《Kubernetes 分布式系统原理深入解析》15.1 从数据面回看控制面

数据面(Pod、kubelet、网络)不关心控制面怎么调谐,它只消费一个产物:写入 apiserver 的对象。本节从数据面的视角回看控制面——数据面看到的是『对象』而非『控制器』:Pod 的 spec/status 是数据面与控制器之间唯一的接口。lab 用 api 包验证对象模型的版本语义作为接口的稳定性基础。

15.1 从数据面回看控制面

前 14 章一直在「控制面内部」打转。本节换一个视角:从数据面看控制面。数据面(Pod、kubelet、网络、存储)不关心控制面怎么调谐、怎么选主——它只消费一个产物:写入 apiserver 的对象。对象是两面的唯一接口。

数据面看到什么:对象,不是控制器

数据面眼里,控制面不是一个「系统」,而是一组对象:

数据面关心的不关心的
我的 Pod spec 是什么哪个控制器写的
我的 status 对不对控制器怎么调谐的
卷挂在哪个 PVC控制器怎么扩缩容的

kubelet 不看 Deployment 控制器,只看自己的 Pod 对象。它收到「这个 Pod 该跑这个镜像、这个卷」就执行,至于「这个 Pod 是谁、为什么造的」——不关心。控制面的复杂度对数据面是不可见的:数据面只读对象。

spec/status:两面之间的接口协议

对象把控制面与数据面连接起来,接口就是 spec/status 的约定:

字段谁写数据面的读法
spec用户/控制器(声明)「要我做什么」
statuskubelet/控制器(汇报)「我做到了什么」

数据面的工作方式(第 7 章已见,这里从数据面看):

kubelet 周期:
  读 Pod.spec → 对比当前容器 → 拉齐(启动/停止/重启)
  写 Pod.status → 汇报(Ready/RestartCount/...)

kubelet 自己也是一个「控制器」——它读 spec、算差异、拉齐、写 status。第 5 章的控制回路模型,在数据面的 kubelet 身上完全适用。控制面与数据面共享同一套「声明式对象」哲学——只是数据面服务的对象是「节点上的容器」。

对象是稳定的接口:为什么数据面能信赖它

数据面能正常工作的前提:对象是稳定、可重读的。对象模型的稳定性来自第 1-2 章:

稳定性保证机制
对象长期存在除非被删,对象一直在 etcd
版本可比较RV 单调递增、UID 稳定
内容可重读任何时刻读到的都是完整快照

lab 的 TestRVMonotonic 验证:对象更新 RV 递增、UID 不变——数据面可以安全地反复读同一个对象,不用担心「读到一半变了」或「身份变了」。对象接口的稳定性,是「数据面可以不关心控制面内部」的信任基础。

中间态的可见性:数据面参与收敛

数据面不是被动的执行者——它通过 status 参与控制面的收敛(第 7 章):

控制器写 spec(要 5 个 Pod)→ 数据面执行 → 写 status(就绪 3 个)
控制器看到 status → 继续等待/动作 → 最终收敛

status 是数据面向控制面的「反馈通道」:控制面读 status 判断「现实与期望差多少」(5.1 节的测量)。数据面写 status 不只是在汇报,更是在驱动控制面的下一步决策。两面通过对象闭环:控制面写 spec、数据面写 status、控制面再读 status——一个完整的反馈环。

数据面故障:对象怎么表达

数据面出问题,也是通过对象表达:

数据面故障对象上的表现
容器崩溃status.containerStatuses.restartCount 增长
节点故障Node.status.conditions 置 NotReady
就绪失败Pod.status.conditions 的 Ready 为 False

故障从「物理事实」变成「对象字段」——控制面(和运维)正是靠这些字段发现与处理故障。这解释了 5.3 节「读状态看差异」的普适性:在 K8s 里,任何事实(包括故障)都要先写成对象字段,才能被系统其他部分感知。

两面一体的设计哲学

把全书收一收:控制面与数据面是两面一体的——

面职责工具
控制面声明期望、调谐现实控制器、对象、选主
数据面执行期望、汇报现实kubelet、Pod、status

两者共用一套对象模型,分工才成为可能。控制面不需要下到容器里,数据面不需要理解调谐——接口(对象)把复杂度隔离在两侧。这就是 K8s 架构最根本的分层:不是「控制面和数据面」,而是「一套对象协议,两面各司其职」。

kubelet 的调谐循环:数据面控制器的解剖

说 kubelet 也是控制器(15.1 节),解剖一遍它每一周期做的事:

