IT策士 10余年一线大厂经验，专注 IT 思维、架构、职场进阶。我会在各个平台持续发布最新文章，助你少走弯路。
18 篇文章，从第一行 docker run hello-world，到能够用 Compose 编排 WordPress + MySQL 这样的完整应用栈。你亲手经历了：编写 Dockerfile 把应用打成镜像，用 Volume 实现数据持久化，用自定义网络让容器互访，用 Compose 一键启停多服务，用健康检查和 depends_on 控制启动顺序，用多文件和环境变量实现多环境切换。
现在，我们要迈出整个系列中最重要的一步：从单机编排走向集群编排，从 Docker Compose 走向 Kubernetes。
这也是我们整个大纲的分水岭——前 18 篇是基础，后 32 篇是核心。这篇文章不是教你具体的 K8s 命令，而是帮你建立概念映射。当你理解了 Compose 中的每一个概念在 K8s 中对应什么、为什么这样设计，你后续的学习就不再是“从零开始”，而是“在已有的认知框架上叠加新知识”。
一、从第 1 篇到第 17 篇：我们究竟掌握了什么？
先快速回顾一下我们走过的完整技术演进路线，这能帮你锚定当前所处的位置。
阶段一：单容器（第 1-6 篇）——让应用跑起来
我们学会了用 Dockerfile 构建镜像，管理容器的生命周期，配置重启策略和健康检查。核心价值是让单机应用具备了可移植性——不再有“我机器上能跑，你机器上不行”的问题。
阶段二：多容器手动编排（第 7-10 篇）——让多个服务协同工作
我们引入了 Volume 做数据持久化（容器删了数据还在），通过自定义网络让容器之间互访，手动创建网络和卷来启动 Flask + Redis 应用。用脚本把多个手动命令串起来，但仍然是“过程式”的——需要告诉机器每一步怎么做。
阶段三：声明式单机编排（第 11-17 篇）——用 YAML 描述期望状态
Compose 的核心突破在于：你不再需要告诉 Docker“怎么做”（先创建网络，再启动 Redis，sleep 3 秒，再启动 Flask），而是用 YAML 描述“我想要什么”（两个服务、一个网络、两个卷、Redis 健康后启动 Flask）。Compose 自己决定执行顺序。环境变量和多文件组合进一步实现了“同一份描述，适配多套环境”。
二、Compose 的能力边界：为什么需要 Kubernetes？
Compose 已经很好用了，但它有一个根本性的局限：Compose 只能管理单台宿主机上的容器。
现实世界中的生产环境可不止一台机器。当你的应用需要跨多台服务器部署、需要在流量突增时自动扩容、需要在某台服务器宕机时自动迁移容器、需要灰度发布（让 10% 的用户先体验新版本）、需要按服务粒度控制网络隔离——这些需求全都指向一个事实：你需要一个跨主机的容器编排平台。
以下是 Compose 无法解决的核心生产需求：
三、概念映射：Compose 的每件事，K8s 都是谁在做？
你现在脑海中的 Compose 模型是这样的：docker-compose.yml 里定义了几个 services，每个 service 有一些 environment、volumes、ports，通过 networks 互通，通过 depends_on 控制启动顺序。在 K8s 中，这些概念被拆解为更细粒度的“对象”，各司其职。
下面这张对照表是你从 Compose 到 K8s 的“概念翻译词典”：
关键思维转换：在 Compose 中，docker compose up -d 是直接操作容器——创建、启动、连接网络。在 K8s 中，kubectl apply -f 是把 YAML 提交到 API Server，然后控制器（Controller） 在后台持续工作，确保集群的实际状态与你声明的一致。你不再直接对容器下命令，而是告诉 K8s “我要 3 个副本”，控制循环自己会去创建、监控、修复。
四、同一个应用，两种声明方式
拿我们最熟悉的 Flask + Redis 计数器应用来看，Compose 和 K8s 的表达方式有什么异同。
Compose 版本（你已经熟悉的）：
services:
redis:
image: redis:alpine
volumes:
- redis-data:/data
networks:
- app-net
healthcheck:
test: ["CMD", "redis-cli", "ping"]
flask-app:
image: flask-redis-counter:2.0
ports:
- "5000:5000"
environment:
- REDIS_HOST=redis
networks:
- app-net
depends_on:
redis:
condition: service_healthy
volumes:
redis-data:
networks:
app-net:
K8s 版本（你现在可以先看懂大意）：
# Redis Deployment
apiVersion: apps/v1
kind: Deployment
metadata:
name: redis
spec:
replicas: 1
selector:
matchLabels:
app: redis
template:
metadata:
labels:
app: redis
spec:
containers:
- name: redis
image: redis:alpine
ports:
- containerPort: 6379
volumeMounts:
- name: redis-data
mountPath: /data
volumes:
- name: redis-data
