Karmada 从 CNCF 毕业：多集群编排进入生产成熟期，v1.19 转向 AI 训练调度
CNCF 宣布多集群编排项目 Karmada 正式毕业，认可其作为生产级开源引擎的成熟度。对平台团队来说，它解决的是把多套集群当成一个资源池来管的问题：不改应用即可把负载编排到多个集群、云与地域。与毕业公告同时到来的 v1.19 改进了分布式 AI 训练的多组件调度，优先级调度升至 Beta 并默认启用。
作者：核流编辑 · 栏目：资源
CNCF 在 9 月 8 日宣布，多集群编排项目 Karmada 正式毕业。对平台团队来说，这个项目的价值可以一句话说清：它扩展了标准 Kubernetes API，在不修改应用本身的前提下把负载编排到多个集群、云与地域，提供集中式放置、分发、故障转移与多集群自动扩缩容——解决的是「多套集群当成一个资源池来管」的问题。毕业则意味着它在技术成熟度、治理与安全流程上达到了企业级要求。 从沙箱到毕业：四年时间线 2020 年 11 月：项目首次提交代码； 2021 年 9 月：以沙箱项目身份加入 CNCF； 2023 年 12 月：晋级孵化阶段； 2026 年 9 月：完成毕业。此前通过了第三方安全审计、成立正式指导委员会、采用 CNCF 行为准则，并维护 CII 最佳实践徽章。 这份时间线对使用者的意义在于：治理、安全与项目规范都已经过审，多集群行为不再是实验性能力。从首次提交代码到毕业接近六年，其中孵化阶段近三年。 v1.19 的落点在 AI 训练调度 与毕业公告同时出现的还有 v1.19：它改进了面向分布式 AI 训练的多组件调度，并把优先级调度提升到 Beta 且默认启用，以保证关键负载优先被调度，不再需要额外开启。按 CNCF 的说法，随着组织把 Kubernetes 扩展到多个集群与 GPU 受限的 AI 环境，一套生产可用的机群协调机制就成了运维成败的关键。 谁在用，用在什么场景 规模方面，Karmada 目前拥有 1214 名以上贡献者、292 家贡献组织与 5600 多个 GitHub 星标。采用方覆盖 Bloomberg、Wellhub 等国际企业，以及阿里云、华为、哔哩哔哩、科大讯飞、京东云、快手、商汤、携程、vivo、WPS、中通等大量中国云、互联网、电信与 AI 组织，用于混合云容量、多地域容灾、智能流量分配、AI 训练与 GPU/CPU 调度等场景。 想自己评估的话，项目官网 karmada.io 提供文档与架构说明，安装通过 Helm charts 完成，控制面打包了 etcd 实例并对外导出 Prometheus 指标，方便接入现有可观测性体系；最新 v1.19 版本可从项目的 GitHub 仓库获取（见参考资料）。按官方公布的 2026 路线图，项目接下来会从基础的工作负载分发走向更感知资源的控制面，包括优先级抢占、面向 AI 训练与批处理作业的多集群排队，以及跨 GPU 等加速器的多集群动态资源分配支持。 参考资料 CNCF Blog：Cloud Native Computing Foundation Announces Karmada Graduation Karmada 官方网站与文档 Karmada GitHub：karmada-io/karmada v1.19.0 release