多集群管理神器：怎样利用 Karmada 实现跨云平台的容器统一调度

Karmada（Kubernetes Armada）是一个云原生多集群管理系统，旨在提供跨多个 Kubernetes 集群的统一资源管理、应用分发和调度能力。它允许用户将分散在不同云平台、不同地域的集群作为一个统一的资源池进行管理，极大地简化了多云或混合云环境下的运维复杂度。

本文将通过一个实操示例，指导你如何快速搭建 Karmada 控制平面，并利用其核心的 PropagationPolicy 实现跨集群的应用统一调度。

1. 环境准备

你需要安装以下工具：

• Go 语言环境： 用于安装 Karmada CLI。
• kubectl： 用于与 Kubernetes 集群交互。
• kind/k3d/minikube： 用于本地快速创建 Kubernetes 集群，模拟不同的云环境。

安装 Karmada CLI (karmactl):

git clone https://github.com/karmada-io/karmada
cd karmada
make karmactl
sudo cp bin/karmactl /usr/local/bin/

2. 搭建 Karmada 控制平面与成员集群

我们将使用 karmactl init 快速搭建 Karmada 控制平面，并创建两个 kind 集群作为模拟的“跨云”成员集群。

步骤 2.1：初始化 Karmada

执行以下命令，Karmada 将在本地创建一个名为 karmada-host 的集群作为控制平面。

karmactl init

# 确认 Karmada API Server 已启动
kubectl get all -n karmada-system --context=karmada-apiserver

步骤 2.2：创建并加入成员集群

模拟两个不同云厂商的集群，例如 cluster-aws 和 cluster-gcp。

# 创建模拟成员集群
kind create cluster --name cluster-aws
kind create cluster --name cluster-gcp

# 将集群注册到 Karmada 控制平面
karmactl join cluster-aws --cluster-kubeconfig=$HOME/.kube/config --cluster-context=kind-cluster-aws
karmactl join cluster-gcp --cluster-kubeconfig=$HOME/.kube/config --cluster-context=kind-cluster-gcp

# 检查成员集群状态
kubectl get clusters --context=karmada-apiserver

输出应显示两个集群都处于 Ready 状态。

3. 实现跨集群统一调度

Karmada 的核心在于资源分发（Propagation）和调度策略（Policy）。我们将部署一个 Nginx 应用，并使用 PropagationPolicy 策略，将其均匀调度到 cluster-aws 和 cluster-gcp 上。

步骤 3.1：定义应用和调度策略

创建一个名为 nginx-app.yaml 的文件，包含一个 Deployment 定义和对应的 PropagationPolicy。

注意： 资源必须被应用到 Karmada 控制平面，而非任何成员集群。

---
# 1. 基础应用定义 (Deployment)
apiVersion: apps/v1
kind: Deployment
metadata:
  name: nginx-federated
  labels:
    app: nginx
spec:
  replicas: 4
  selector:
    matchLabels:
      app: nginx
  template:
    metadata:
      labels:
        app: nginx
    spec:
      containers:
      - name: nginx
        image: nginx:latest
        ports:
        - containerPort: 80
---
# 2. 资源分发策略 (PropagationPolicy)
apiVersion: policy.karmada.io/v1alpha1
kind: PropagationPolicy
metadata:
  name: nginx-policy
spec:
  # 目标资源选择器：将策略应用于名为 'nginx-federated' 的 Deployment
  resourceSelectors:
    - apiVersion: apps/v1
      kind: Deployment
      name: nginx-federated
  placement:
    # 目标集群：调度到 cluster-aws 和 cluster-gcp
    clusterAffinity:
      clusterNames:
        - cluster-aws
        - cluster-gcp
    # 副本调度策略：采用权重调度，平均分配 4 个副本
    replicaScheduling:
      replicaDivisionPreference: Weighted
      weightPreference:
        staticWeightList:
          - targetCluster:
              clusterName: cluster-aws
            weight: 1
          - targetCluster:
              clusterName: cluster-gcp
            weight: 1

步骤 3.2：应用资源

使用 Karmada 的 kubeconfig（即 karmada-apiserver context）应用该文件。

kubectl apply -f nginx-app.yaml --context=karmada-apiserver

步骤 3.3：验证调度结果

检查 Karmada 控制平面和两个成员集群的部署状态。

在 Karmada 控制平面验证：

# 确认资源已被 Karmada 接收
kubectl get deployment nginx-federated --context=karmada-apiserver

# 检查 Karmada 如何决定分发
kubectl get resourcebinding -l app=nginx --context=karmada-apiserver -o yaml | grep replicas
# 预期输出将显示每个集群被分配了 2 个副本

在成员集群验证：

分别检查 cluster-aws 和 cluster-gcp 的 Deployment。

# 验证 cluster-aws (云 A)
kubectl get deployment nginx-federated --context=kind-cluster-aws

# 验证 cluster-gcp (云 B)
kubectl get deployment nginx-federated --context=kind-cluster-gcp

你会发现，尽管只在 Karmada 上提交了一次 Deployment，但 K8s 资源已经根据 PropagationPolicy 的定义，被均匀地调度并部署到了两个模拟的跨云集群中，每个集群拥有 2 个副本。

总结

通过 Karmada，我们可以实现应用的集中式定义和声明式的跨集群分发。利用 PropagationPolicy，不仅可以指定资源部署到哪些集群，还可以精确控制副本数分配（例如按权重、按可用资源等），完美解决了多云环境下容器应用统一调度和运维的挑战。