云原生技术

本文聚焦 Docker Compose 多容器编排场景，从服务定义、网络通信、依赖顺序、数据卷、环境变量和生命周期管理等维度展开，帮助团队搭建可重复的本地联调与测试环境。

本文聚焦 Dockerfile 镜像构建场景，从基础镜像选择、多阶段构建、缓存优化、非 root 运行和安全收敛等维度展开，帮助团队写出更稳定、更轻量、更可维护的镜像构建文件。

本文聚焦 Docker 容器运行机制场景，从镜像实例、运行时组件、生命周期状态、网络存储边界和 Kubernetes Pod 关系等维度展开，帮助读者理解容器从创建到删除的完整链路。

本文聚焦容器镜像分层原理场景，从 OverlayFS、联合挂载、写时复制、容器可写层和镜像构建优化等维度展开，帮助团队理解镜像复用、启动速度和体积治理。

本文聚焦容器隔离原理场景，从 Linux Namespace、Cgroups、资源限制、安全边界和 Kubernetes 资源配置等维度展开，帮助读者理解容器为什么像独立环境又不是虚拟机。

本文聚焦传统应用容器化改造场景，从应用评估、依赖梳理、镜像构建、配置外置、状态治理和发布迁移等维度展开，帮助企业规划更稳妥的迁移路径。

本文聚焦容器与虚拟机选型对比场景，从架构层级、启动速度、资源开销、隔离边界、运维模式和适用负载等维度展开，帮助企业判断两类技术如何组合使用。

本文聚焦容器技术入门场景，从镜像、运行时、隔离机制、资源限制和企业应用场景等维度展开，帮助读者建立理解 Docker 与 Kubernetes 的基础认知。

AI基础设施包括算力、存储、网络、数据、模型、调度、训练推理平台和安全治理能力，是企业AI应用落地的底层支撑体系。

大模型推理平台选型要综合评估推理性能、显存利用率、并发吞吐、模型管理、弹性伸缩、成本和企业私有化部署能力。

IDP平台是面向企业研发团队的内部开发者平台，通过服务目录、应用模板、流水线、环境和可观测入口提升交付体验。

平台工程是把基础设施、流水线、运行环境和治理能力产品化为开发者自服务平台，提升交付效率并降低复杂度。

本文聚焦 DevOps 平台选型场景，从流水线编排、制品管理、环境部署、发布审批、质量门禁、可观测性和企业治理等维度展开，帮助企业按交付规模、合规要求和平台化能力做出选择。

云原生安全围绕容器、Kubernetes、微服务、DevOps供应链和运行时环境建立全生命周期防护体系。

K8s安全要从镜像供应链、集群权限、网络访问、配置密钥、准入控制和运行时防护多个层面协同治理。

K8s权限管理要把用户、角色、命名空间、资源权限和审计机制统一起来，避免所有团队共享高权限集群账号。

K8s资源限制的核心是让调度器知道应用需要多少资源，同时避免单个容器过度占用集群，影响其他业务稳定性。

K8s自动扩缩容要同时考虑副本数量、单Pod资源规格和集群容量，不能只把CPU阈值设置成一个固定数字。

K8s滚动更新的重点不是“自动替换Pod”，而是通过批次、健康检查和回滚机制，把发布风险控制在可接受范围内。

K8s部署应用不是只写一个YAML，而是把镜像、工作负载、服务暴露、配置、健康检查和发布策略串成完整交付链路。