KnoAI 技术站

主题

Kubernetes + RKE2 + K8s 辅助工具：从入门到精通 ​

一套面向运维工程师的系统性教材：从 Kubernetes 零基础入门，到 RKE2 生产级集群部署运维，再到 k9s、K8sGPT、Velero、ArgoCD 等辅助工具生态，最后以综合实战与故障排查手册收尾。

适用读者 ​

  • 有一定 Linux 基础、想系统学习 Kubernetes 的运维工程师
  • 需要在生产环境部署、维护 RKE2 集群的工程师
  • 希望掌握 K8s 周边工具链（尤其是 AI 辅助诊断 K8sGPT）提升运维效率的工程师
  • 准备 CKA / CKS 认证或云原生面试的工程师

前置要求 ​

  • 熟悉 Linux 基本操作（systemd、网络、防火墙、存储）
  • 了解 Docker / containerd 容器基本概念
  • 有一台可实验的 Linux 机器或虚拟机（推荐 Rocky Linux 9 / Ubuntu 22.04，2C4G 以上）

教材结构 ​

部分文件内容
前言00-前言与学习建议.md教材定位、学习方法、实验环境准备
第一部分第一部分-Kubernetes入门与核心概念.mdK8s 架构、kubectl 精通、工作负载、ConfigMap/Secret、Service、存储入门、命名空间与配额、排错入门
第二部分第二部分-Kubernetes进阶实战.md调度、资源管理（HPA/VPA/KEDA）、存储进阶（CSI/快照）、网络进阶（IPVS/CoreDNS/Ingress/NetworkPolicy）、安全（RBAC/PSS）、可观测性、Helm 与 Kustomize
第三部分第三部分-RKE2从入门到精通.mdRKE2 架构与对比、安装、HA 部署、config.yaml 详解、registries.yaml、etcd 备份恢复、升级与证书轮换、内置组件与 HelmChart CRD、CIS 安全加固、故障排查大全
第四部分第四部分-K8s辅助工具生态.md终端效率工具（k9s/kubectx/stern/krew）、可视化管理（Lens/Headlamp/Rancher）、AI 辅助诊断 K8sGPT（重点）、健康审计（Popeye/kube-score）、安全扫描（Trivy/kube-bench/Falco）、备份迁移（Velero）、GitOps（ArgoCD/Flux）、成本容量（OpenCost/Goldilocks）、网络流量工具（kubeshark/eBPF）、本地调试（Telepresence/kubectl debug）
第五部分第五部分-综合实战与故障排查手册.md生产级 RKE2 HA 集群搭建、监控告警→AI 诊断闭环、GitOps 流水线、备份灾难恢复演练、全栈故障排查速查手册
附录附录-命令速查与资源.mdkubectl / RKE2 / 辅助工具速查表、YAML 模板、认证与学习资源

学习路线（建议 12~16 周） ​

阶段周期内容目标自测标准
第一阶段第 1~3 周第一部分：K8s 入门与核心概念理解架构，熟练使用 kubectl 管理常用对象不看文档部署 Deployment+Service+Ingress 并排查 Pending/CrashLoopBackOff
第二阶段第 4~6 周第二部分：K8s 进阶实战掌握调度、存储、网络、安全、Helm/Kustomize独立配置 HPA、NetworkPolicy、RBAC，用 Helm/Kustomize 发布应用
第三阶段第 7~9 周第三部分：RKE2 精通独立搭建和维护生产级 RKE2 集群完成 3 server HA 集群搭建、etcd 快照恢复演练、版本升级
第四阶段第 10~12 周第四部分：辅助工具生态建立完整工具箱，掌握 K8sGPT AI 诊断用 k9s/K8sGPT/Trivy/Velero 完成一次完整巡检+备份演练
第五阶段第 13~16 周第五部分：综合实战融会贯通，形成生产运维能力独立完成四大综合实战，故障排查手册能对照实操

学习建议 ​

  1. 动手为王：每章命令都在实验集群亲手敲一遍，故障案例刻意制造一次再修复。
  2. 实验环境：本地用 minikube/kind 练第一部分；用 2~3 台 VM 练 RKE2（可参考仓库 sz-rocky9-vm/ 与 virsh/ 下的虚拟机脚本）。
  3. 善用仓库素材：本仓库 rke2/ 目录含真实安装脚本与配置，k8s-issues/ 目录含 RKE2 真实故障案例，教材相应章节均有引用，建议对照阅读。
  4. 工具逐步引入：不要一次装齐所有工具，按第四部分的"选型建议表"按需引入。

配套资源 ​