CI/CD 端到端落地实录：从 Git Push 到 K8s 发布的完整流水线

2026年9月2日 - 约 21 分钟读完 - 全文 8069 字

CI/CD 端到端落地实录：从 Git Push 到 K8s 发布的完整流水线

目标读者：会写 Jenkinsfile、会用 kubectl，但还没在生产环境把「提交代码 → 自动发布 → 失败回滚」整条链路跑通的同学。文中例子取自我主导的真实项目 videocloud（视频云转码服务，Spring Boot + Nacos + K8s），与站内《Kubernetes 学习总结与避坑指南》（kubernetes-authoritative-guide-notes.md）互为补充。

CI/CD 的 Demo 半小时能搭出来，生产可用要踩半年坑。kubectl apply 返回 0 不代表发布成功，Pod Ready 不代表配置生效。本文按真实落地顺序拆解五个阶段，每个阶段给出可抄的配置和踩过的坑。

一、全景：一条流水线要干多少事

graph LR
    Dev[git push / merge] --> WH[Webhook 触发 Jenkins]

    subgraph S1["阶段一：拉取与编译"]
        A1[检出 commit] --> A2[恢复依赖缓存]
        A2 --> A3[单测 + 打包]
    end

    subgraph S2["阶段二：推送产物"]
        B1[构建镜像] --> B2[推 ACR<br/>tag = git commit]
        B3[渲染部署模板<br/>快照留档]
    end

    subgraph S3["阶段三：执行变更单"]
        C1[DB changelog<br/>Liquibase] --> C2[Nacos changelog<br/>OpenAPI 发布]
    end

    subgraph S4["阶段四：部署与验证"]
        D1[更新 ConfigMap<br/>+ 滚动更新] --> D2[rollout status 阻塞]
        D2 --> D3[冒烟测试]
        D3 -->|成功| OK[发布完成]
        D3 -->|失败| RB[rollout undo<br/>自动回滚 + 告警]
    end

    WH --> S1 --> S2 --> S3 --> S4

阶段顺序有一条铁律：先备好「环境」，再动「代码」——数据库先于应用升级（新代码依赖新表结构），配置先于 Pod 重启（新 Pod 不能拿旧配置）。顺序反了，就是半夜被叫醒的那种故障。

二、阶段一：Jenkins 拉取与编译

2.1 触发：Webhook，不是轮询

Git 平台配 Webhook，push/merge 时推给 Jenkins。不要用 SCM 轮询——几十个仓库每分钟扫一遍，Jenkins 自己先爆了。分支与环境对应：feature/* 只编译+单测，develop 自动部署到 dev，master/tag 走完整流水线 + 人工审批发 prod。

2.2 编译提速：缓存 + 并行

stage('拉取与编译') {
    steps {
        checkout scm
        sh '''
            mvn -q -T 1C test                      # 单测先跑，挂了直接终止
            mvn -q -T 1C -DskipTests package       # -T 1C 按核数并行
        '''
    }
}

依赖缓存是性价比最高的优化：~/.m2 挂共享 PVC，构建从 5 分钟压到 1 分钟。
单测只跑变更相关模块（mvn -pl -am），全量留给 nightly。门禁是拦问题的，不是表演严格的。

2.3 Jenkins 自身怎么部署才不拖后腿

流水线慢，一半原因在 Jenkins 自己的形态。我们的规范五条：

Controller 只调度不构建（executors 设为 0），否则构建打满 Controller，UI 卡死、webhook 丢失。
agent 用 Kubernetes 插件动态拉起：按语言预定义 Pod 模板（maven/node/go），构建完即销毁，并发上限就是集群容量：

# agent Pod 模板要点
spec:
  nodeSelector: { node-pool: ci-build }      # 调度到 CI 专用节点池
  containers:
    - name: maven
      image: registry.../ci/maven:3.9-jdk17  # 自维护构建镜像，工具一次装好
      resources:
        requests: { cpu: "4", memory: 8Gi }
      volumeMounts:
        - { name: m2-cache, mountPath: /root/.m2 }
  volumes:
    - name: m2-cache
      persistentVolumeClaim: { claimName: ci-m2-cache }

