云原生学习路线¶

从 Linux，到 Kubernetes，再到企业级云原生架构。

这不仅是一份学习路线，更是一张完整的知识地图（Knowledge Map），帮助你建立系统化的技术体系，而不是零散地学习命令和工具。

很多人在学习技术时都会遇到这些问题：学了很多命令却不知道背后的原理；Docker 会用了但不知道 Kubernetes 为什么这样设计；会部署 Prometheus 却不知道应该监控哪些指标。企业需要的不是"会某个工具的人"，而是能够理解整个技术栈设计思想的工程师。

这份路线把 Linux、容器、Kubernetes、可观测性和企业级实践串联起来，帮助你建立完整的知识体系。

🧭 全景知识地图¶

%%{init: {
  'theme': 'base',
  'themeVariables': {
    'background': 'transparent',
    'lineColor': '#64748b',
    'themeLineWidth': '2px',
    'fontSize': '14px',
    %% 自定义每个分支的渐变色簇 (云原生科技感色系) %%
    'cScale0': '#3b82f6',
    'cScale1': '#0ea5e9',
    'cScale2': '#326ce5',
    'cScale3': '#8b5cf6',
    'cScale4': '#10b981',
    %% 节点文字颜色优化 %%
    'cScaleLabel0': '#ffffff',
    'cScaleLabel1': '#ffffff',
    'cScaleLabel2': '#ffffff',
    'cScaleLabel3': '#ffffff',
    'cScaleLabel4': '#ffffff'
  }
}}%%
mindmap
  root((云原生<br>知识体系))
    (Linux)
      ::icon(fa fa-linux)
      Shell
      网络基础
      存储基础
      用户权限
      Systemd
    (Docker)
      Image
      Container
      Registry
      Volume
    (Kubernetes)
      架构原理
      部署实践
      最佳实践
      工具生态
      故障排查
    (可观测性)
      Prometheus
      Grafana
      Alertmanager
      OpenTelemetry
    (企业实践)
      GitOps
      Service Mesh
      Platform Engineering
      AI Infrastructure

七阶段详解¶

第一阶段：Linux 基础¶

一切云原生技术都运行在 Linux 之上。

学习内容：

• Linux 安装部署
• 文件系统与目录结构
• 用户与权限管理
• systemd 服务管理
• 软件包管理
• 系统日志管理
• Shell 脚本基础
• 性能分析与故障排除

推荐阅读：

学完后你应该能够：

• ✅ 独立维护 Linux 服务器
• ✅ 理解系统资源管理机制
• ✅ 排查基础系统故障

第二阶段：网络基础¶

很多 Kubernetes 问题，本质都是网络问题。

学习内容：

• TCP/IP 协议栈
• DNS / HTTP / HTTPS
• NAT / VLAN / VXLAN
• 路由与iptables
• Bridge / Overlay 网络

推荐阅读：

网络专题目前文章较少，后续会持续补充 TCP/IP、DNS、VXLAN 等专题。

学完后你应该能够：

• ✅ 理解 Pod 为什么可以跨节点通信
• ✅ 排查常见的网络连通性问题
• ✅ 理解 Kubernetes 网络模型的基础

第三阶段：Docker 与容器技术¶

重点不是 Docker 命令，而是理解容器本质。

学习内容：

• Namespace（进程隔离）
• Cgroups（资源限制）
• OverlayFS（联合文件系统）
• Image Layer（镜像分层）
• Container Runtime（容器运行时）

推荐阅读：

学完后你应该能够：

• ✅ 理解 Docker"一次构建，到处运行"的底层原理
• ✅ 编写规范的 Dockerfile
• ✅ 区分容器和虚拟机的适用场景

第四阶段：Kubernetes¶

这是整个学习路线中最重要的一部分。

架构原理¶

先理解 Kubernetes 各核心组件的设计，再学部署和运维。

部署实践¶

最佳实践¶

工具生态¶

学完后你应该能够：

• ✅ 理解 Kubernetes 各核心组件的设计原理
• ✅ 独立部署和维护 Kubernetes 集群
• ✅ 排查常见的集群问题
• ✅ 进行生产环境资源管理和优化

第五阶段：可观测性¶

企业环境中，部署只是开始。真正重要的是：如何知道集群是否健康？

学习内容：

• Prometheus（指标采集）
• Grafana（可视化）
• Alertmanager（告警管理）
• OpenTelemetry（链路追踪）
• Metrics / Logs / Traces 三支柱

推荐阅读：

学完后你应该能够：

• ✅ 构建完整的 Prometheus + Grafana 监控体系
• ✅ 设计有意义的告警规则
• ✅ 通过指标定位性能瓶颈

第六阶段：企业级实践¶

这一阶段开始接近真实生产环境。

学习内容：

• Requests 与 Limits 资源管理
• HPA / VPA / Cluster Autoscaler
• 集群高可用与容灾
• 备份与恢复策略
• 安全合规与 RBAC 治理

