云原生日报 2026-11-16

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. Velero v1.19.0-rc.1

Velero 1.19.0-rc.1 发布,新增基于 CSI Changed Block Tracking API 的块级数据搬运组件 velero-block,使文件系统卷和块卷都能做增量备份与恢复,避免全量扫描文件系统的开销。该版本还引入卷数据原地恢复(in-place restore)、按命名空间与资源类型的细粒度过滤、按标签动态选取 namespace、全局卷策略以及默认 restore resource modifier 等能力。 对已经在用 Velero 做集群级备份的团队来说,这次最有价值的是增量备份真正从文件系统层下沉到块层——依赖 CSI 驱动的 CBT,增量窗口只传变化块,备份窗口和 RTO 都会明显缩短。原地恢复则解决了「数据量比 PVC 大、又不想新建卷」的运维痛点,配合 clone-and-restore 可以覆盖更多回滚场景。需要注意这是 rc 版本,且块级增量要求 CSI 驱动在保留不了父快照的情况下也能算出变更块,国内不少存储厂商的驱动还没到这个成熟度,建议先在测试集群验证驱动兼容性再上生产。 🔗 https://github.com/vmware-tanzu/velero/releases/tag/v1.19.0-rc.1

2. OpenTelemetry Collector v0.165.0

OpenTelemetry Collector 发布 v0.165.0(core 模块 v1.71.0),破坏性移除 confighttp 中已废弃的 IdleConnTimeout、MaxIdleConns、MaxIdleConnsPerHost、DisableKeepAlives 字段,并新增 xreceiverhelper 对按 sample type 统计 profile 采样指标的观测支持。同时把 queue_batch 处理器对 traces/metrics/logs 提升为 beta、profiles 提到 alpha,memory_limiter 支持关闭强制 GC,pdata 的 Map 操作与 oneof 更新做了内存分配优化。 这是一次典型的「小版本、高密度」更新:真正会让人升级完直接起不来的是 confighttp 那几个被删字段,任何还在配置里写 idle_conn_timeout 的 gateway 部署都要先清理。queue_batch 进入 beta 值得关注,它试图在 collector 内部替代「batch processor + 持久化队列」的组合,减少 pipeline 里两层排队带来的延迟不可控。另外启动时对 batch processor 与 exporterhelper 批处理叠加给出警告,是很实用的反模式提示,建议升级后留意日志。至于 pdata 的性能优化,对超大流量的日志管道是免费收益。 🔗 https://github.com/open-telemetry/opentelemetry-collector/releases/tag/v0.165.0

3. Karmada CNCF graduation

CNCF 宣布多集群 Kubernetes 编排项目 Karmada 正式毕业,同时发布 v1.19,强化了对 AI 训练任务的多组件调度,并把基于优先级的调度提升为默认开启的 Beta 特性。Karmada 通过 PropagationPolicy 与 OverridePolicy 两个自定义 API 表达工作负载放置与集群差异化覆盖,内部由 Cluster、Policy、Binding、Execution 四个控制器把资源传播到成员集群,无需改写现有 Kubernetes 清单。 Karmada 毕业意味着多集群编排这条路线在 CNCF 体系里有了明确的标准答案,KubeFed 退役后长期的选型纠结可以结束了。 它的关键设计取舍很聪明:不替换 Kubernetes API 而是扩展,所以现有 Helm chart、controller、工具链几乎零改造就能跑在控制平面上,这是它比 OCM 更容易被业务团队接受的根本原因。从生产用户看,Trip.com、Bilibili、小红书、快手这类体量的公司都在用它做跨集群弹性与故障转移,说明早已度过「只有 demo」的阶段。 AI 训练场景下 GPU 分散在多个区域和云商、单集群凑不够卡,多集群调度从可选变成必需,这也是这次把多组件调度与优先级调度往前推的真实动因。国内团队正在做多集群选型的,现在可以把它当成首选评估对象。 🔗 https://www.infoq.cn/article/4t84hFyjYP6gq9KNWE60

📖 教程推荐

1. SIGTERM Doesn't Mean Stop

文章复盘了一个高吞吐支付授权服务的健康检查重构:原先 liveness 与 readiness 共用同一个会 ping 数据库的 /health,导致 40 秒的数据库抖动被 liveness 放大成多分钟的全量 Pod 重启风暴,而每次发布又因进程收到 SIGTERM 立即关闭 HTTP server 造成 5xx 尖峰。作者给出替代设计:独立 health listener、三套语义不同的 probe 契约、loopback prober、针对僵尸 Pod 的熔断,以及有编排的优雅关闭顺序。 这是今年读到最诚实的生产事故复盘之一——作者核对源码时发现自己准备当作范例的关闭流程里存在两个真实 bug,并且把 bug 留在了文章里,因为「它们怎么藏起来的」才是最有价值的部分。 核心洞察只有一句但足够值钱:SIGTERM 不代表停止服务,而是「开始告诉 Kubernetes 我不 ready,并继续服务直到它相信」,因为 EndpointSlice 到每个节点的 kube-proxy、每个 sidecar 的传播有几百毫秒到数秒延迟,提前关 server 必然掉请求。 三个 probe 对应三种后果(重启是暴力的、摘流是廉价可逆的)这张对照表,建议直接贴进团队 review checklist。支付类业务一次失败请求就是用户刷卡被拒,这个视角能帮很多团队重新估算「小概率 5xx」的真实成本。 🔗 https://medium.com/@amanzoot/sigterm-doesnt-mean-stop-d9d72eebf4b8

2. Cilium L7 HTTP Filtering

文章从 eBPF 与 Cilium 的基础讲起,指出原生 Kubernetes NetworkPolicy 只能做 L3/L4(IP 加端口)过滤,而 Cilium 借助 eBPF 在 Linux 内核里直接解析 HTTP,从而实现按路径、方法、header 的应用层策略,无需 sidecar 也不改应用代码。文中给出完整动手流程:安装 Cilium 与 Hubble、部署 nginx 微服务 demo、下发 L7 策略屏蔽特定 API 路径,并用 Hubble UI 观察流量与策略命中。 把 L7 网络策略做进内核而不是 sidecar,是 Cilium 相对 Istio 这类方案的差异化优势:少一跳、少一个容器、少一份资源开销,对延迟敏感的 API 场景收益明显。 不过要留意代价——L7 解析要求流量以明文 HTTP 经过,mTLS 加密之后内核无法解析,这也是 Cilium 后续要靠透明加密方案补齐的地方。文章技术深度中等,胜在可复现,跟着做一遍就能理解 policy enforcement 到底发生在哪个 hook 上。 落地建议是先只对内部低风险路径做 L7 收敛(例如屏蔽 /admin、/internal),验证 Hubble 可观测性与性能开销后再扩大范围。 🔗 https://medium.com/pickme-engineering-blog/cilium-network-policies-l7-http-filtering-with-ebpf-on-kubernetes-cfddeb8434cb


以上内容均已附原文链接,欢迎留言交流你的看法 💬