CI 独立节点池：SSD 磁盘（编译是 IO 密集型）、taint 防业务混部、闲时自动缩容。
构建镜像自己维护：JDK、Maven 私服配置、docker/kubectl/cosign 全打进去，agent 起来就能干活。
部署阶段并行化：无依赖的服务用 parallel 并发部署。我们 8 个服务的流水线从 25 分钟降到 9 分钟。

三、阶段二：推镜像、推配置

3.1 镜像 tag：回滚能力的地基

environment {
    IMAGE = "registry.cn-hangzhou.aliyuncs.com/mycompany/videomart-videocloud"
    TAG   = "${env.GIT_COMMIT.take(8)}"   // git commit 短哈希：唯一、可追溯、可回滚
}

三条规矩：

部署 tag 必须唯一可追溯，杜绝 latest——回滚时说不清「上一个 latest」是谁。
生产仓库开 tag 不可变，禁止覆盖推送，否则同 tag 不同代码，回滚失效。
推送后 cosign 签名，K8s 侧用 Kyverno 校验，未签名拒绝部署——镜像仓库凭证泄露时，这是最后一道闸。

3.2 部署配置：仓库里只存一份参数化模板

原则：代码仓库不按环境拆分配置（没有 prod/、dev/ 目录）。同一份配置写三遍，改一处忘两处是必然结局。videocloud 的做法——部署模板随应用仓库，全部 ${占位符}：

videocloud/
├── k8s_deploy/                                    # 部署模板：环境无关，只有一份
│   ├── k8s-deployment-videomart-videocloud.yaml   # 头部注释列出全部参数
│   ├── k8s-service-videomart-videocloud.yaml
│   └── k8s-persistentvolumeclaim-videomart-videocloud.yaml
├── changelog/          # 数据库/Nacos 变更单（第四章）
└── src/main/resources/bootstrap.properties   # 服务读 Nacos 的方式（第五章）

### 参数: APP_NAME, APP_PORT, NAMESPACE, VERSION
kind: Service
apiVersion: v1
metadata:
  name: videomart-videocloud
  namespace: ${NAMESPACE}      # 发布到哪个环境，由 CD 注入
spec:
  ports:
    - { name: http-0, port: 9577, targetPort: 9577 }

流水线在这一步把渲染结果（含镜像 tag、namespace、副本数的完整快照）提交到发布记录库留档。模板只有一份保证「写法一致」，快照留档保证「可审计、可回滚」，两件事分开解决。

四、阶段三：变更单驱动——数据库与 Nacos

发布事故的头号根源不是工具，而是变更没落盘：开发改了字段口头通知运维，配置加在 Nacos 控制台、测试环境忘了加。规范只有一条：一次迭代对「环境」的所有变更——表结构、Nacos 配置——必须作为 changelog 文件随代码提交、随代码评审。

videocloud/changelog/
├── database/    # Liquibase 格式
│   ├── videomart-videocloud-changelog-db-v6.0.4.0-01.yaml
│   └── ...-02.yaml ...
└── nacos/
    └── videomart-videocloud-changelog-nacos-v6.0.4.0-01.yaml

命名 {服务}-changelog-{db|nacos}-{版本}-{序号}.yaml，序号定执行顺序。CD 的职责是按序、幂等地执行：

graph LR
    A[扫描 changelog<br/>按版本+序号排序] --> B{changeSet id<br/>已执行?}
    B -->|是| C[跳过，幂等]
    B -->|否| D["渲染占位符<br/>${VAR} ← Jenkins 凭据"]
    D --> E[执行<br/>DB: liquibase update<br/>Nacos: OpenAPI]
    E --> F[记录 id<br/>失败即终止流水线]

4.1 数据库变更单（Liquibase）

# changelog/database/videomart-videocloud-changelog-db-v6.0.4.0-01.yaml（节选）
databaseChangeLog:
  - changeSet:
      id: videomart-videocloud-changelog-db-v6.0.3.0-05
      author: cline
      comment: Add stream task table for transcoding
      changes:
        - sql:
            sql: |-
              CREATE TABLE `GTT_VIDEOMART_VIDEOCLOUD_STREAM_TASK` ( ... );

CD 用官方镜像执行，已执行的 changeSet 记在 DATABASECHANGELOG 表里，天然幂等：

sh '''
    docker run --rm -v $WORKSPACE/changelog/database:/liquibase/changelog \
        liquibase/liquibase:4.29 \
        --url=jdbc:mysql://prod-mysql:3306/videomart \
        --username=$DBU --password=$DBP \
        --changelog-file=videomart-videocloud-changelog-db-${VERSION}.yaml \
        update
'''

