这里记录 Linux 与 Kubernetes 的自动化部署、故障排查和可靠性验证。目前在深圳找 Linux / 云平台运维相关岗位。

项目仓库 · 项目概况 · 架构图

基于 AWS Retail Store Sample App v1.6.2 搭建的三节点 Kubernetes 可靠性工程实验室。项目覆盖自动化部署、GitOps、监控告警、订单数据恢复、发布故障恢复和容量验证。业务应用采用上游样例；我负责部署与监控配置、自动化脚本、故障排查和验证记录。

几份具体记录：

• 镜像拉取异常：检查 DNS、HTTPS 和容器运行时，对比串行与并发下载，最后把镜像预拉取单独做成部署前的步骤。
• 订单数据库恢复：恢复到隔离数据库，再由应用读回订单；迁移到持久存储后，重建 Pod 检查新旧订单是否还在。
• 发布失败演练：新实例因错误的就绪检查不能接流量，旧实例继续服务；撤销 Git 中的错误配置后恢复。
• 性能测试：只读浏览负载下，30 RPS 持续 300 秒已验证健康；45 RPS 多次出现超时或延迟突增，后段恢复，最大容量还没有确定。

部署与监控配置、验证过程和已知限制都保存在仓库中。