Karmada 从 CNCF 毕业：多集群编排走向 AI 算力调度，v1.19 直击 GPU 训练痛点
TL;DR：9 月 8 日，KubeCon + CloudNativeCon + OpenInfra Summit + PyTorch Conference China 2026 上海现场，CNCF 正式宣布 Karmada 毕业（Graduated）。从 2021 年 9 月进入 Sandbox、2023 年 12 月晋升 Incubating 到今天毕业，这个华为云联合多行业头部企业发起的多集群编排项目走完了 CNCF 成熟度体系主要阶段。同步发布的 v1.19 把重心押向 AI：分布式 AI 训练任务的多组件调度、基于优先级的调度升到 Beta 默认开启。1,214 名贡献者、292 家组织、5,600+ Star，生产用户横跨 Bloomberg、Trip.com、阿里云、华为、B 站、快手、商汤、vivo 等。
一、毕业意味着什么：不只是里程碑
CNCF 毕业不是"星够多就行"。Karmada 为此完成了毕业的全部硬性条件：
- 第三方安全审计通过
- 正式成立 steering committee（指导委员会）
- 采用 CNCF Code of Conduct
- 维护 CII（Core Infrastructure Initiative）Best Practices Badge
CNCF CTO Chris Aniszczyk 的评价：毕业证明项目"达成了企业部署所需的技术成熟度、治理和安全工作"——尤其当组织把 Kubernetes 扩展到 GPU 受限的 AI 环境时。
对企业用户的实际含义：可以放心把它放进合规审计的生产架构里，而不用担心"沙箱项目哪天弃坑"的治理风险。
二、项目画像：Kubernetes Armada 的五年
Karmada（Kubernetes Armada）解决的是 Kubernetes 从单集群扩展到多集群、多云、多区域之后的编排问题：在不要求应用修改原有 K8s 资源定义的前提下，提供集中部署、资源分发、故障转移、多集群自动伸缩。企业可以把散在不同数据中心、公有云、地域的集群组成统一资源池，在上层做调度和资源管理。
关键数据：
| 维度 | 数据 |
|---|---|
| 首次提交 | 2020 年 11 月 |
| 加入 CNCF Sandbox | 2021 年 9 月 |
| 晋升 Incubating | 2023 年 12 月 |
| 毕业 | 2026 年 9 月 8 日 |
| 贡献者 | 1,214+ 名，来自 292 家组织 |
| GitHub Stars | 5,600+ |
| 控制平面 | 自带 etcd 实例，全组件导出 Prometheus 指标，提供 Helm Chart |
生产用户名单能看出它的定位：Bloomberg（流媒体平台工程负责人 Michas Szacillo：自动化灾难恢复、简化集群管理）、Trip.com（Honghui Yue：多集群统一资源池、跨集群弹性与故障转移、大规模工作负载迁移）、DaoCloud（首席架构师 Kay Yan：把 Karmada 扩展进 AI Token Factory 架构，支撑跨数据中心多集群推理）。国内用户覆盖阿里云、华为、B 站、科大讯飞、京东云、快手、RedNote、商汤、vivo、WPS、中通。
三、v1.19：为 AI 训练而生的调度能力
毕业与 v1.19 同步发布，两个核心特性都指向同一个场景——GPU 受限环境下的分布式 AI 训练：
3.1 多组件调度（Multi-component Scheduling）
分布式训练任务不是单个 Pod，而是一组必须协同放置的组件（driver + workers + 参数服务器等）。多组件调度让 Karmada 把 AI 训练任务作为整体进行跨集群协调放置，避免"8 个 worker 分散到 6 个集群、带宽打不满、训练实际跑不动"的经典失败模式。
3.2 基于优先级的调度（Beta，默认开启）
GPU 等稀缺资源竞争激烈时，平台按任务优先级决定谁先拿到资源——关键训练任务优先放置，保障 SLO。默认开启意味着升级即生效，不需要额外配置。
这两个能力与 Kubernetes 1.37 的调度演进方向完全一致：K8s 本体在推 workload-aware scheduling 和 DRA（Dynamic Resource Allocation），Karmada 把同样的思路抬到多集群层。
四、2026 路线图：从"工作负载分发"到"资源感知控制平面"
社区给 Karmada 的下一步定位很清晰——从基础的多集群工作负载传播，走向资源感知的多集群控制平面：
- 基于优先级的抢占（priority-based preemption）：低优先级任务为高优先级任务让路，且是跨集群粒度
- 多集群排队（multi-cluster queuing）：面向 AI 训练和批处理任务的队列管理
- 多集群 DRA 支持：跨集群、跨加速器（GPU）的 Dynamic Resource Allocation——这是把 K8s 1.36/1.37 的 DRA 生态延伸到 fleet 级别
华为云研发总裁王洪利在毕业现场表态的落点也是这里：面向 Agent 场景解决"跨云大规模通智融合算力调度"，把多云多集群管理做成 AI 时代的算力底座。
五、给你的选型建议
什么场景值得认真评估 Karmada：
- 混合云/多云容量扩展：把多个云的集群当统一资源池用，应用零改动
- 多区域容灾：跨地域的故障转移与流量调度是内置策略（Active-active、Remote DR、Geo Redundant）
- AI 训练/推理基础设施：GPU 资源散在多区域多云，需要 fleet 级调度和排队
什么场景不需要：单集群或 2-3 个同构集群用原生 K8s + 简单脚本就够的场景，引入多集群控制平面是负资产。编排层的复杂度永远要和集群数量、异构程度成正比——先有真实的跨集群痛点，再上 Karmada。
对云原生基础设施团队，这个毕业事件还有一个信号意义：CNCF 正式把"多集群 + AI 算力调度"盖章为毕业级成熟赛道，和 Cilium 1.20 代表的网络演进、K8s 1.37 的 DRA 一起，2026 年云原生的主线叙事已经完全转向 AI Infra。
六、参考
- CNCF 官方毕业公告（KubeCon + CloudNativeCon + OpenInfra Summit + PyTorch Conference China 2026，2026-09-08）
- Karmada 官网：karmada.io
- InfoQ《Karmada 正式从 CNCF 毕业，已用于多集群 AI 训练与 GPU 调度》