纪律三条：

只增不改、向后兼容：滚动更新期间新旧 Pod 同时在线，新代码要的表结构先就位，旧代码不能被新结构弄挂。
破坏性变更拆两次发布：先发「代码不再读写该字段」，观察一周，再发「删字段」。代码能回滚，删掉的列回不来。
执行过的 changeSet 绝不许改（checksum 变了 Liquibase 直接拒绝），要改就写新变更单。

4.2 Nacos 变更单

自定义格式，与 DB 同一套约定（videocloud 真实文件）：

# changelog/nacos/videomart-videocloud-changelog-nacos-v6.0.4.0-01.yaml
nacosChangeLog:
  - changeSet:
      id: videomart-videocloud-changelog-nacos-v6.0.4.0-01
      comment: videocloud drm configuration
      changes:
        - namespace: ${NAMESPACE}
          group: videocloud
          dataId: gtt-videomart-videocloud.properties
          format: properties
          patchContent: |-
              gtt.videomart.videocloud.db.username = ${VIDEOMART_VIDEOCLOUD_DATABASE_USERNAME}
              gtt.videomart.videocloud.aws.s3.accessKeyId = ${FUSIONSTORAGE_ACCESS_KEY}
              gtt.videomart.videocloud.aws.s3.secretAccessKey = ${FUSIONSTORAGE_SECRET_KEY}

注意：变更单里没有一个真实密钥，全是 ${占位符}——「key 叫什么、引哪份凭据」可以进 Git，「值是什么」不可以。

patchContent 是增量。CD 脚本逻辑：GET 现有配置 → envsubst 渲染增量 → 合并（增量覆盖同名 key）→ 整体发布 → 读回校验 → 记录 id。发布用的是 Nacos OpenAPI（POST /nacos/v1/cs/configs），Nacos 客户端长轮询秒级生效，不需要重启 Pod。生产 Nacos 必须开鉴权。

五、凭证权限划分：密钥只有 CD 管理员可见

占位符背后的真实值在哪、谁能碰？分三层：

graph TB
    Dev[开发者] -->|只能看到| Git[Git 仓库<br/>changelog 占位符 / 模板]
    CD[CD 管理员] -->|独占维护| Cred[Jenkins 凭据<br/>DB 账号 / S3 密钥]
    CD -->|独占维护| Sec[K8s Secret<br/>videomart-videocloud-secret]
    Pipe[CD 流水线] -->|"withCredentials 临时注入"| Cred
    Pod[运行中的 Pod] -->|"envFrom / secretRef"| Sec

四条规矩：

1. Jenkins 分角色。 Role-Based Strategy 插件：开发者能触发构建、看日志；只有 CD 管理员能管凭据、改生产流水线。凭据按 Folder 隔离，prod 的 DB 账号对开发者连「存在」都不可见。流水线里 withCredentials 临时注入，用完即销毁。

2. 服务只引用配置，绝不内嵌。 videocloud 的 bootstrap.properties 节选：

spring.cloud.nacos.config.server-addr=${NACOS_SERVER_ENDPOINT:localhost:8848}
spring.cloud.nacos.config.namespace=${NACOS_NAMESPACE:videomart}
spring.cloud.nacos.config.group=videocloud
spring.cloud.nacos.config.username=${NACOS_USERNAME}
spring.cloud.nacos.config.password=${NACOS_PASSWORD}
spring.cloud.nacos.config.refresh-enabled=true
spring.config.import=optional:nacos:gtt-videomart-videocloud.properties

服务只声明「连哪个 Nacos、读哪个 dataId」，账号全占位，生产由 K8s Secret 注入。默认值只给本地开发用，宁可留空让缺参时启动直接报错，也不要把内网地址当真默认值写进仓库。

3. 注入靠 Secret 引用。 看 k8s_deploy 的 Deployment 模板：

envFrom:
  - configMapRef: { name: gtt-common-config }        # 公共非敏感配置
  - secretRef:    { name: videomart-videocloud-secret }  # 本服务的 Nacos/DB 账号
  - secretRef:    { name: gtt-common-secret }        # 公共敏感配置

