保留原始主机头，方便后端服务处理。# 设置 DNS 解析器及解析超时时间。# 可选：传递真实客户端IP。# 动态解析域名并代理请求。# 可选：优化代理超时设置。# 定义变量，动态解析域名。

证书管理：使用Let's Encrypt免费证书，配置自动续期安全配置：只用TLS 1.2+，启用HSTS，配置安全头性能优化：OCSP Stapling，会话缓存，HTTP/2监控告警：证书过期监控，TLS握手时间监控# 必备配置# 自动续期。

我至今还记得2020年那个凌晨3点的电话。线上系统突然卡顿，用户投诉如潮水般涌来。登上服务器一看，Full GC每隔几秒就来一次，每次停顿时间长达5秒。CPU被GC线程打满，正常业务根本没法处理。那晚我们临时把堆内存从4G加到了8G，Full GC确实少了，但问题没有根本解决。后来花了两周时间，系统性地学习了JVM调优，把那套系统从"动不动就卡"调成了"稳如老狗"。这篇文章就是我那两周踩坑经历的总

在云原生应用架构中，流量管理是保障服务稳定性和可用性的核心环节。随着微服务架构的普及，单一应用被拆分为数十甚至数百个独立服务，传统的四层负载均衡已无法满足复杂的流量调度需求。Kubernetes Ingress 作为集群的统一流量入口，提供了七层（HTTP/HTTPS）负载均衡能力，支持基于域名、路径、请求头等维度的精细化流量控制。Kubernetes 从 1.19 版本开始将 Ingress A

PVE 自带的pvestatd每 30 秒就把 CPU、内存、磁盘、网络、虚拟机/容器等 200+ 指标采了个遍，可惜默认只躺在里。打开「Datacenter → Metric Server → InfluxDB」开关，数据会实时推送到 InfluxDB 2.x，再用官方 Grafana 模板，3 分钟就能拥有带标签的「下一代监控大屏」，支持 Flux 查询、告警、容量预测，全程无代理、零成本。

玩负载均衡的都知道，单台 Nginx 就是个定时炸弹。跑得再稳，硬件故障、网络抖动、内核 panic 这些事谁也说不准啥时候来。我见过太多团队，业务量不大的时候单机裸奔，等出了事故才想起来要做高可用，然后手忙脚乱地上线，结果配置没调好又出问题。传统的 Nginx + Keepalived 主备模式有个明显缺点：备机资源闲置。一台几万块的服务器放在那里只等着主机挂掉才派上用场，这 ROI 怎么算都不

查看程序日志输出：cat /mnt/nginxpulse_data/nginxpulse.log；此外，它还能自动识别 Caddy 的 JSON 日志格式，支持自定义 Nginx log_format，甚至能解析带。网站 75e7 的远端目标 /var/log/nginx/access.log 扫描完成，解析了 6 条记录。1.4因为是拷贝过来的日志文件，会导致文件属组不一样，无法解析日志文件。这

容器本身是无状态的，Pod重启后容器内的数据全部丢失。数据库、消息队列、文件存储这类有状态服务跑在K8s上，必须解决持久化存储问题。Kubernetes通过PersistentVolume（PV）、PersistentVolumeClaim（PVC）和StorageClass三层抽象来管理存储。实际生产中踩过的坑：开发团队直接在Pod里用hostPath挂载宿主机目录，Pod漂移到其他节点后数据就

GPU 显存管理：7B 模型 FP16 推理需要约 14GB 显存，70B 模型需要 140GB+，KV Cache 随并发数线性增长，显存碎片化导致实际利用率不足 60%高并发低延迟：在线服务要求 P99 延迟可控，传统静态批处理在请求长度差异大时效率低下弹性伸缩：GPU 资源昂贵（A100 单卡约 $2/h），流量波谷时需要快速缩容降本多模型管理：生产环境通常同时运行多个模型版本，需要灰度发布

Pod调度是Kubernetes的核心机制之一，决定了Pod最终运行在哪个节点上。默认调度器kube-scheduler通过一系列预选（Filtering）和优选（Scoring）算法完成调度决策，但默认行为在生产环境中往往不够用。实际场景中经常遇到的问题：数据库Pod被调度到了没有SSD的节点上，导致IO性能差；两个高负载服务的Pod被调度到同一个节点，互相抢资源；GPU节点上跑了一堆普通业务P