推荐阅读：

学完后你应该能够：

• ✅ 设计高可用的 Kubernetes 集群架构
• ✅ 制定资源管理和自动伸缩策略
• ✅ 建立集群备份与灾备方案

第七阶段：现代云原生¶

继续深入云原生生态的高级主题。

学习内容：

• GitOps（ArgoCD / Flux）
• Helm 包管理
• Service Mesh（Istio / Linkerd）
• Gateway API
• Platform Engineering
• AI Infrastructure on K8s

解决方案专题持续建设中，后续会补充更多企业级实践内容。

🎯 分角色学习路径¶

不同角色 → 不同路线，但底层体系一致。

👨‍💻 开发工程师路线¶

flowchart LR
A[Linux] --> B[Docker] --> C[Kubernetes] --> D[应用部署] --> E[CI/CD] --> F[GitOps]

click A "/linux/"
click B "/deployment/docker&k8s/docker.md"
click C "/kubernetes/"
click D "/kubernetes/practice/"
click E "/solutions/"
click F "/solutions/"

🎯 学习目标

• 应用容器化（Dockerfile / 镜像构建）
• Kubernetes 部署与发布
• 理解 Deployment / Service / Ingress
• 使用 Helm / GitOps
• 构建持续交付流程

👨‍🔧 运维工程师路线¶

flowchart LR
A[Linux] --> B[网络] --> C[Docker] --> D[Kubernetes] --> E[监控] --> F[故障排查] --> G[高可用]

click A "/linux/"
click B "/linux/network/"
click C "/deployment/docker&k8s/docker.md"
click D "/kubernetes/"
click E "/observability/"
click F "/lab/"
click G "/kubernetes/practice/"

• Linux 服务器管理与排障
• Kubernetes 集群部署与维护
• 网络 / 存储基础
• Prometheus + Grafana 监控体系
• 生产故障定位与处理
• 高可用架构设计

📊 SRE¶

flowchart LR
A[Kubernetes] --> B[Observability] --> C[Logging] --> D[Tracing] --> E[性能优化] --> F[容量规划]

click A "/kubernetes/"
click B "/observability/"
click C "/observability/"
click D "/observability/"
click E "/kubernetes/practice/"
click F "/kubernetes/practice/"

• 构建完整可观测性体系
• SLA / SLO / SLI 设计
• 日志 / 指标 / 链路追踪
• 性能调优与容量规划
• 故障响应与复盘机制

🏗 平台工程师路线¶

flowchart LR
A[Kubernetes] --> B[Helm] --> C[GitOps] --> D[Service Mesh] --> E[Platform]

click A "/kubernetes/"
click B "/kubernetes/tools/"
click C "/solutions/"
click D "/kubernetes/architecture/"
click E "/solutions/"

🎯 学习目标

• 构建企业级 Kubernetes 平台
• 标准化应用交付体系
• 多集群与多租户管理
• 服务治理（Service Mesh）
• 平台工程体系建设

🚀 云原生架构师路线¶

flowchart LR
A[Linux] --> B[Docker] --> C[Kubernetes] --> D[Networking] --> E[Storage] --> F[Observability] --> G[Platform] --> H[Architecture]

click A "/linux/"
click B "/deployment/docker&k8s/docker.md"
click C "/kubernetes/"
click D "/linux/network/"
click E "/linux/storage/"
click F "/observability/"
click G "/solutions/"
click H "/solutions/"

🎯 学习目标

• 企业级云原生架构设计
• 高可用 / 高可靠系统设计
• 网络 / 存储 / 安全体系规划
• 多集群架构设计
• 平台级能力建设

故障实验室¶

理论只是第一步。真正的成长来自于不断实验。

故障实验室收录真实生产环境中的常见问题及排查过程，帮助你理解每种故障背后的工作机制。

👉 进入故障实验室

📌 学习核心原则¶

1️⃣ 不要只学工具，要理解原理

2️⃣ 必须做实验

看完文章后，结合故障实验室的内容动手复现。理解一种故障的最好方式就是亲手制造它、再亲手解决它。

3️⃣ 学习路径优先于知识本身

先建立"学什么、先学什么后学什么"的框架，再往里填内容。不要零散地学命令和工具，要沿着知识体系递进。

🎯 学完后你应该具备的能力¶

• 能独立部署 Kubernetes 集群
• 能排查生产环境问题
• 能设计基础云原生架构
• 能理解系统底层运行机制

技术学习没有真正的终点。新的工具会不断出现，但底层原理往往变化缓慢。

希望这份路线能帮助你建立系统化的知识体系，而不是停留在记忆命令和复制配置。

—— 1HairLabs · 一根头发丝的宽度