Secret 由 CD 管理员提前建好，开发者不需要、也不应该知道里面的值。

4. 轮换只动一处。 换 DB 密码 = 更新 Jenkins 凭据 + K8s Secret + 触发一次流水线，代码和模板都不用动。这就是「引用配置」相对「携带配置」的收益。

六、阶段四：更新 ConfigMap

《Kubernetes 学习总结与避坑指南》第七章讲透了两个坑，这里给结论：

环境变量注入的 ConfigMap，改了不生效，必须重启 Pod；文件挂载方式 kubelet 分钟级同步，但应用要自己支持 reload。
subPath 挂载单文件的 ConfigMap 永远不自动更新。

流水线的稳妥做法：kubectl apply 更新 ConfigMap 后无脑跟一次滚动更新——反正接下来要换镜像，合成一次滚动零成本。「要不要重启」交给脚本做死，比交给值班同学半夜判断可靠。

七、阶段五：部署与验证

7.1 部署配置长什么样

发布完成后集群里的对象关系：

graph TB
    GW[Gateway<br/>order.example.com] --> RT[HTTPRoute<br/>/api/order/**]
    RT --> SVC[Service videomart-videocloud<br/>ClusterIP 9577]
    SVC --> P1[Pod ✅] & P2[Pod ✅] & P3[Pod ✅]
    DEP[Deployment<br/>replicas: 3<br/>RollingUpdate] -.管理.-> P1
    CM[ConfigMap] -.挂载.-> P1
    NC[(Nacos)] -.长轮询推送.-> P1
    NC -.长轮询推送.-> P2
    NC -.长轮询推送.-> P3
    P1 --> DB[(MySQL)]

videocloud 的 Deployment 模板里有几处直接抄的规范：podAntiAffinity 强制同服务 Pod 分散到不同节点、topologySpreadConstraints 跨可用区打散、revisionHistoryLimit: 10 留回滚版本、探针端口与容器启动端口写死一致。对外暴露用 Gateway API（已 GA，Ingress 停止演进），把「入口」（Gateway，运维管）和「路由」（HTTPRoute，开发管）拆开。

7.2 部署与验证：流水线里真正干活的命令

stage('部署与验证') {
    steps {
        sh '''
            # 1. 渲染模板并部署
            envsubst < k8s_deploy/k8s-deployment-videomart-videocloud.yaml \
                | kubectl --kubeconfig=$KUBECONFIG apply -f -

            # 2. 阻塞等待滚动更新完成，超时/失败非零退出
            kubectl --kubeconfig=$KUBECONFIG -n $NAMESPACE \
                rollout status deployment/videomart-videocloud --timeout=300s

            # 3. 冒烟测试：健康检查 + 核心业务接口
            curl -fsS --retry 5 http://videomart-videocloud:9577/healthz || exit 1
        '''
    }
    post {
        failure {
            sh "kubectl --kubeconfig=$KUBECONFIG -n $NAMESPACE \
                rollout undo deployment/videomart-videocloud || true"
            // + 钉钉/邮件告警
        }
    }
}

再强调一遍：apply 成功只代表 apiserver 收下了 YAML。rollout status 阻塞 → 冒烟测试 → 失败自动 undo 三件套缺了，你的流水线只是「自动提交 YAML 的机器」。

7.3 部署凭证：别把 admin kubeconfig 给 Jenkins

给 Jenkins 一个只能操作特定 namespace、只能 patch Deployment 的 ServiceAccount（Role 限定 verbs get/list/watch/patch/update，完整 RBAC 示例见笔记 12.3 节）。凭证泄露的爆炸半径锁死在一个 namespace，且随时可 delete rolebinding 吊销。prod 部署再叠一个 input 人工审批。

7.4 弹性伸缩：HPA 不是配上就完事

前提：requests 必须配准（按 P95 实际用量）——HPA 的利用率是 实际用量 / requests，requests 瞎填，扩缩时机全错。

apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata: { name: videomart-videocloud }
spec:
  scaleTargetRef: { apiVersion: apps/v1, kind: Deployment, name: videomart-videocloud }
  minReplicas: 3        # 生产最小副本 ≥ 2，单副本没资格谈弹性
  maxReplicas: 20       # 按下游容量倒推（DB 连接数 / 每 Pod 连接数）
  metrics:
    - type: Resource
      resource: { name: cpu, target: { type: Utilization, averageUtilization: 60 } }
  behavior:             # 快扩慢缩
    scaleUp:
      stabilizationWindowSeconds: 0
      policies: [{ type: Percent, value: 100, periodSeconds: 60 }]   # 每分钟最多翻倍
    scaleDown:
      stabilizationWindowSeconds: 300                                # 缩容观察 5 分钟
      policies: [{ type: Pods, value: 1, periodSeconds: 120 }]

