 | ECR、GitLab Runner、GitHub ARC、multi-platform builds |
| 04 | ArgoCD Multi-Cluster | Hub-spoke、ApplicationSet、IAM Identity Center SSO |
| 05 | GitOps 自动化 | Atlantis、FluxCD、Terraform Cloud、AIOps |
| 06 | 扩缩容策略 | HPA custom metrics、KEDA、VPA、Spot utilization |
| 07 | 运维告警配置 | Network/CPU/Disk/Auto Mode node termination alerts |
| 08 | 可观测性分析 | Logs/Metrics/Traces correlation、PromQL、LogQL、TraceQL |
| 09 | 可观测性栈运维 | Loki、Tempo、Prometheus/AMP 安装与运维 |
| 10 | 资源优化 | Requests/Limits、JVM tuning、framework-specific guide |
| 11 | EKS 升级 | Auto Mode zero-downtime upgrade、blue/green strategy |
学习路径
推荐顺序
- 基础设施 (01-02)：使用 Terraform 预置 VPC/EKS
- CI/CD (03-05)：构建流水线和 GitOps 部署
- 扩缩容 (06)：为 workloads 建立扩缩容策略
- 可观测性 (07-09)：构建监控、告警和分析系统
- 优化 (10)：资源效率和成本优化
- 升级 (11)：建立零停机升级流程
按角色
| 角色 | 优先文档 |
|---|---|
| Platform Engineer | 01, 02, 04, 11 |
| DevOps Engineer | 03, 04, 05 |
| SRE | 06, 07, 08, 09, 10 |
| Infrastructure Engineer | 01, 02, 11 |
与现有文档的关系
本运维指南以实践性、代码为中心的指南补充现有概念文档：
概念文档
- EKS Auto Mode - 架构和概念
- ArgoCD - GitOps 基础
- KEDA - 事件驱动 autoscaling 概念
- Karpenter - Node provisioning 概念
本运维指南
- 用于生产基础设施的 Terraform HCL 代码
- 用于 Kubernetes resources 的 YAML manifests
- 用于可观测性的 PromQL/LogQL queries
- 用于运维自动化的 Bash scripts
- 带验证的分步流程
快速参考
常见操作
| 任务 | 文档 | 章节 |
|---|---|---|
| 创建新的 EKS cluster | 01-infrastructure-setup | 3-Layer Terraform |
| 向 ArgoCD 添加新应用 | 04-gitops-multi-cluster | ApplicationSet |
| 使用 custom metrics 配置 HPA | 06-scaling-strategies | Custom Metrics |
| 为新 service 设置告警 | 07-observability-alerts | Alert Rules |
| 升级 EKS version | 11-upgrade-operations | Auto Mode Upgrade |
应急流程
| 场景 | 文档 | 章节 |
|---|---|---|
| 回滚 deployment | 04-gitops-multi-cluster | Rollback |
| 回滚 EKS upgrade | 11-upgrade-operations | Blue/Green Rollback |
| 为节省成本而缩容 | 06-scaling-strategies | Emergency Scale |
| 调试失败的 pods | 08-observability-analysis | Log Analysis |
贡献
添加新的运维流程时：
- 包含实用代码示例（Terraform、YAML、bash）
- 为每个流程提供验证步骤
- 在适用时记录回滚流程
- 添加相关 PromQL/LogQL queries 用于监控
- 交叉引用相关概念文档