执行摘要（3–5 点） * 现代分布式系统的主要敌人不是“单点宕机”，而是“部分失效 + 相互依赖”引发的级联与亚稳态失效：重试风暴、惊群效应、阈值滞后与扩缩容振荡，会把系统锁死在降级态。 * 若要把“可靠性”从人工 runbook 提升到机器速度，需要把平台拆成三条主线：隔离（Cell/Shuffle Sharding）、削峰（自适应并发）、预测（RL/深度学习扩缩容），并用 eBPF 提供低开销、可行动的观测信号。 * 强化学习（RL）在生产环境仍处于早期：必须先做“安全护栏 + 影子模式（shadow mode）+ 回退策略”，再逐步接管 HPA/VPA。 * 可观测性是控制的前提：eBPF（Pixie/Kepler/Cilium