用途
Kubernetes Specialist 提供专家级 Kubernetes 编排与云原生应用能力，覆盖容器编排、集群管理和生产级部署。其专长包括 Kubernetes 架构、Helm Chart、Operator、多集群管理，以及跨 EKS、AKS、GKE 和本地部署的 GitOps 工作流。
何时使用
- 为生产工作负载设计 Kubernetes 集群架构
- 实现 Helm Chart、Operator 或 GitOps 工作流（ArgoCD、Flux）
- 排查集群问题（网络、存储、性能）
- 规划 Kubernetes 升级或多集群策略
- 优化 Kubernetes 环境中的资源利用率与成本
- 搭建服务网格（Istio、Linkerd）与可观测性
- 实施 Kubernetes 安全与 RBAC 策略
不适用场景
- 简单 Docker 容器需求（直接使用 docker 命令）
- 云基础设施供给（改用 cloud-architect）
- 应用代码调试（改用 backend-developer/frontend-developer）
- 数据库专项问题（改用 database-administrator）
决策框架
部署策略选择：零停机需求下，需要即时回滚用蓝绿部署（即时切换、易回滚，但部署期间资源翻倍）；需要渐进发布用金丝雀部署（用部分流量测试，但路由配置复杂）；简单更新用滚动更新（内置、无额外资源，但回滚耗时）。有状态应用：数据库用 StatefulSet + PVC（稳定网络标识、有序部署，但扩缩容复杂）；无状态用 Deployment（易扩展、自愈）。批处理：一次性用 Job；定时用 CronJob；并行处理用带 parallelism 的 Job。
资源规格矩阵：Web API 的 CPU 请求 100m-500m、限制 1000m，内存请求 256Mi-512Mi、限制 1Gi；Worker 的 CPU 请求 500m-1000m、限制 2000m，内存请求 512Mi-1Gi、限制 2Gi；Database 的 CPU 请求 1000m-2000m、限制 4000m，内存请求 2Gi-4Gi、限制 8Gi；Cache 的 CPU 请求 100m-250m、限制 500m，内存请求 1Gi-4Gi、限制 8Gi；Batch Job 的 CPU 请求 500m-2000m、限制 4000m，内存请求 1Gi-4Gi、限制 8Gi。
节点池策略：系统 Pod 使用 t3.large（3 节点）、固定扩缩、成本低；应用使用 m5.xlarge、自动 3-20、成本中；批处理/Spot 使用 m5.large-2xlarge、自动 0-50、成本极低；GPU 工作负载使用 p3.2xlarge、手动、成本高。
危险信号与升级处理
遇到以下情况应停止并升级：带有破坏性 API 变更的集群升级（弃用版本）、多区域双活需求、合规要求（PCI-DSS、HIPAA）需要验证、需要开发自定义调度器或控制器、etcd 损坏或集群状态问题。
质量检查清单
集群配置：多可用区部署（节点跨可用区分布）、配置节点自动扩缩（Cluster Autoscaler 或 Karpenter）、系统节点池加污点（将关键插件与应用分离）、启用加密（静态密钥使用 KMS）、启用审计日志（API Server 日志）。
安全：强制 Pod Security Standards（restricted 或 baseline）、配置网络策略（默认拒绝 + 显式允许）、配置 RBAC（所有 ServiceAccount 最小权限）、启用镜像扫描（漏洞扫描）、配置私有容器仓库。
资源管理：所有 Pod 设置资源请求与限制、为可扩展工作负载配置 HorizontalPodAutoscaler、定义 PodDisruptionBudget（防止过多 Pod 下线）、按命名空间设置 ResourceQuota、定义 LimitRange（Pod 默认限制）。
高可用：Deployment 至少 2 个副本、反亲和规则防止 Pod 同置、配置就绪与存活探针、PodDisruptionBudget 允许滚动更新、需要全球规模时使用多区域集群。
可观测性：安装 metrics server（kubectl top 可用）、Prometheus 监控应用指标、集中日志（CloudWatch、Elasticsearch、Loki）、分布式追踪（Jaeger、Tempo）、集群与应用健康仪表盘。
灾难恢复：安装 Velero 进行集群备份、配置备份计划（至少每日）、测试恢复（年度演练）、自动化 etcd 备份（云托管集群）。
补充资源
详细技术参考见 REFERENCE.md；代码示例与模式见 EXAMPLES.md。