云原生实验室 | Linux · K8s · Go

Linux / Kubernetes / DevOps / Go
记录真实的云原生学习、实验、故障排查和自动化实践

[云原生实验室 | Linux · K8s · Go @NativeOpsLab]

我准备花 1 年时间，公开记录自己的云原生进阶过程。
主要围绕：
Linux / Kubernetes / DevOps / Go
不搬运概念，尽量只记录自己真正做过的实验、踩过的坑和故障排查过程。
长期会做 4 个系列：
Linux 排障 100 例
Kubernetes 故障排查 100 例
我的 Kubernetes 生产化实验室
Go for DevOps：从脚本到 Kubernetes Operator
最后的目标，是自己完成一个 Kubernetes 巡检/诊断工具：k8s-inspector。
如果你也在学 Linux、K8s、DevOps 或 Go，可以一起进步。
#linux #devops #go #k8s #kubernetes

[云原生实验室 | Linux · K8s · Go @NativeOpsLab]

@Bit_CloudMining @v3wanu 致富证券做不

[云原生实验室 | Linux · K8s · Go @NativeOpsLab]

@v3wanu 致富证券开通反300，做的私我

[云原生实验室 | Linux · K8s · Go @NativeOpsLab]

@william40152988 很不多错，linux值得折腾

[云原生实验室 | Linux · K8s · Go @NativeOpsLab]

@staylightblow8 我

[云原生实验室 | Linux · K8s · Go @NativeOpsLab]

@kanhaishibukan 先止血 在定位

[云原生实验室 | Linux · K8s · Go @NativeOpsLab]

最近看了一个开源项目：Ongrid。

它不是简单的“LLM + Prometheus + 聊天框”，而是想把：
告警、指标、日志、Trace、拓扑、Runbook、代码仓库
放进同一个上下文里，让 AI Agent 帮运维做故障调查。

这个方向我觉得很有意思。

因为现在值班最累的，往往不是“不会查”，而是要不停切系统：
AlertManager 看告警
Prometheus / Grafana 看指标
Loki / ELK 查日志
Tempo / Jaeger 查 Trace
Git 看最近变更
文档平台找 Runbook

最后还是靠人脑把这些线索拼成一条时间线。

然而Ongrid 想做的，就是把这层“胶水工作”交给 Agent：
告警触发
↓
查指标
↓
查日志
↓
查 Trace
↓
看拓扑
↓
关联变更 / Runbook
↓
生成带证据的排障报告

但我更关心的不是“AI 能不能自动修复”。
而是：
它能不能先把证据找齐。

我更认可这样的路径：
只读调查 → 给证据 → 给建议 → 人工确认 → 受控执行

而不是：
AI 发现问题 → 直接改生产。
对运维来说，这类 Agent 真正有价值的地方，可能不是替代人，而是：
把“到处找线索”变成“审核 Agent 找出来的线索”。

Ongrid 我会继续观察，也准备找测试环境实际跑一遍。
项目地址：
https://t.co/3x0YQm11Ps

你会愿意让 AI Agent 直接操作生产环境吗？还是最多只允许它做只读排障？
#AI #Agent #Ongrid #Linux #运维 #k8s

[云原生实验室 | Linux · K8s · Go @NativeOpsLab]

@justinsuntron @Poloniex 孙哥高处不胜寒

[云原生实验室 | Linux · K8s · Go @NativeOpsLab]

@SimonJP404 这运维部门要担责任了

[云原生实验室 | Linux · K8s · Go @NativeOpsLab]

https://t.co/lkPafp8KGw

[云原生实验室 | Linux · K8s · Go @NativeOpsLab]

哈哈哈， #Michael 迈克尔德彪

[JacksonS @shrmodelx]

Ok it makes sense lmao

[云原生实验室 | Linux · K8s · Go @NativeOpsLab]

@bkdgiffug 可以 学习了

[云原生实验室 | Linux · K8s · Go @NativeOpsLab]

https://t.co/8HrFsBeSmb

[云原生实验室 | Linux · K8s · Go @NativeOpsLab]

@NICOLASYANGX 哈哈哈，太会整活儿了

[云原生实验室 | Linux · K8s · Go @NativeOpsLab]

@BesnowCloud Thanks 😊

[云原生实验室 | Linux · K8s · Go @NativeOpsLab]

给自己定了一条 52 周 Linux / Kubernetes / DevOps / Go 学习路线。
不想再东学一点、西学一点。
这一年准备按 4 个阶段推进：

第一阶段：Linux 排障
CPU / Load
Memory / OOM
Disk / inode
I/O
Network / DNS / TCP
systemd / journal

第二阶段：Kubernetes 故障排查
Pod / Probe / Resources
Service / CoreDNS
Ingress / Cilium / MetalLB
Storage / StatefulSet
Prometheus / Logging / GitOps

第三阶段：Go for DevOps
error / goroutine / channel / context
Cobra / Viper
HTTP / Kubernetes API
client-go / List-Watch / Informer
WorkQueue / Controller / CRD / Operator

第四阶段：做自己的项目
最后会做一个 Kubernetes 巡检 / 诊断工具：
k8s-inspector

每周固定做一件事：
学一个主题 → 做一个实验 → 故意制造故障 → 完整排查 → 公开记录

一年以后再回来看看，能做到什么程度。

[云原生实验室 | Linux · K8s · Go @NativeOpsLab]

https://t.co/jyiZEB4yuv

[云原生实验室 | Linux · K8s · Go @NativeOpsLab]

Go 项目真没必要什么都手搓。

“能用标准库就不用第三方库”这句话没错，但如果为了纯标准库，把配置、CLI、Web、中间件、日志、任务队列全自己造一遍，最后维护成本反而更高。

我比较喜欢这套 Go 工具链：
1，Cobra：CLI / 子命令 / Flag
2，Viper：YAML、Env、默认值、配置覆盖
3，Echo：HTTP API、Middleware、Recovery、CORS
4，Fx：依赖注入和生命周期管理
5，GORM：数据库 ORM
6，Testify：单元测试 / Mock
7，Asynq：Redis 后台任务
8，Zerolog：结构化日志

一个常见项目可以这样拆：
cmd/
internal/
├── config/
├── server/
├── service/
├── repository/
└── worker/

启动流程：
Cobra
↓
Viper
↓
Fx
↓
Echo / Service / Repository / Worker
↓
Zerolog

我现在越来越认同一个观点：
Go 的优势不是“依赖越少越好”，而是代码足够清晰、边界足够明确。

小工具用标准库完全够。
项目一旦开始出现配置管理、CLI、HTTP API、数据库、后台任务，再适当引入成熟库，通常比自己重复造轮子更省时间。

工具不是越多越好，刚刚好最好。
你们 Go 项目里最常用的第三方库是什么？
#Go #Golang

[云原生实验室 | Linux · K8s · Go @NativeOpsLab]

@wangxiaoxin88 vmware现在也免费的

[云原生实验室 | Linux · K8s · Go @NativeOpsLab]

@Manorgw 多看视频多练习，熟能生巧。