2026-05-16
来源：kubernetes.io
26
云环境里跑 Kubernetes，Cloud Controller Manager（CCM）的路由控制器一直在默默工作——每隔固定间隔，它就把集群节点信息同步到云厂商的路由表。问题是：节点没变化，它也在同步。对于 API 调用有严格速率限制的云厂商来说，这等于在白白消耗配额。Kubernetes v1.35 引入了 特性门控，把固定间隔轮询改成基于 W...
2026-05-16
来源：kubernetes.io
29
多主节点集群在滚动升级时，新旧版本的 API Server 会短暂共存。一个请求如果恰好落到了还没认识新资源类型的旧节点上，就会拿到一个 ——但这个资源在集群里明明存在。这个看似无害的错误响应，实际上能触发垃圾回收误删、命名空间卡死删除等连锁事故。Kubernetes 1.28 引入的 Mixed Version Proxy（MVP）正是为了堵住这个漏...
2026-05-15
来源：kubernetes.io
33
Kubernetes Service 的 字段，从 1.21 起就被官方建议禁用，但一直没敢动手——因为怕破坏现有集群。五年后，v1.36 终于把这个"默认不安全"的功能正式标记为废弃，并给出了明确的移除时间线。如果你还在用这个字段，现在就是迁移的最后窗口。 的设计初衷很简单：在没有云厂商 LoadBalancer 的裸金属集群里，让 Service ...
去年 12 月中旬，KubeStellar Console 从零开始搭建——这是一个面向 Kubernetes 多集群管理的仪表盘项目，托管在 CNCF Sandbox 里的 KubeStellar 之下，后端用 Go 写。项目起步阶段人手有限，却要在短时间内交付可用的控制面。团队做了一个大胆的决定：让 AI Agent 不只是"辅助工具"，而是直接以...
2026-05-14
来源：infoq.com
23
Pinterest 的机器学习训练任务在 PinCompute（基于 Kubernetes 的内部平台）上频繁出现性能抖动——训练跑着跑着就慢了，吞吐量忽高忽低，却找不到明显的业务代码问题。最终，工程师把根因锁定在一个根本没在用的 Amazon ECS Agent：它悄悄制造了 memory cgroup 泄漏，导致 CPU 调度出现饥饿。禁用该 Ag...
2026-05-14
来源：kubernetes.io
29
AI/ML 训练和批处理任务有一个共同诉求：要么所有 Pod 同时跑起来，要么谁也别跑。Kubernetes 一直按 Pod 逐个调度，遇到这种"全有或全无"的场景就容易卡死——3 个 Pod 占了资源，第 4 个没位置，前 3 个白占着等，别人也用不上。v1.35 引入了 Workload API 和初步的 gang scheduling，但把运行状...
RBC Capital Markets 的 Kubernetes 平台演进走了一条很务实的路线：先用 FluxCD 把 GitOps 的底座打牢，再逐步向上解决更硬的问题——节点操作系统不可变性、多集群生命周期管理、跨集群网络连通。Kairos、k0rdent 和 bindy 这三个项目分别对应这三层需求，组合起来构成了一套从裸金属到应用交付的完整链路...
2026-05-13
来源：kubernetes.io
23
CPU 利用率 80%，看起来还有余量——但调度延迟已经让关键 Pod 的请求排队数百毫秒。这种"利用率正常、实际已经卡死"的盲区，在 Kubernetes 里长期存在。v1.36 中 PSI（Pressure Stall Information）指标从 Beta 晋升 GA，意味着你终于有一个稳定接口，直接观测节点、Pod、容器三个层面的资源阻塞，而...
云环境治理这件事，多数团队的做法是写脚本、跑巡检、手动整改——然后脚本散落各处，没人记得哪个还在跑。Cloud Custodian 用一种截然不同的方式解决这个问题：把治理逻辑写成声明式 YAML 策略，引擎无状态执行，一套 DSL 覆盖公有云、Kubernetes 和 IaC。项目进入 CNCF 孵化，走过十年，现在又面对一个新命题——当 AI Ag...
Kubernetes 每年发布约三个小版本，每个版本的支持周期大约一年。这意味着你要么跟上节奏定期升级，要么冒险运行一个不再接收安全补丁的集群。现实是，很多团队每次升级都要花数周甚至数月——读 changelog、排查 API 废弃、逐个节点滚动、验证工作负载……升级本身成了工程时间的黑洞。 问题不在于 Kubernetes 太复杂，而在于我们把升级当...