2026 云原生学习路线：从 Linux 到 Kubernetes 再到 AI 基础设施
云原生学习不能只背概念，建议从 Linux、容器、Kubernetes、可观测性、安全和 AI 基础设施逐步建立能力。
云原生技术很多，学习者最容易犯的错误是直接跳到 Kubernetes。结果 YAML 会写一点，但 Linux、网络、容器和排查能力不扎实，遇到生产问题就不知道从哪里下手。
更稳的路线应该分阶段。
第一阶段：Linux 和网络基础
掌握文件权限、进程、systemd、日志、磁盘、网络命令、SSH、防火墙和基础脚本。云原生运行在 Linux 之上，底层问题不会因为用了 Kubernetes 就消失。
第二阶段：容器基础
学习镜像、容器、数据卷、网络、日志、Dockerfile、多阶段构建和镜像安全。重点理解容器不是虚拟机，而是进程隔离和文件系统隔离的组合。
第三阶段：Kubernetes 核心
掌握 Pod、Deployment、Service、Ingress/Gateway、ConfigMap、Secret、PV/PVC、Namespace、RBAC、探针和调度。不要只会部署示例，要会排查 Pending、CrashLoopBackOff、网络不通和存储挂载失败。
第四阶段：生产能力
学习监控、日志、告警、灰度发布、备份恢复、升级、容量规划和安全加固。生产环境关注的是稳定性，而不是功能演示。
第五阶段：AI 基础设施
2026 年以后，GPU 调度、DRA、Kueue、HAMi、llm-d、推理网关和 GenAI 可观测性会越来越重要。懂云原生的运维工程师，如果能理解 AI 工作负载，会更有竞争力。
建议
学习路线不要追热点跳跃。每个阶段都要配合实验和故障排查。真正的能力不是“听过某技术”，而是能把它放进生产系统里运行和维护。