建议收藏：滚动更新 集群搭建教程 | 团队协同升级

▌ 技术引导
你要是真在做集群部署，滚动更新这件事绝对不能靠运气。我见过太多人搞不定，不是资源搞没，就是服务断了，最后连回滚都没法做。真实场景里，大家都会用 kubectl rollout 或者 helm 来控制，但关键是要把 upgrade 与 rollback 操作搞清楚。比如在 Kubernetes 里，升级前得确保 readinessProbe 指标正确，否则会卡在 pending 状态。还要留意 maxSurge 和 maxUnavailable 的配置，这两个参数决定的是更新方式，不是你想象的那样。如果用的是 Docker Swarm，那就得在 service 配置里加上 update_config 里的 parallelism 和 delay，不然整个集群会像断线的机器人一样卡死。别忘了在升级前做一次全量的健康检查，跑完单元测试再部署，否则你可能一整天都得在排查日志里度过。

我之前在生产环境踩过坑，升级过程中因为没有设置 pause 命令，直接把整个服务推上去了，结果新版本有内存泄漏，连运维都找不到问题在哪里，因为所有节点都同时失败。后来用 kubectl set image 做一次 partial rollout，发现问题点，再逐步推进。这种策略能帮你省去大量排查时间。如果你是用 Terraform 来管理集群，记得用 apply 的 -target 参数来控制更新顺序，否则整个状态文件会像病毒一样蔓延。

另外，团队协同升级这件事，最怕两个人同时改同一个配置，搞不好就冲突了。用 GitOps 的话，就得走 CI/CD 管道，确保每次提交都经过测试，再触发部署。如果你用 Argo CD，记得配置 syncStrategy 为 Recreate，不然会卡在 rolling update 状态。还有，别忘了设置 feature gates，特别是 Kubernetes 1.25 之后的版本，有些新特性需要手动开启。

最后，如果遇到资源不足的问题，记得在 Kubernetes 集群里增加 Horizontal Pod Autoscaler，这样可以自动调整副本数，避免服务中断。如果你是用 Helm，千万别用 helm upgrade --install，这会破坏你当前的状态，导致回滚困难。用 helm upgrade --recreate-pods 要配好 --wait 参数，否则你可能会看到服务在升级过程中反复上下线。总之，别把这些动作当成简单命令，每个细节都要踩在实地上。

▌ 技术参考
一 你要是真在做集群部署，滚动更新这件事绝对不能靠运气。我见过太多人搞不定，不是资源搞没，就是服务断了，最后连回滚都没法做。真实场景里，大家都会用 kubectl rollout 或者 helm 来控制，但关键是要把 upgrade 与 rollback 操作搞清楚。比如在 Kubernetes 里，升级前得确保 readinessProbe 指标正确，否则会卡在 pending 状态。还要留意 maxSurge 和 maxUnavailable 的配置，这两个参数决定的是更新方式，不是你想象的那样。如果用的是 Docker Swarm，那就得在 service 配置里加上 update_config 里的 parallelism 和 delay，不然整个集群会像断线的机器人一样卡死。别忘了在升级前做一次全量的健康检查，跑完单元测试再部署，否则你可能一整天都得在排查日志里度过。

二 我之前在生产环境踩过坑，升级过程中因为没有设置 pause 命令，直接把整个服务推上去了，结果新版本有内存泄漏，连运维都找不到问题在哪里，因为所有节点都同时失败。后来用 kubectl set image 做一次 partial rollout，发现问题点，再逐步推进。这种策略能帮你省去大量排查时间。如果你是用 Terraform 来管理集群，记得用 apply 的 -target 参数来控制更新顺序，否则整个状态文件会像病毒一样蔓延。

三 在 Kubernetes 中执行滚动更新，核心命令是 kubectl set image，但必须指定 --record 参数，这样可以在 rollout history 中记录变更。如果你用的是 Helm，一定要在 values.yaml 里设置 image.tag，然后再 helm upgrade。千万不要直接修改 Deployment 的 YAML，这样会导致版本混乱。比如这样写：`kubectl set image deployment/myapp myapp=image:tag --record`，然后用 `kubectl rollout history deployment/myapp` 查看版本记录。

四 如果是 Docker Swarm，你得用 docker service update 命令，加上 --update-delay 和 --parallelism 参数。比如 `docker service update --image myapp:latest --update-delay 10s --parallelism 5 myapp`，这样可以控制更新速度，避免资源争抢。如果服务有多个副本，记得检查 update_config 的配置，比如 `update_config: { parallelism: "5", delay: "10s" }`，这些配置决定了每个副本更新的间隔和并发数量。

