InfoQ

Kubernetes Multi-Cluster Project Karmada Reaches CNCF Graduation

8.5内容质量
Kubernetes Multi-Cluster Project Karmada Reaches CNCF Graduation

TL;DR · AI 摘要

Karmada成为首个CNCF毕业的多集群Kubernetes项目，支持AI训练任务调度和跨云资源管理。

核心要点

  • Karmada v1.19版本实现AI训练任务的多组件调度增强
  • 通过标准Kubernetes API实现无需修改的多集群管理
  • CNCF毕业认证表明项目已具备生产级稳定性和广泛采用度

结构提纲

按章节快速跳转。

  1. §项目毕业里程碑

    Karmada成为首个CNCF毕业的多集群Kubernetes项目，标志着其生产就绪状态。

  2. ·核心架构设计

    基于标准Kubernetes API构建，包含API Server、Controller Manager和Scheduler三个核心组件。

  3. ›版本更新亮点

    v1.19版本增强AI训练任务调度能力，将优先级调度提升至Beta阶段。

  4. ·多集群管理方案

    通过PropagationPolicy和OverridePolicy实现跨集群资源调度与配置重写。

  5. ›使用场景分析

    解决分布式AI训练中GPU资源分散导致的跨集群调度难题。

思维导图

用一张图看清主题之间的关系。

查看大纲文本（无障碍 / 无 JS 友好）
  • Karmada CNCF毕业
    • 项目背景
      • 多集群Kubernetes管理方案
    • 核心架构
      • 标准Kubernetes API扩展
      • 三个核心组件
    • 版本特性
      • AI训练调度增强
      • 优先级调度Beta

金句 / Highlights

值得收藏与分享的关键句。

#Kubernetes#CNCF#多集群#Karmada#云原生
打开原文

Kubernetes 多集群项目 Karmada 达成 CNCF 毕业 - InfoQ

InfoQ 首页 News Kubernetes 多集群项目 Karmada 达成 CNCF 毕业

DevOps

当 AI 加速开发，您的 CI 管道能跟上吗？（10 月 8 日网络研讨会）

Kubernetes 多集群项目 Karmada 达成 CNCF 毕业

2026 年 9 月 17 日 3 分钟阅读

作者：

  • Claudio Masolo

#### 关注我们

Youtube

232K 粉丝

Linkedin

26K 粉丝

Instagram

新

RSS

19K 读者

X

57.1k 粉丝

Facebook

21K 点赞

Bluesky

收听本文 -

0:00

音频准备播放

您的浏览器不支持音频元素。

正常

1.25x

1.5x

喜欢

新下拉阅读列表

  • 阅读列表

云原生计算基金会（CNCF）于 2026 年 9 月宣布，多集群和多云 Kubernetes 编排项目 Karmada 已正式毕业。这个多集群和多云 Kubernetes 编排项目达到了 CNCF 最高成熟度等级。该等级适用于已被广泛采用且已准备好投入生产的稳定项目。此次宣布是在上海举行的 KubeCon + CloudNativeCon + OpenInfra Summit + PyTorch Conference China 2026 会议上进行的，恰逢该项目 v1.19 版本发布。此更新增强了 AI 训练任务的多组件调度功能，并将基于优先级的调度提升至 Beta 阶段，该功能现已默认启用。

在混合云使用场景、区域故障转移或避免供应商锁定的情况下，跨多个 Kubernetes 集群运行一个应用是常见的需求。这通常需要自定义自动化或现已归档的 KubeFed 项目。这种方法需要学习不同的联邦资源 API，并面临灵活性方面的挑战。随着 GPU 资源在不同地区和云服务提供商之间分散，进行分布式 AI 训练和推理的团队面临巨大挑战。没有任何一个集群拥有足够的加速器，因此工作负载需要在多个系统之间拆分、调度和迁移。