读 Pod spec(informer 缓存)
  → 对比当前容器状态
  → 算差异:该启动的没起、该停的没停、镜像要换
  → 执行:CRI 拉镜像、起容器、停容器
  → 写 Pod status(containerStatuses、conditions)
  → 下一个周期

与第 5 章控制器模型的逐项对应:

控制器环节(5 章)kubelet 的实现
读现实informer 读 Pod 对象
算差异对比 spec 容器与节点上实际容器
写修正CRI 调用(不写对象,直接操作运行时)
写 statusPod.status 汇报

唯一的差别在「写修正」:控制器写对象(RS 建 Pod),kubelet 直接操作容器运行时(起/停容器)。因为「修正对象」本身就是它要执行的目标——kubelet 的「修正」是物理的,不是写入的。理解这个差别,才理解控制面与数据面的分工:控制面修正对象,数据面修正现实。

Node 对象:节点在集群里的身份

数据面还有一层:节点。每个节点在集群里也是一个对象(Node):

Node 字段内容
status.conditionsReady / MemoryPressure / DiskPressure …
status.capacityCPU/内存/存储容量(调度依据)
status.allocatable可分配量(减去系统开销)

Node 对象是「节点向集群宣告自己」的通道:kubelet 周期性上报节点状态(心跳 + status)。调度器(14.1 节提过)读 Node 的 capacity 决定把 Pod 放哪——节点是数据面的「成员」,Node 对象是它的「档案」。

节点故障也在 Node 对象里暴露:kubelet 心跳停止 → Node 的 Ready 条件置 False → 控制器(如 StatefulSet,第 9 章)据此处理。连「节点这台物理机」的状态,都要先写成对象字段才能被集群感知——这再次印证 15.1 节的观点:在 K8s 里,一切事实都通过对象表达。

网络与存储:数据面也靠对象驱动

数据面不只有 Pod——网络与存储同样是「对象表达」的:

数据面设施对象谁消费
网络Service / Endpointskube-proxy(数据面)
存储PVC / PV / StorageClass卷控制器 + kubelet
编排Pod / Nodekubelet

kube-proxy 也是「控制器」:它 watch Service/Endpoints,把规则下到节点上的 iptables/ipvs——和第 5 章控制回路一模一样的「读-算-写」(写的是节点规则)。数据面不是「一堆非 K8s 的程序」,而是「用 K8s 对象协议协调的一组进程」。

这回答了「数据面为什么能信任对象」的另一种角度:数据面自身就是「对象驱动的」,它没有「对象之外的另一个世界」——网络规则、卷绑定、容器拉起,全由对象与控制器驱动。对象协议不是控制面的专利,是整个集群的通用语言——这是 15.1 节「共享协议」的完整版。

容器运行时:数据面最底层的一环

kubelet 之下还有一层:容器运行时(CRI——containerd、CRI-O 等)。它干「真的起容器」的活:

kubelet(读对象、算差异)
  → CRI 调用(containerd)
  → containerd 起容器、挂卷、配网络
层谁职责
对象层kubelet读 spec、写 status
运行时层containerd执行容器生命周期
内核层Linux容器隔离、cgroup、namespace

kubelet 与运行时也是「控制器」关系:kubelet 是「读-算-写」的控制器,但它把「执行」委托给运行时(CRI 接口)——控制器与执行者分离:kubelet 保持无状态、运行时负责落地。数据面也是分层的,每一层都在「读期望、拉现实」——从控制面到容器,是同一哲学的一层层传导。

三个常见误解

  • 「数据面是纯执行的」——不准确。数据面通过 status 参与收敛——它是反馈环的测量端。
  • 「数据面要理解控制器」——错误。kubelet 只读对象,不关心谁写的、怎么调的。
  • 「对象是控制面的内部结构」——错误。对象是两面的共享协议——数据面靠它执行,控制面靠它调谐。

本节 lab

本节验证对象接口的稳定性(数据面信赖的基础):

cd private/labs/k8s-ctrl-lab
go test ./api -run 'TestRVMonotonic|TestGenerationStatus' -v
  • TestRVMonotonic:RV 递增、UID 稳定——「对象可重读、身份不变」。
  • TestGenerationStatus:status 更新递增 RV 不递增 Gen——「spec 与 status 的接口分工」。

继续阅读

探索更多技术文章

浏览归档,发现更多关于系统设计、工具链和工程实践的内容。

全部文章 返回首页

「books」更多文章

  1. 《大规模分布式计算深入解析》15.3 落地:从 Neo4j 到自研图引擎
  2. 《大规模分布式计算深入解析·图计算与图数据库内核》 · 目录与学习路径(45 篇)
  3. 《大规模分布式计算深入解析》15.2 十一卷主线:从切分到图