云原生日报 2026-09-25
早上好,各位技术同学 ☕ 今天为大家精选了云原生领域的最新动态和几篇干货教程,一起看看 👇
🔥 云原生热点
1. Replaced etcd with Spanner (dev.to)
文章介绍开源项目 spanner-etcd:它以 Google Cloud Spanner 为后端,提供与 etcd v3 完全兼容的 API,运维侧只需把 --etcd-servers 指向它,客户端无需改动。作者指出 etcd 的瓶颈在于所有写操作都要串行经过单一全局 revision 计数器,因此改用 Spanner 基于 TrueTime 的 PENDING_COMMIT_TIMESTAMP() 充当 revision,实现无锁并发提交,并以 Change Streams 替代轮询支撑 Watch。 亮点在于它把「revision 单调递增」的语义从全局锁换成了 TrueTime 时间戳,32 并发下写吞吐提升约 15 倍,副本完全无状态、不需要 leader 选举,Watch 端到端延迟约 30ms。 文中对 back-join 问题的复盘很实在:通过 STORING 把 value 等列冗余进二级索引,让 Get 提速 40%、混合负载提速 167%。对国内团队而言直接替换 etcd 意义有限,但「用外部强一致数据库承载控制面元数据」的思路值得自研大规模控制面的同学参考。 🔗 https://dev.to/n0rm4l/we-replaced-etcd-with-google-cloud-spanner-heres-what-happened-2e9a
2. InfoQ 微软开源 TauGrid
微软开源了 TauGrid,一个面向 GPU Kubernetes 集群的 AI 工作负载管理、调度与监控平台,目标是把平台团队以往需要自行拼装的开源组件、脚本和运维工具收敛为一套统一技术栈。它提供工作区、队列、计算配置、存储、身份认证和可观测性等能力,通过 tau.yaml 与 tau run 提交任务,底层集成 Kueue 做排队与配额、KubeRay 做编排,并支持从检查点恢复失败的作业。 值得关注的是它明确的「研究者不必懂 Kubernetes」定位——把 K8s 复杂度封装在平台层,已经是 AI 平台工程的共识。与 Kubeflow、NVIDIA Run:AI 相比,差异点在拓扑感知调度,以及一次 Helm 安装即可获得完整能力。 不过 TauGrid 仍在开发中,多租户、RBAC、DDP/FSDP 等能力还在路线图上,生产采用需谨慎。对自建 GPU 集群的团队,它提供了一个「自己攒平台」还是「直接用现成栈」的新参照。 🔗 https://www.infoq.cn/article/3FdzSfrzlb3vMDwsC1Ny
3. AI Gateway on Kubernetes
文章介绍如何用 Go 编写的开源 AI 网关 Bifrost 在 Kubernetes 上承载高并发 LLM 流量,覆盖从 Helm 安装、多副本共享状态、自动扩缩容到企业级治理的完整路径。文中强调生产级网关需要横向扩展、副本间状态一致(共享限流、预算与策略计数器)、负载下的优雅退出(尤其是 SSE 流式响应)、极低的请求开销与内建可观测性,并建议生产改用 PostgreSQL 存储并至少运行 3 个副本。 文中的并发架构分析有料:worker-pool 模型配合 initialPoolSize 预分配与 dropExcessRequests 过载保护,实测 5000 RPS 下每请求仅增加约 11 微秒开销,P99 延迟与内存占用明显优于 Python 网关。 这类网关本质上是 AI 流量的控制面,限流、预算、Key 治理与多模型路由都会在这里落地,选型与容量规划值得提前做。国内团队的落地难点不在部署,而在把共享状态、优雅退出和成本核算一次性设计对。 🔗 https://dev.to/kuldeep_paul/running-a-high-performance-ai-gateway-on-kubernetes-1b8k
📖 教程推荐
1. k8s-overcommit Operator (Inditex)
Inditex 把自研的 k8s-overcommit Operator 开源,用于解决「节点显示已满、实际 CPU/内存大量闲置」的问题:Kubernetes 仅按 requests 判断可调度量,而团队往往为应对峰值把 requests 打得过大,节点在真正用满前就停止接收新 Pod。该 Operator 按服务级别下调 requests、保留原 limits,把请求与实际用量的差额(hidden capacity)释放出来,2025 年大促期间让微服务副本数减半且无性能损失。 相比 OpenShift 自带的 Overcommit Operator,关键改进是细粒度控制:支持工作负载优先级,让核心交易链路保持较紧的余量、后台任务可以更激进,策略还能跨集群、跨云一致地下发,不再依赖人工给每个 Pod 打标签。 这类提升装箱率的手段收益直接,但风险也真实——多个 Pod 同时冲顶就会导致节点过载,必须配好 cgroup 限制、优先级抢占和监控告警。国内团队若有大量非核心业务挤在集群里,这是成本优化中性价比很高的一步。 🔗 https://medium.com/@InditexTech/when-is-a-cluster-really-full-unlocking-hidden-capacity-with-the-k8s-overcommit-operator-9fd75af95712
2. Zero-Cost Non-Prod EKS KEDA+Karpenter
文章给出一套让非生产 EKS 集群在夜间和周末缩到零 EC2 工作节点的方案,通过串联 KEDA CronScaler → HPA → Karpenter 实现按作息自动扩缩,既不改应用代码,也不需自研 controller。作者以一个 dev/staging/QA 三集群、5 台 m5a.xlarge Spot 节点的环境算账:EC2 月成本从约 600 美元降到约 216 美元,单集群每年省约 4600 美元,代价只是早上扩容时 60–90 秒的冷启动延迟。 这套组合的价值在于把「非生产环境按需存在」变成声明式配置:CronScaler 管时间维度的开关节奏,HPA 管业务负载,Karpenter 负责底层节点的快速供给与回收,三层职责清晰,1 名平台工程师 2–3 天即可落地。 需要注意的是缩到零之后,CI/CD、定时任务和外部依赖的唤醒顺序要一并设计,否则很容易出现「集群起来了但流水线还是失败」。对预算敏感又跑着多套环境的中小团队,这是投入产出比极高的一课。 🔗 https://medium.com/@npanchal12/zero-cost-non-prod-eks-scale-to-zero-nodes-with-keda-cron-karpenter-13403bd6ef7e
以上内容均已附原文链接,欢迎留言交流你的看法 💬