K8s基础概念

核心

1. Node

Node作为集群中的工作节点，运行真正的应用程序;Node上运行着Kubernetes的Kubelet、kube-proxy服务进程，这些服务进程负责Pod的创建、启动、监控、重启、销毁、以及实现软件模式的负载均衡。

2. Pod

Pod是Kubernetes最基本的操作单元，包含一个或多个紧密相关的容器，一个Pod可以被一个容器化的环境看作应用层的“逻辑宿主机”；一个Pod中的多个容器应用通常是紧密耦合的，Pod在Node上被创建、启动或者销毁；每个Pod里运行着一个特殊的被称之为Pause的容器，其他容器则为业务容器，这些业务容器共享Pause容器的网络栈和Volume挂载卷，因此他们之间通信和数据交换更为高.

3. Service

负责为一组Pod组成的集群提供服务；

一个Service可以看作一组提供相同服务的Pod的对外访问接口，Service作用于哪些Pod是通过Label Selector来定义的。

4. Volume

Volume是Pod中能够被多个容器访问的共享目录。

5. Label

识别标志

6. RC（Replication Controller）

Kubernetes通过RC中定义的Lable筛选出对应的Pod实例，并实时监控其状态和数量，如果实例数量少于定义的副本数量（Replicas），则会根据RC中定义的Pod模板来创建一个新的Pod，然后将此Pod调度到合适的Node上启动运行，直到Pod实例数量达到预定目标。

总体架构

Kubernetes将集群中的机器划分为一个Master节点和一群工作节点（Node）。其中，Master节点上运行着集群管理相关的一组进程etcd、API Server、Controller Manager、Scheduler，后三个组件构成了Kubernetes的总控中心，这些进程实现了整个集群的资源管理、Pod调度、弹性伸缩、安全控制、系统监控和纠错等管理功能，并且全都是自动完成。在每个Node上运行Kubelet、Proxy、Docker daemon三个组件，负责对本节点上的Pod的生命周期进行管理，以及实现服务代理的功能。

1. etcd：用于持久化存储集群中所有的资源对象,如Node、Service、Pod、RC、Namespace等,API Server可以写etcd
2. API Server：提供了资源对象的唯一操作入口，其他所有组件都必须通过它提供的API来操作资源数据。（入口）
3. Controller Manager：集群内部的管理控制中心，其主要目的是实现Kubernetes集群的故障检测和恢复的自动化工作
4. Scheduler：集群中的调度器，负责Pod在集群节点中的调度分配。
5. Proxy：实现了Service的代理与软件模式的负载均衡器

• 我觉得网上讲的流程很清楚：

通过Kubectl提交一个创建RC的请求，该请求通过API Server被写入etcd中，此时Controller Manager通过API Server的监听资源变化的接口监听到这个RC事件，分析之后，发现当前集群中还没有它所对应的Pod实例，于是根据RC里的Pod模板定义生成一个Pod对象，通过API Server写入etcd，接下来，此事件被Scheduler发现，它立即执行一个复杂的调度流程，为这个新Pod选定一个落户的Node，然后通过API Server讲这一结果写入到etcd中，随后，目标Node上运行的Kubelet进程通过API Server监测到这个“新生的”Pod，并按照它的定义，启动该Pod并任劳任怨地负责它的下半生，直到Pod的生命结束。

随后，我们通过Kubectl提交一个新的映射到该Pod的Service的创建请求，Controller Manager会通过Label标签查询到相关联的Pod实例，然后生成Service的Endpoints信息，并通过API Server写入到etcd中，接下来，所有Node上运行的Proxy进程通过API Server查询并监听Service对象与其对应的Endpoints信息，建立一个软件方式的负载均衡器来实现Service访问到后端Pod的流量转发功能。（这里不太清楚）

云服务、微服务概念

学长上次开会讲清楚了

因果推断

因果推断的核心思想在于反事实推理，即在我们观测到X和Y的情况下，推理如果当时没有做X，Y'是什么。

因果推断的目的是要判断因果性，即计算因果效应（有无X的情况下Y值的变化量）。在进行反事实推理后，可得出因果效应e = |Y - Y'|，进而判断因果性。

实际上，对于一个对象，我们永远只能观察到Y和Y'的其中一个，因果推断所做的就是从已有数据中估计因果效应，所以我认为因果推断的本质是，对因果效应的估计。

https://blog.csdn.net/qq_36153312/article/details/102781633

DyCause论文

• 众包方案（整合信息）

  DyCause通过将内核API调用记录到本地日志中，在每个应用程序中作为API代理工作；并且每个代理都可共享本地记录，解决非对称诊断信息的挑战；DyCause将日志本地聚合并插值到许多1Hz的时间序列中，表示每个请求的内核服务的性能指标。

• 异常分析（找error）

  SPOT算法找出有异常的区间

• 新的统计算法和动态因果分析曲线模型---发现时变因果关系（找原因链）

  在格兰杰因果关系检验的基础上优化，原来是静态的，之后改为动态的，将时间区间改为动态的，利用剪枝策略，获得更加精确地原因链。

• 将独立的曲线众包图融合为直观的图形结构（直观化）

  将原因链直观化

• 根本原因追溯（找源头）

  向后BFS，用自创的算法根据可能链寻找根本原因

• 优点

  对比市面上的优秀的算法，DyCause有着相比较下突出的优点。

代码

只是粗略看了看，不能很深入的理解