Karmada v1.15 版本發(fā)布！多模板工作負載資源感知能力增強

Karmada 是開放的多云多集群容器編排引擎，旨在幫助用戶在多云環(huán)境下部署和運維業(yè)務(wù)應(yīng)用。憑借兼容 Kubernetes 原生 API 的能力，Karmada可以平滑遷移單集群工作負載，并且仍可保持與 Kubernetes 周邊生態(tài)工具鏈協(xié)同。

● 多模板工作負載的資源精確感知

● 集群級故障遷移功能增強 

● 結(jié)構(gòu)化日志

● Karmada 控制器和調(diào)度器性能顯著提升

在這個版本中，Karmada 強化了對多模板工作負載的資源感知能力，通過擴展資源解釋器，Karmada 現(xiàn)在可以獲取同一工作負載不同模板的副本數(shù)和資源請求，確保數(shù)據(jù)的精確性。這一改進也為多模板工作負載的聯(lián)邦配額管理提供了更加可靠和精細的數(shù)據(jù)支持。

通過 ResourceBinding，你可以查看資源解釋器解析出的 FlinkDeployment 各個模板的副本數(shù)以及資源請求。

spec:
  components:
  - name: jobmanager
    replicaRequirements:
      resourceRequest:
        cpu: "1"
        memory: "1.024"
    replicas: 1
  - name: taskmanager
    replicaRequirements:
      resourceRequest:
        cpu: "2"
        memory: "2.048"
    replicas: 1

此時，F(xiàn)ederatedResourceQuota 計算的 FlinkDeployment 占用的資源量為：

 status:
    overallUsed:
      cpu: "3"
      memory: 3072m

注意：該特性??目前處于 Alpha 階段，需要啟用 MultiplePodTemplatesScheduling 特性開關(guān)??才能使用。

隨著多模板工作負載在云原生環(huán)境中的廣泛應(yīng)用，Karmada 致力于對其提供更強有力的支持。在接下來的版本中，我們將基于此功能進一步加強對多模板工作負載的調(diào)度支持，提供更加細粒度的資源感知調(diào)度——敬請期待更多更新！

社區(qū)在 PropagationPolicy/ClusterPropagationPolicy API 中的 .spec.failover.cluster 下引入了一個新的 StatePreservation 字段， 用于定義有狀態(tài)應(yīng)用在故障遷移期間保留和恢復(fù)狀態(tài)數(shù)據(jù)的策略。結(jié)合此策略，當應(yīng)用從一個故障集群遷移到另一個集群時，能夠從原始資源配置中提取關(guān)鍵數(shù)據(jù)。

以 Flink 應(yīng)用為例，在 Flink 應(yīng)用中，jobID 是一個唯一的標識符，用于區(qū)分和管理不同的 Flink 作業(yè)（jobs）。當集群發(fā)生故障時，F(xiàn)link 應(yīng)用可以利用 jobID 來恢復(fù)故障前作業(yè)的狀態(tài)，從故障點處繼續(xù)執(zhí)行。具體的配置和步驟如下：

apiVersion: policy.karmada.io/v1alpha1
kind: PropagationPolicy
metadata:
  name: foo
spec:
  #...
  failover:
    cluster:
      purgeMode: Directly
      statePreservation:
        rules:
          - aliasLabelName: application.karmada.io/cluster-failover-jobid
            jsonPath: "{ .jobStatus.jobID }"

功能約束：

Karmada 在 1.15 版本引入了結(jié)構(gòu)化日志支持，可通過 --logging-format=json 啟動參數(shù)配置 JSON 格式輸出。結(jié)構(gòu)化日志示例如下：

{
  "ts":“日志時間戳”,
  "logger":"cluster_status_controller",
  "level": "info",
  "msg":"Syncing cluster status",
  "clusterName":"member1"
}

結(jié)構(gòu)化日志的引入顯著提升了日志的可用性與可觀測性：

● 高效查詢：結(jié)構(gòu)化字段支持快速檢索與分析，顯著提升故障排查效率。

● 可觀察性增強：關(guān)鍵上下文信息（如集群名、日志級別）以結(jié)構(gòu)化字段呈現(xiàn)，便于跨組件、跨時間關(guān)聯(lián)事件，實現(xiàn)精準問題定位。

● 可維護性提升：結(jié)構(gòu)化日志使開發(fā)者和運維人員在系統(tǒng)演進過程中更易于維護、解析和調(diào)整日志格式，保障日志體系的長期穩(wěn)定與一致性。

控制器方面，通過引入優(yōu)先級隊列，控制器能夠在重啟或切主后優(yōu)先響應(yīng)用戶觸發(fā)的資源變更，從而顯著縮短服務(wù)重啟和故障切換過程中的停機時間。

注意：該特性??目前處于 Alpha 階段，需要啟用 ControllerPriorityQueue 特性開關(guān)才能使用。

測試記錄了在開啟精確調(diào)度組件 karmada-scheduler-estimator 情況下，調(diào)度 5,000 個 ResourceBinding 所用的時間，結(jié)果如下：

● 調(diào)度器吞吐量 QPS 從約 15 提升至約 22，性能提升達 46%；

● gRPC 請求次數(shù)從約 10,000 次減少至約 5,000 次，降幅達 50%。

這些測試證明，在 1.15 版本中，Karmada 控制器和調(diào)度器的性能得到了極大提升。未來，我們將繼續(xù)對控制器和調(diào)度器進行系統(tǒng)性的性能優(yōu)化。

貢獻者列表：