配套三条：HPA 必搭 PDB（防节点维护+缩容+发布叠加把服务缩没）；GitOps 场景 Deployment YAML 别写死 replicas（否则 ArgoCD 每次同步把 HPA 扩的副本压回去）；HPA 管 Pod、Cluster Autoscaler 管节点，两层都要配，流量可预期的业务用 KEDA 定时伸缩提前备容量。

7.5 灰度发布：现有流程加两个 stage 就能支持

前面几节的设计纪律已经埋好了灰度所需的前提：模板里 Deployment 命名带版本（videomart-videocloud-${VERSION}）、Pod 打 app + version 双标签，而 Service 的 selector 只选 app——新旧两个 Deployment 可以并行存在，Pod 同时挂在同一个 Service 下。在这个基础上，灰度有两级做法：

第一级：副本级灰度（零新组件）。 渲染同一份模板，只换 VERSION 和 REPLICAS，拉起 1 个新版本副本与旧版并存——流量比 ≈ 副本比（3 旧 + 1 新 ≈ 25% 流量进新版）：

VERSION=v6.0.5.0 REPLICAS=1 IMAGE=$IMAGE:$TAG \
    envsubst < k8s_deploy/k8s-deployment-videomart-videocloud.yaml \
    | kubectl --kubeconfig=$KUBECONFIG apply -f -

第二级：权重级灰度（精确比例）。 新旧版本各起一个 Service（selector 分别锁定各自 version），用 Gateway API 的 HTTPRoute backendRefs 配 weight: 95 / 5，或上 Istio VirtualService 按权重/请求头分流。要「只让内部员工进新版」这类按用户维度的灰度，只能走这一级。

流水线形态——在「变更单执行」和「全量部署」之间插入灰度段：

graph LR
    A[变更单执行] --> B[部署 canary<br/>1 副本或 5% 权重]
    B --> C[观察期<br/>指标对比 / 人工 input]
    C -->|正常| D[全量滚动更新<br/>删除 canary]
    C -->|异常| E[删除 canary<br/>流量即刻回稳]

要点四条：

灰度期新旧版本同时在线，DB/Nacos 变更必须向后兼容——changelog「只增不改」的纪律正是为此准备的；不兼容的变更没有资格灰度。
观察期看指标不看感觉：canary 的错误率、P99 延迟与 stable 对比，Prometheus 按 version 标签分组就能出数——这就是 Pod 要打 version 标签的另一个理由。观察期可以是定时（如 10 分钟）加 Jenkins input 人工确认。
回滚动作极轻：删掉 canary Deployment，Service selector 自动不再选中它，秒级完成，不用动旧版本一根毫毛。
Nacos 配置也能灰度：配置支持按 IP/标签灰度下发，配置类变更先推给 canary 实例验证，再全量。

7.6 实操：给新版本分 20% 流量的完整跑法

以「线上 v6.0.4.0 共 4 副本，给 v6.0.5.0 分 20% 流量」为例，两种做法选一。

做法 A：副本比例近似（4 旧 + 1 新 ≈ 20%）。改动最小，适合服务间（东西向）流量或没有网关层权重能力的场景：

# 1. 变更单已执行完毕（DB/Nacos，向后兼容）
# 2. 起 1 个新版本副本（与旧版并存，同一个 Service 下）
VERSION=v6.0.5.0 REPLICAS=1 IMAGE=$IMAGE:$NEW_TAG \
    envsubst < k8s_deploy/k8s-deployment-videomart-videocloud.yaml | kubectl apply -f -
kubectl rollout status deployment/videomart-videocloud-v6.0.5.0 --timeout=300s