persistentVolumeClaim:
claimName: redis-pvc
---
# Flask Deployment
apiVersion: apps/v1
kind: Deployment
metadata:
name: flask-app
spec:
replicas: 2
selector:
matchLabels:
app: flask-app
template:
metadata:
labels:
app: flask-app
spec:
containers:
- name: flask-app
image: flask-redis-counter:2.0
ports:
- containerPort: 5000
env:
- name: REDIS_HOST
value: redis-service
---
# Services
apiVersion: v1
kind: Service
metadata:
name: redis-service
spec:
selector:
app: redis
ports:
- port: 6379
---
apiVersion: v1
kind: Service
metadata:
name: flask-service
spec:
type: NodePort
selector:
app: flask-app
ports:
- port: 5000
nodePort: 30080
核心差异一览：
K8s 的 YAML 看起来更长，因为它把每个关注点（调度、网络、存储、配置）都拆成了独立的对象。这种拆解初看增加了复杂度，但它带来了更精细的控制能力——你可以独立地更新网络策略而不碰 Deployment，可以单独扩容某个服务而不影响其他配置。这种“关注点分离”是 K8s 应对大规模集群管理的核心设计思想。
五、从“手动管理”到“控制器驱动”：思维方式的根本转变
理解 Compose 和 K8s 的区别，最关键的不是记住对象名称的对应关系，而是理解管理模式的差异。
Compose 的思维模型：你发出一条命令（docker compose up -d），Docker 同步执行一系列操作（创建网络、创建卷、启动容器），执行完毕返回结果。这是命令式 + 同步的模式——你告诉 Docker “做这个”，Docker 做完之后告诉你结果。
K8s 的思维模型：你用 kubectl apply -f 提交一份 YAML 到 API Server，K8s 的控制器组件（如 Deployment Controller、ReplicaSet Controller）在后台异步工作，持续监控集群状态，一旦发现“实际运行的 Pod 数量不等于你声明的 replicas”，就自动创建或删除 Pod。这是声明式 + 异步的模式——你告诉 K8s “我想要这样”，K8s 不断地自我调整直到达成目标。
这一转变带来的好处是巨大的：你不再需要写脚本处理“如果容器挂了怎么办”、“如果节点宕机了怎么办”——K8s 的控制循环会自动处理这些故障。你只需要声明期望状态，剩下的交给平台。
六、系列第三部分预告：Kubernetes 核心全景
从第 19 篇开始，我们将正式进入 Kubernetes 核心的系统学习。以下是后续 20 篇的路线图：
第 19-20 篇：入门与实验环境。先整体理解 K8s 架构（控制平面、工作节点、核心组件），然后动手搭建 Minikube 本地集群，安装 kubectl，跑通第一个 Pod。
第 21-27 篇：Pod 与控制器。深入 Pod 的 YAML 结构、生命周期、多容器设计模式（Sidecar），再掌握 Deployment、DaemonSet、Job/CronJob 等控制器的使用。
第 28-31 篇：网络与服务发现。学习 Service（ClusterIP/NodePort/LoadBalancer）、Ingress（域名路由、TLS）、以及 K8s DNS 解析机制。
第 32-33 篇：配置管理。ConfigMap 与 Secret 的创建、挂载、更新策略。
第 34-38 篇：存储、资源与安全。PV/PVC/StorageClass 动态供应，Requests 与 Limits 资源管理，亲和性调度，RBAC 权限控制。
学完这 20 篇，你就能独立把一个应用从 Docker 镜像变成 K8s 集群上可运维的服务。然后再进入第四部分（第 39-50 篇）的生产级生态——Helm、监控、日志、CI/CD、服务网格。
七、本篇总结
这篇文章的核心目的，是在你头脑中建立一张“概念映射表”，让你带着 Compose 的经验进入 K8s 时不会感到陌生。几个关键要点：
-
Compose 管理单机容器，K8s 管理跨主机集群——这是两者最根本的能力差异。
-
Compose 的 service → K8s 的 Deployment + Pod + Service——原本一个 service 承载的所有职责，在 K8s 中被拆解为多个独立对象，各司其职。
-
Compose 的环境变量 → K8s 的 ConfigMap / Secret——配置与镜像解耦的思想一致，但 K8s 提供了更安全的敏感信息管理。
-
Compose 的 volumes → K8s 的 PV/PVC/StorageClass——持久化存储的声明式管理，K8s 实现了真正的“动态供应”。
-
命令式 vs 声明式：Compose 是“你下命令，Docker 执行”，K8s 是“你声明期望状态，控制器持续调和”——这是思维方式的根本转变。
从下一篇开始，我们将正式学习 Kubernetes 的架构和核心组件，动手搭建实验集群。
想了解更多还可以去各个平台搜索「IT策士」，一起升级 IT 思维 ！