Karmada（“Kubernetes Armada”的缩写）基于标准 Kubernetes API 构建。它不会替换现有 API，因此现有的清单、控制器和工具无需修改即可在 Karmada 控制平面中正常工作。该控制平面由三个组件组成：Karmada API 服务器、Karmada 控制器管理器和 Karmada 调度器，其状态由专用的 etcd 实例维护。放置逻辑通过两个自定义 API 表达：PropagationPolicy（传播策略），将策略映射到一组工作负载（1:n），并定义调度和分布约束，例如集群亲和性、多集群拆分/再平衡以及跨区域、可用区、集群或供应商的多维度高可用性；OverridePolicy（覆盖策略），允许操作员重写集群特定配置，例如按区域替换容器镜像前缀或按云服务提供商替换 StorageClass，而无需修改底层资源模板。

karmada 架构

/karmada architecture

在内部，四个控制器负责传播工作：集群控制器管理已注册成员集群的生命周期；策略控制器监视传播策略对象，并将匹配的资源绑定到资源绑定对象；绑定控制器将每个资源绑定转换为每个集群的工作对象；执行控制器监视这些工作对象，并将生成的清单推送到每个成员集群自己的 API 服务器。Karmada 还会从其控制平面组件中导出 Prometheus 指标，并提供用于安装的 Helm 图表，直接集成到现有的 CNCF 可观测性和部署工具中，而无需单独的堆栈。

自 2021 年 9 月加入 CNCF 沙盒并 2023 年 12 月进入孵化阶段以来，Karmada 的贡献者已从 292 家组织的 1,214 人扩展。它还拥有超过 5,600 个 GitHub 星标。其生产采用者名单包括 Bloomberg、Wellhub、阿里云、华为、Trip.com、Bilibili、iFLYTEK、京东云、快手、RedNote、商汤科技、Vivo、WPS 和圆通，用于混合云容量、跨区域弹性、AI 工作负载的 GPU/CPU 调度以及舰队范围的配置分发。为了毕业，该项目进行了第三方安全审计，成立了正式的指导委员会，采用了 CNCF 行为准则，并保持 CII 最佳实践徽章。

当组织规模超出单个 Kubernetes 集群时，它们需要一致的管理而不增加复杂性。Karmada 通过将熟悉的 Kubernetes API 扩展到跨集群和跨云环境来解决这个问题。

项目 TOC 赞助人 Chad Beaudin 表示。Trip.com 高级开发专家 Honghui Yue 表示：

在 Trip.com，Karmada 已成为我们多集群基础设施的关键组成部分，并在生产环境中实现了显著价值。无需更改现有的 Kubernetes 资源定义，它使我们能够将多个集群作为统一的资源池进行操作，支持跨集群弹性扩展和故障转移，更高效地将新集群投入生产，并以对应用程序影响最小的方式执行大规模工作负载迁移。

Karmada 是两个取代已退役 KubeFed（联邦 v2）的 CNCF 项目之一。另一个项目是 Open Cluster Management（OCM）。OCM 仍处于沙盒阶段，采用中心辐射式、基于代理的方法。这种方法侧重于集群清单和附加组件 API。OCM 支持 Red Hat Advanced Cluster Management。OCM 专注于治理和策略分发。而 Karmada 则强调工作负载放置和动态调度。它还包括用于跨集群资源查询和多集群服务发现的缓存层。它存在于一个更大的上下文中，该上下文包含 Cluster API，专注于集群生命周期而非工作负载放置。它还包括 Argo CD 的 ApplicationSets 和 Rancher Fleet 等 GitOps 工具。此外还有微软的 KubeFleet，它是 Azure Kubernetes Fleet Manager 的基础。

关于作者

作者信息

#### Claudio Masolo

显示更多

显示更少

#### 本内容属于 DevOps 主题

##### 相关主题：

  • DevOps
  • 编排
  • Kubernetes
  • AI 架构
  • 集群
  • 相关编辑
  • 相关赞助商
  • 相关赞助方 2026年10月8日，东部时间中午12点 当AI加速开发时，您的CI流水线能跟上吗？由Datadog公司软件交付部门的产品市场经理Eric Metaj和Datadog公司CI/CD优化部门的产品经理Rohin Chandra呈现

InfoQ新闻通讯

每周二发送上周内容精选。加入超过25万名资深开发者的社区。查看示例

我们保护您的隐私。