主要观点：作者在 Azure 云环境中使用 K3s 部署 Python FastAPI 微服务，通过容器化、Kubernetes 管理等方式实现高效扩展和高可靠性。
关键信息：

• 容器化 FastAPI 微服务，用 Docker 打包代码和依赖，如一个典型的 FastAPI 微服务的 Dockerfile。
• 选择 K3s 是因其轻量级和低资源开销，在 Azure 虚拟机上部署可获得 Kubernetes 的好处。
• 架构上通过 Azure 负载均衡器将流量导向 K3s 集群中的 Traefik 入口，各服务可水平扩展并通过共享数据库通信。
• Kubernetes 部署时使用 YAML 配置文件，包含健康检查（如 livenessProbe 和 readinessProbe）以确保系统健壮。
• 利用 Horizontal Pod Autoscaler 基于负载进行水平扩展，调整 autoscaling 行为以实现平滑扩展。
• 重视 observability，设置集中式日志和集成 Prometheus 监控集群和应用指标，用 Grafana 提供实时性能可见性。
• 负载平衡在 Azure 负载均衡器和 Kubernetes Service 中实现，提供内外服务的负载均衡。
• 依靠自动化 CI/CD 管道进行代码构建、推送和部署，实现零停机滚动更新。
• 在生产中得到的教训包括优雅关闭、调整滚动部署时间、平衡监控开销等。
  重要细节：
• Dockerfile 从 slim Python 基础开始，安装所需包，复制代码并启动 Uvicorn。
• K3s 控制平面内存和 CPU 占用少，适合微服务架构。
• 健康检查探针防止向未准备好或挂起的实例发送请求，提高系统弹性。
• HPA 根据 CPU 使用率自动调整 pod 副本数，保持低延迟。
• 集中式日志方便调试，Prometheus 监控多种指标，Grafana 提供实时性能视图，分布式跟踪帮助定位瓶颈。
• 负载平衡在不同层次实现，内部服务通过 Kubernetes Service 发现。
• CI/CD 管道自动构建、推送和部署，从代码提交到生产运行几乎无需手动干预。
• 生产中的经验教训有助于优化系统性能和可靠性。