五 一个常见的踩坑场景是 readinessProbe 设置不当，导致服务在更新过程中无法正确检测状态。比如，如果你的 readinessProbe 没有设置 initialDelaySeconds，服务可能会在启动不久后就进入就绪状态，但实际上还没准备好。这时候，新 Pod 会立即开始接收流量，引发服务不稳定。解决方案是给 readinessProbe 加上初始延迟，同时设置 failureThreshold，比如：`readinessProbe: { httpGet: { path: /health, port: 80 }, initialDelaySeconds: 30, failureThreshold: 5 }`。

六 在团队协同升级时，最容易的问题是多人同时修改同一个配置文件。解决方法是用 GitOps 工具，比如 Argo CD 或 Flux，确保每次提交都经过审核和测试。如果你用的是 Argo CD，记得在配置文件里添加 syncStrategy: Recreate，这样能避免滚动更新带来的潜在问题。同时，可以设置 autoSync: false，让团队成员在修改后需要手动触发同步。

七 如果你用的是 Helm，可以利用 helm upgrade 和 helm rollback 命令来控制版本。例如，执行 `helm upgrade --recreate-pods myrelease mychart`，这样会强制重新创建 Pod，确保旧版本被正确替换。同时，可以使用 `helm rollback myrelease 1` 来回退到某个历史版本。关键是要确保每次升级都记录日志，方便后续排查。

八 在 Kubernetes 中，如果你发现服务升级后无法正常访问，可以使用 `kubectl rollout undo deployment/myapp` 来回滚。但要注意，这个命令只能回退到最近一次的 rollout 历史。如果你需要回退到某个特定版本，需要用 `kubectl rollout undo deployment/myapp --to=1`，其中 1 是 rollout 的历史序号。这种情况下，确保你有完整的 rollout history 是关键。

九 有些时候，升级会因为资源不足而失败。比如在 Kubernetes 中，如果集群的可用内存不足以支撑新版本的容器，就会触发滚动失败。这时候可以使用 Horizontal Pod Autoscaler 来动态调整副本数，或者在 Deployment 里设置 resources.limits，限制每个 Pod 的资源使用。例如：`resources: { limits: { memory: "512Mi", cpu: "500m" } }`，这样可以防止资源争抢。

十 如果你用的是 Docker Swarm，还可以通过设置 `--no-deps` 标志来避免依赖服务同时重启。比如 `docker service update --no-deps myapp`，这样可以确保只有主服务被更新，而它的依赖服务保持不变。但是，这种方式可能会导致服务之间不一致，所以必须确保所有依赖服务已经同步到新版本。

十一 在 Kubernetes 中，还有一个容易忽略的配置是 maxUnavailable。如果设置为 0，那么所有 Pod 都会同时被替换，导致服务在更新过程中出现短暂中断。正确的做法是设置一个合理的值，比如 1，这样在更新时会保留至少一个可用 Pod。例如：`maxUnavailable: 1`。这能确保服务在更新期间仍能提供基本功能。

十二 如果你用的是 Kustomize 来管理配置，可以在 kustomization.yaml 中添加 patches，这样可以在不修改原始文件的前提下完成配置变更。例如，使用 `patches` 来更新 image.tag，同时保留其他配置不变。这种方式适合多团队协作，避免直接改动主配置文件。

十三 在团队协同升级时，建议用 CI/CD 管道来自动化部署。比如 Jenkins 或 GitLab CI 可以配置流水线，在每次 commit 后触发测试和部署。如果用的是 Argo CD，可以设置 sync interval，比如 `interval: 5m`，这样可以确保配置不会突然变化。同时，建议在部署前添加 pre-check 任务，比如运行 helm test 或 kubectl get pods 确认当前状态。

十四 如果你发现某个服务在升级后行为异常，可以使用 `kubectl rollout history` 查看历史记录，再通过 `kubectl rollout undo` 回退。同时，建议在每次部署后记录日志，比如使用 `kubectl logs -f` 来查看 Pod 的运行状态。这样能帮助你更快定位问题。

十五 我见过很多人在滚动更新中遇到资源争抢的问题，特别是在多节点集群中。解决方法是合理设置 maxSurge 和 maxUnavailable，避免资源一次性被大量占用。比如在 Kubernetes 中，设置 `maxSurge: 1` 和 `maxUnavailable: 0`，这样可以确保更新过程中资源不会被耗尽。此外，还可以使用 Kubernetes 的 PriorityClassName 来控制 Pod 的调度优先级，避免低优先级的 Pod 占用过多资源。