# 3. 观察：Prometheus 按 version 分组对比错误率 / P99

# 4a. 正常 → 全量：新版本扩到满配，再删旧版本
VERSION=v6.0.5.0 REPLICAS=4 IMAGE=$IMAGE:$NEW_TAG \
    envsubst < k8s_deploy/k8s-deployment-videomart-videocloud.yaml | kubectl apply -f -
kubectl rollout status deployment/videomart-videocloud-v6.0.5.0 --timeout=300s
kubectl delete deployment videomart-videocloud-v6.0.4.0

# 4b. 异常 → 回滚：删掉 canary 即可，旧版全程没动过
kubectl delete deployment videomart-videocloud-v6.0.5.0

做法 B：HTTPRoute 权重精确 20%。适合入口（南北向）HTTP 流量。需要两个按 version 锁定 selector 的 Service：

# stable 和 canary 各一个 Service，selector 分别锁死版本
# videomart-videocloud-stable:  selector { app: videomart-videocloud, version: v6.0.4.0 }
# videomart-videocloud-canary:  selector { app: videomart-videocloud, version: v6.0.5.0 }
---
apiVersion: gateway.networking.k8s.io/v1
kind: HTTPRoute
metadata: { name: videocloud-route }
spec:
  parentRefs: [{ name: prod-gateway }]
  hostnames: ["videocloud.example.com"]
  rules:
    - backendRefs:
        - { name: videomart-videocloud-stable, port: 9577, weight: 80 }
        - { name: videomart-videocloud-canary, port: 9577, weight: 20 }

调比例就是改 weight（20% → 50% → 100%)，每次 kubectl apply 即时生效。全量后把 stable Service 指向新版本、删掉 canary，路由权重归位。

做法 B 有一个必踩的坑：原来那个 selector 只选 app 的 Service，灰度期间会同时选中新旧 Pod——HTTPRoute 里 20% 的权重之外，走老 Service 的内部调用方还在按副本比随机进新版，等于流量叠加失控。所以权重灰度前，必须把老 Service 的 selector 也加上 version 锁到旧版，或者干脆只保留 stable/canary 两个 Service。

对应的 Jenkinsfile 就是在「变更单执行」后加两个 stage：

stage('灰度 20%') {
    steps { sh 'deploy-canary.sh $NEW_TAG 20' }   // 上面做法 A/B 的脚本化
}
stage('灰度观察') {
    steps {
        sh 'check-canary-metrics.sh'              // 错误率/P99 对比，超阈值非零退出
        input message: '灰度指标正常，是否全量？'    // 人工确认，prod 必备
    }
}
stage('全量') { steps { sh 'promote-canary.sh $NEW_TAG' } }
post { failure { sh 'cleanup-canary.sh || true' } }  // 任何失败自动清理 canary

八、配置治理：文档化与三环境一致性

8.1 配置文档化：阈值不再是「口口相传」

症状：限流阈值为什么是 500 不是 1000，只有离职的那个人知道。解法：每个服务在仓库里维护 CONFIG.md，强制四列——配置项 / 含义 / 当前值 / 取值依据与影响面：

配置项	含义	当前值	取值依据与影响面
`upload.retryCount`	上传重试次数	5	对象存储偶发抖动 P99 在 3 次内恢复；超过 5 次基本是故障，应快速失败
`upload.chunkSize`	分片大小	5MB	内网带宽实测拐点；调大加剧内存压力

纪律三条：配置项三处一致（Git 里的值、CONFIG.md、代码注释，评审时卡点检查）；阈值必须写取值依据（拍脑袋的值两个版本后就成了没人敢动的屎山）；开关必须有退役计划（全量后一个迭代内删除）。进阶：用 JSON Schema 在推送 Nacos 前校验类型和取值范围，低级错误 CI 阶段拦住。

8.2 三环境一致性：写法一致，取值注入

「在测试环境是好的」的根源：各环境配置是各自维护的副本。解法前面已经埋下——仓库里只有一份参数化模板和变更单，差异压缩成发布时注入的参数：

差异项	注入方式	维护者
namespace、集群地址	CD 环境参数	CD 管理员
副本数、资源 requests/limits	CD 环境参数	CD 管理员
DB 账号、密钥、合作方地址	Jenkins 凭据 → envsubst	CD 管理员（开发者不可见）
业务阈值、特性开关	changelog 变更单，三环境执行同一份	开发者（评审把关）

「写法」必须三环境一致，「取值」本来就该不同。再加两道保险：发 prod 前用各环境参数分别渲染同一份模板并 diff（源头只有一份，diff 干干净净只有几行）；每周漂移检测，发现有人手工改过线上配置就告警（上 ArgoCD 后免费获得）。

