云原生日报 2026-11-04

早上好,各位技术同学 ☕ 今天为大家精选了云原生领域的最新动态和几篇干货教程,一起看看 👇

🔥 云原生热点

1. Argo CD v3.6.0 GA

Argo CD v3.6.0 正式发布,为企业级 GitOps 持续交付带来一批能力增强。该版本集中强化了 ApplicationSet 渐进式同步(progressive sync)的可观测性与控制力,新增 Kyverno、TLSRoute 等内置健康检查,并让 Dex 的存储类型、TLS 最低版本与加密套件可配置。

值得关注的是 progressive sync 从黑盒走向可观测——新增刷新计数指标、把场景原因写入 condition 的 reason/message、暴露 applicationset-controller 的 workqueue 限流参数,这对大规模多集群分批发布排障是刚需。

内置 Kyverno 健康检查意味着策略引擎与应用交付可以在同一套 Argo CD 健康视图里统一观测,省掉大量自维护 Lua health check 的成本。

升级前务必先读 upgrading 文档并留意 CRD 与 controller 参数变更,跨 minor 版本升级不要跳过验证环境。

🔗 https://github.com/argoproj/argo-cd/releases/tag/v3.6.0

2. Cilium v1.21.0-pre.4

Cilium 发布 v1.21.0 第四个预览版,改动集中在 BGP、Gateway API 与 IPAM 三条线。BGP 新增基于接口的非编号对等(Unnumbered),通过 autoDiscovery 自动发现对端 IPv6 链路本地地址并发送 Router Advertisement;Gateway API 补齐前端客户端证书校验(mTLS)、监听器 TLS 版本控制与 GRPCRoute 的 BackendTLSPolicy;IPAM 侧 operator 与 agent 均支持 Multi Pool Resource IPAM。

BGP Unnumbered 是数据中心组网的主流实践(RFC 5549 思路),Cilium 补齐这块后可以大幅减少静态 IP 对等配置,与 ToR 直连场景的落地门槛明显降低。

Gateway API 连续补 mTLS 校验和 TLS 版本控制,说明 Cilium 正把原先 Ingress 私有注解的能力往标准 API 上迁移,长期方向值得跟进。

注意这是 pre 版本,且本版默认开启 BPF masquerading 属于行为变更,生产升级前必须在测试集群验证 SNAT 与 conntrack 表现。

🔗 https://github.com/cilium/cilium/releases/tag/v1.21.0-pre.4

3. Deploying an OSS Kubernetes Security Console

文章讲解如何用一个 Helm umbrella chart 一次性部署 Trivy Operator、Kubescape、Falco/Falcosidekick、Kyverno 以及自研的 MCP event sink,在 kind 集群上搭出本地可复现的 Kubernetes 安全数据平面。核心论点是 helm install 不是终点,完成标准是安全数据开始流动,因此验证方式应看 vulnerabilityreports、policyreports、clustercompliancereports 是否有内容,而不是看 Pod 是否 Running。

部署成功不等于数据流动,这个观点非常到位,不少团队上线扫描工具半年都在看空报告,还以为是工具能力不行。

把镜像漏洞、配置审计、策略违规、运行时事件这四类异构信号汇到一个可查询平面,再通过 MCP 暴露 18 个只读工具让模型做摘要而不是塞原始 YAML,这个思路对国内 AI 加 SRE 的落地很有借鉴意义。

event sink 默认丢弃完整原始命令行、只保留归一化字段,并且未鉴权读取会返回 401,安全设计上是有意识的。

作者明确说明这是 Apache-2.0 参考实现、未做独立安全审计且 demo 里故意放了旧镜像和特权工作负载,参考时不要直接照搬到生产集群。

🔗 https://cloudsecburrito.com/deploying-oss-kubernetes-security-console/

📖 教程推荐

1. Building a Kubernetes Admission Controller

作者用 kind 本地集群搭了一套分层准入控制方案:Kyverno 三条静态策略分别禁止 latest 标签、root 运行与 hostNetwork,再通过 Kyverno 的 apiCall 调用自研 Flask webhook 完成镜像白名单的动态校验。文章记录了实践中的两个典型坑——apiCall 不默认设置 Content-Type 导致 Flask 返回 415,以及白名单策略把自己依赖的 webhook Deployment 更新也拦下的循环依赖。

三条策略覆盖的正是 CIS Benchmark 里最基础也最高频的失配项,作为入门案例结构清晰、可复现性好。

真正的价值在踩坑部分:策略引擎必须给自身和 kube-system 留 exclude,否则会把自己锁死在更新路径上,这种自举问题在任何 Enforce 模式上线时都会遇到,建议先在 Audit 模式跑够观察窗口。

用 apiCall 桥接外部服务做动态校验是合法路径,但要评估它给准入链路带来的延迟,以及失败时是 fail-open 还是 fail-closed,这对 API Server 可用性影响不小。

🔗 https://medium.com/@tpayegbusi/building-a-kubernetes-admission-controller-automating-security-policy-enforcement-cb53dc506a75

2. Health Checks Brought Down a Payment Service

文章复盘了一次支付服务故障:所有 Pod 陷入反复重启且 CPU 内存同时飙升,平台团队紧急扩容内存后 15 分钟内恢复。作者沿 Datadog 指标与日志追溯,发现根因是应用的 /health 端点耦合了下游依赖健康状态,下游故障导致 liveness probe 持续失败、kubelet 不断重启容器;而扩容之所以看起来修好了问题,是因为下游彼时已自行恢复,扩容只是给了容器足够资源走完启动流程。

这是 liveness probe 最经典的反模式——把依赖健康塞进 liveness,等于把一次下游故障放大成全站级联重启。

正确做法是 liveness 只反映进程自身是否僵死,依赖健康交给 readiness 或独立的外部监控告警,probe 语义一旦混淆,故障放大倍数会非常可观。

另一个值得记住的点是缓解被误认为修复:扩容掩盖了真相,如果当时没有坚持追根因,这个错误配置会一直留在 Helm chart 里等下一次爆发。

建议把 probe 设计写进代码评审 checklist,并给 startupProbe 足够长的 failureThreshold 以覆盖冷启动,避免启动慢被当成不健康。

🔗 https://medium.com/@limjenameeta/how-kubernetes-health-checks-brought-down-a-payment-service-64b29d09f15a


以上内容均已附原文链接,欢迎留言交流你的看法 💬