零停机发布检查清单
零停机发布检查清单把「不中断发布」所需的配置与流程汇总成可逐项核对的条目：探针（就绪/存活/启动）与实际启动行为匹配、容量（maxSurge/PDB）有富余、摘流链路（preStop 与宽限期）衔接、观测与告警在线、回退路径演练过。核对的本质是发布前把四类风险逐一消掉：新实例未热好就接流量、旧实例未摘流就被杀、滚动过程容量不足、出问题没有退路。清单要嵌进发布流程（PR 模板、发布工单、流水线前置校验）才会真正执行，只放在文档里没人翻。
基本信息
| 探针 | 就绪/存活/启动配置与实际启动匹配 |
|---|---|
| 容量 | maxSurge 资源充足、PDB 有效 |
| 摘流 | preStop 与优雅退出时长小于宽限期 |
| 观测与回退 | 看板告警在线、回退路径演练过 |
| 执行载体 | 发布工单、PR 模板或流水线校验 |
典型使用场景
- 首次迁移到 Kubernetes：逐项对照补齐探针、PDB 与摘流配置。
- 大促与关键版本：发布前复核，把容量与观测状态确认一遍。
- 事故复盘：反查清单哪项缺失导致恢复慢，补齐后回灌流程。
- 团队交接：新值班人按单核对，降低对个人经验的依赖。
- 自动化校验：用脚本扫描 Deployment 配置替代人工核对。
- 发布评审：清单作为评审材料，让风险项在发布前有记录。
清单
清单
[ ] 探针与宽限期匹配
[ ] maxSurge 资源充足、PDB 有效
[ ] preStop 与优雅退出小于宽限期
[ ] 负载均衡摘流延迟已实测
[ ] 发布看板与告警在线
[ ] 回滚路径演练过并留有命令
[ ] 冒烟脚本可一键执行风险点与对策
| 风险 | 表现 | 对策 |
|---|---|---|
| 新实例未热好 | 首批请求超时 | 就绪探针与预热 |
| 旧实例未摘流 | 关闭瞬间报错 | preStop 等待、宽限期覆盖 |
| 滚动容量不足 | 吞吐下降、排队 | maxSurge/maxUnavailable 调优 |
| 节点维护驱逐 | 多实例同时被清空 | PDB 与容量冗余 |
PDB 挡的是节点维护这类自愿驱逐；滚动更新受 maxUnavailable 约束，两者不是一回事，别互相替代。
清单的价值在于有人逐项核对：接进发布流程才会被执行，只放文档里必然被跳过。
想调小宽限期提速前，先确认摘流延迟已实测；两项时长要一起改，改单边会引入错误窗口。