2026-07-27
来源: postgr.es
18
PostgreSQL 的 MVCC 经常因表膨胀、写放大、VACUUM 调优和 32 位事务 ID 被批评。这些问题都真实存在，但只说“PostgreSQL 的 MVCC 很差”还少问了一步：如果读者不能阻塞写者，那么旧版本必须保存在某个地方，清理成本也必须由某个组件承担。不同数据库没有消灭这笔成本，只是决定由写入、历史读取、缓存、临时空间还是后台整理...
2026-07-27
来源: cncf.io
24
多区域部署最容易制造一种危险的安全感：服务已经在两个 Kubernetes 集群中运行，但其中一个集群消失时，用户流量仍然固执地发往故障区域。副本存在，不等于故障转移已经成立。要让备用集群真正接管请求，必须把工作负载、流量入口、健康判断和数据状态一起纳入设计。 跨集群联邦的核心目标，是把多个独立集群视为同一个服务的运行位置，同时保留故障隔离边界。每个集...
2026-07-26
来源: infoq.com
35
Amazon EKS 新增了 Kubernetes 版本回滚能力：集群控制平面升级后，如果出现兼容性或稳定性问题，团队可以在 7 天内退回升级前的 Kubernetes 版本。这项能力降低了原地升级的恢复成本，但它不是跳过测试、备份和工作负载验证的理由。 过去，托管 Kubernetes 的控制平面版本升级通常被视为单向操作。应用、准入控制器或平台组件...
2026-07-24
来源: cncf.io
34
开源经历可以持续多年，但进入一个新的云原生项目仍然需要重新学习：代码如何组织、控制器如何协调资源、测试如何运行，以及维护者如何判断一次修改是否可以合并。围绕 kgateway 展开的 LFX Mentorship 经历，值得关注的不只是“完成了多少代码”，而是如何把 Kubernetes 经验转化为稳定、可审查的上游贡献。 云原生项目通常横跨 Kube...
2026-07-24
来源: cncf.io
21
OpenTelemetry（OTel）正式成为 CNCF 毕业项目，与 Kubernetes、Prometheus 等成熟开源项目处于同一项目阶段。对开发团队而言，这不只是一个社区里程碑，也意味着一个更实际的问题：既然遥测标准已经趋于成熟，我们是否应该把分散的日志、指标和追踪接入方式收拢到 OpenTelemetry？ 答案通常不是“立刻替换全部监控系...
2026-07-24
来源: cncf.io
28
AI 应用正在从单轮生成式调用走向能够规划、调用工具并持续执行任务的 Agent。工作负载随之发生变化：推理请求持续时间更长，GPU 等加速资源更紧张，模型服务需要弹性伸缩，任务还可能跨越多个服务和集群。CNCF 日本社区成立 AI Infra SIG，并通过首次 meetup 和讲者招募启动交流，正是为了把这些问题放到 Kubernetes 与 Cl...
2026-07-24
来源: cloud.google.com
33
大模型强化学习后训练并不总是缺 GPU，很多时候真正的问题是 GPU 已经分配，却在等待下一阶段。同步 RL 在 rollout 采样与梯度训练之间严格交替；异步 RL 虽然允许两者重叠，训练器仍可能因新鲜轨迹不足而停顿。llm-d 引入的协作式时间切片把这些阶段变成可调度单元，让多个独立 RL 作业共享同一组物理加速器。 初步基准显示，这种平台级复用...
2026-07-23
来源: cncf.io
33
分布式训练最难排查的故障，往往不是 Pod 崩溃，而是所有组件看起来都正常：Kubeflow 任务处于 Running，Pod 没有重启，也没有 OOMKill，但 GPU 大部分时间没有计算。来源摘要描述的正是这种反直觉现象：训练任务健康运行，GPU 却有约 60% 的时间处于空闲状态。 这类问题不能只看 Kubernetes 控制面。分布式训练依赖...
2026-07-23
来源: cncf.io
16
AI 基础设施正在从少数团队维护的专用平台，转向由开放社区共同定义的通用运行环境。CNCF 2025 年度云原生调查显示，82% 的容器用户已经在生产环境运行 Kubernetes；在托管生成式 AI 的组织中，66% 使用 Kubernetes。对工程团队而言，这意味着模型服务、GPU 调度、扩缩容和可观测性正逐渐进入同一套云原生控制面。 把 Kub...
2026-07-22
来源: cncf.io
25
单个 Kubernetes 集群中的数据库高可用已经有成熟做法，但它通常无法覆盖整片区域不可用、控制平面损坏或集群间网络中断。跨集群数据库要解决的不是“多运行几个 Pod”，而是如何划分故障域、复制数据、隔离旧主库，并在异常情况下恢复服务且不产生双主写入。 跨集群架构的起点是让依赖真正独立。两个 Kubernetes 集群如果共享同一个区域、网络出口、...