云原生落地实践：基于华为云 CCE 构建高可用微服务的六个关键点

微服务上云并不是"把虚拟机换成容器"这么简单。真正决定线上稳定性的，是部署拓扑、弹性策略和可观测性这些细节。本文以华为云容器引擎 CCE（Cloud Container Engine）为例，梳理一套经过生产验证的高可用微服务部署要点，并给出可复用的配置示例。

一、资源规划：先算账，再申请

很多团队的踩坑点是把 Pod 的 requests 和 limits 随手写个大数。requests 过高会导致节点资源利用率低、成本虚高；limits 过低则容易在流量高峰触发 OOMKilled。建议的做法是：先基于压测数据确定单实例的稳态 CPU/内存水位，requests 取稳态值的 70%~80%，limits 取峰值的 1.5 倍左右，并持续根据监控数据修正。

resources:
  requests:
    cpu: "500m"
    memory: 512Mi
  limits:
    cpu: "1000m"
    memory: 1Gi

二、多可用区部署，打散单点风险

CCE 支持创建多可用区集群。生产负载应将同一个 Deployment 的副本通过反亲和性调度分散到不同可用区的节点上，避免单个机房故障导致服务整体不可用：

affinity:
  podAntiAffinity:
    preferredDuringSchedulingIgnoredDuringExecution:
      - weight: 100
        podAffinityTerm:
          topologyKey: topology.kubernetes.io/zone
          labelSelector:
            matchLabels:
              app: order-service

三、健康检查要"分层"

liveness probe 只负责判断进程是否僵死，不要把下游依赖检查放进来，否则一次数据库抖动会被放大成整个服务滚动重启。就绪检查（readiness）则要真实反映服务能力：连接池是否就绪、缓存是否预热完成。两层探针职责分离，才能避免"探针风暴"。

四、优雅发布：滚动策略 + 就绪门禁

配合 CCE 的工作负载升级策略，设置 maxSurge 与 maxUnavailable 控制发布节奏，并开启 preStop 钩子完成存量请求排水：

strategy:
  rollingUpdate:
    maxSurge: 25%
    maxUnavailable: 0
lifecycle:
  preStop:
    exec:
      command: ["sh", "-c", "sleep 10"]

结合华为云 ELB 的健康检查联动，可以做到发布全程零请求失败。

五、可观测性：指标、日志、链路三位一体

建议在集群内统一接入 Prometheus 指标采集、LTS 日志服务和 APM 链路追踪。关键不是"采集了什么"，而是提前定义好 SLI/SLO：例如 P99 延迟、错误率、饱和度三类黄金指标，并据此配置分级告警，让值班同学收到的每一条告警都可执行。

六、成本与弹性：HPA + 定时策略双管齐下

对有明显潮汐特征的业务，除了基于 CPU/内存的 HPA，还可以结合定时伸缩策略在预期流量高峰前完成扩容，避免冷启动期间的服务降级。配合节点池的自动伸缩，闲时释放资源，通常可以节省 30% 以上的计算成本。

结语

高可用不是某一个组件的属性，而是从资源规划、调度拓扑、探针设计到发布流程的一整套工程约定。把上面六个关键点沉淀为团队的部署模板和 CI/CD 检查项，才能让"上云"真正转化为稳定性和效率的收益。希望这份清单能为正在做云原生改造的团队提供参考。