九、行业动态：2025–2026 值得关注的变化

GitOps 成默认答案：Jenkins 只构建推镜像，集群内 ArgoCD 从 Git 同步部署——CI 不再需要生产集群凭证，安全性质变。
Gateway API 取代 Ingress：后者已停止演进，新项目别再用它起头。
供应链安全成必修：cosign 签名、SBOM、SLSA 框架已进入金融政企招标要求。
CI 引擎分化：Tekton、Dagger 各有拥趸，GitHub Actions 吞噬中小团队；Jenkins 份额缓降，但存量企业和内网仍是主力。
AI 进流水线：CI 失败日志自动归因、pipeline 脚本生成评审已经实用；「AI 自动决定发布」不建议——爆炸半径需要人负责。

十、思考与感悟

1. 流水线的本质是「把运气变成流程」。 手工发布的质量取决于值班同学当晚的状态。流水线的价值不是快，是把「老司机会记得检查、新人一定会漏」的 20 个检查点固化成代码——先消灭方差，其次才是耗时。

2. 最贵的知识是顺序和兼容。 DB 先于应用、配置先于重启、破坏性变更拆两次——背后是同一个认知：发布中系统处于新旧混合的中间态，所有设计都要保证中间态可用。蓝绿、金丝雀、滚动更新都只是它的具体实现。

3. 验证深度决定发布频次。 没有可靠自动验证 → 发布靠人肉兜底 → 怕 → 少发 → 单次变更量大 → 更怕，恶性循环。打破循环的入口就是把验证做深：rollout 阻塞、冒烟、自动回滚。验证越可信，发布越敢小而频。

4. 配置有权限边界。 「引用关系」进 Git，「真实值」进凭据系统，且只有 CD 管理员能碰。这条边界一开始不划，等密钥躺在几百人可见的仓库里再补救就晚了。

十一、避坑清单（速查）

Webhook 触发，不用轮询；Controller 不跑构建；agent 用一次性 Pod + 依赖缓存 PVC + CI 专用 SSD 节点池；无依赖的部署步骤并行。
镜像 tag = git commit 短哈希，杜绝 latest；仓库开 tag 不可变；cosign 签名。
DB 与 Nacos 变更一律走 changelog 变更单，随代码评审，CD 按序幂等执行；控制台手工改属违规。
数据库变更只增不改；破坏性变更拆两次发布；执行过的 changeSet 绝不许改。
变更单和模板只写 ${占位符}；真实密钥只在 Jenkins 凭据和 K8s Secret，只有 CD 管理员可见；服务一律 envFrom/secretRef 引用。
每个服务维护 CONFIG.md 四列（配置项/含义/当前值/取值依据）；开关有退役计划。
仓库只存一份环境无关模板，环境差异由 CD 注入；发 prod 前渲染结果 diff；每周漂移检测。
ConfigMap 更新后跟一次滚动更新（env 注入和 subPath 都不自动生效）。
Deployment 必配 readinessProbe + maxUnavailable: 0 + preStop 延迟；revisionHistoryLimit 别设 0。
验证三件套：rollout status → 冒烟 → 失败自动 undo + 告警。
HPA：requests 按 P95 配准；minReplicas ≥ 2、maxReplicas 按下游容量倒推；快扩慢缩 + PDB；GitOps 场景别写死 replicas。
灰度发布：Service selector 只选 app、Deployment 按版本并行，先副本级灰度，要精确比例再上 HTTPRoute 权重；观察期看 version 分组的指标；回滚 = 删 canary。
Jenkins 用最小权限 ServiceAccount，prod 加 input 审批；新系统对外暴露用 Gateway API；渲染快照进发布记录库，为 GitOps 铺路。

参考资料：

《Kubernetes 学习总结与避坑指南》（本站 kubernetes-authoritative-guide-notes.md）：ConfigMap 注入机制、RBAC 最小权限、rollout 验证的完整细节

Jenkins 官方文档 / Liquibase / Nacos OpenAPI

Kubernetes Gateway API / ArgoCD / SLSA

云原生

方糖猫（大可）

18 年后端架构，现在独立做 AI 产品。这里记录 AI 视频、AI Agent 与工程实践。

本文阅读量次