D22 运维与 CI/CD 实操

精讲（必修，生产级收尾）。把培训闭环：亲手打 tag 发一次版、会看监控日志备份、按公司规范记录运维。这是从"学员"到"能干活的人"的最后一课。

教学目标（学完能做什么）

• 能说出并实操公司发版链路：git tag → GitHub Actions → 镜像 → k3s 部署（对照 D6 那张图，今天亲手跑）
• 会用只读手段查看集群监控、日志、备份状态
• 理解 OPS_JOURNAL 的意义，会写规范运维记录
• 完成一次故障排查演练（定位→根因→处理→复盘）

前置要求

• D6（tag 触发机制）、D8（kubectl 只读）、D7（镜像）

本模块在业务中的位置

• 日常运维 = 公司生产稳定性的守卫。今天不追求"会所有运维"，而是把链路跑通一遍 + 建立运维心智。参考 .agent/skills/cicd-deploy/SKILL.md 与 docs/dev-ops/guides/。

内容分段

1. 发版全流程实操（对照 D6 那张图，今天亲手跑）

git tag <app>-vX.Y.Z
git push origin <app>-vX.Y.Z
  → GitHub Actions（runner: self-hosted, linux, x64, k3s-test）
  → 构建镜像 → push registry.akria.net/<app>:<tag>
  → k3s 拉新镜像 → 滚动更新

• 实操口径：用讲师准备的测试应用（或你自己的 mini 项目 mock 流程），不碰生产应用。
• 观察点：Actions 日志每步在干嘛；镜像 tag 是否正确；kubectl rollout status 是否完成。
• 详细指南：.agent/skills/cicd-deploy/SKILL.md（发版前必读）。

2. 监控与日志

• 集群：kubectl top nodes、headlamp（monitor.akria.net）。
• 服务可用性：uptime-kuma（kuma.akria.net）。
• 日志：kubectl logs / journalctl（D5/D8 已会）。
• 运维习惯：先看监控与日志再动手；告警=信号不是结论。

3. 备份意识

• 公司备份：Velero + Longhorn，定时计划见 CLAUDE.md（如 infra-daily 02:00 TTL 7d）。
• 查询备份（只读）：

kubectl get backup.velero.io   # 注意用 .velero.io，不是 backup
kubectl get schedules.velero.io

• 理解：备份≠万无一失，要定期验证可恢复；恢复演练是更高级的活，本期了解即可。

4. OPS_JOURNAL：运维记录规范

• 意义：有运维价值的操作要记录（CLAUDE.md 要求），复盘有据、新人可学。
• 记录要点：时间 / 操作人 / 操作内容 / 命令 / 结果 / 影响 / 后续。
• 写一条示例（讲师演示）：发版记录、故障处理记录。

5. 故障排查演练（今天的重头戏）

• 讲师制造一个"故障场景"（测试环境），学员按流程：
  1. 先看日志/监控，收集事实；
  2. 分段定位（客户端→服务→依赖）；
  3. 找根因（4xx 查自己、5xx 查服务）；
  4. 最小化修复（不动无关东西）；
  5. 验证恢复；
  6. 写 OPS_JOURNAL 复盘。
• 常见演练故障：镜像 tag 拉不到、Pod CrashLoop（查日志）、依赖 DB 连不上、接口 500。

6. 新人运维红线（回顾 + 强调）

• 只读四件套（get/describe/logs/top）；不删 CrashLoopBackOff Pod；不 force-delete PVC；不碰生产写操作。
• 任何有运维价值的操作先想：要不要记 OPS_JOURNAL。
• 拿不准就问；宁可慢，不可莽。

讲解节奏建议（约 90 分钟）

常见误区汇总