Karmada 是開放的多雲多集羣容器編排引擎，旨在幫助用户在多雲環境下部署和運維業務應用。憑藉兼容 Kubernetes 原生 API 的能力，Karmada可以平滑遷移單集羣工作負載，並且仍可保持與 Kubernetes 周邊生態工具鏈協同。

● 多模板工作負載的資源精確感知

● 集羣級故障遷移功能增強 

● 結構化日誌

● Karmada 控制器和調度器性能顯著提升

在這個版本中，Karmada 強化了對多模板工作負載的資源感知能力，通過擴展資源解釋器，Karmada 現在可以獲取同一工作負載不同模板的副本數和資源請求，確保數據的精確性。這一改進也為多模板工作負載的聯邦配額管理提供了更加可靠和精細的數據支持。

通過 ResourceBinding，你可以查看資源解釋器解析出的 FlinkDeployment 各個模板的副本數以及資源請求。

spec:
  components:
  - name: jobmanager
    replicaRequirements:
      resourceRequest:
        cpu: "1"
        memory: "1.024"
    replicas: 1
  - name: taskmanager
    replicaRequirements:
      resourceRequest:
        cpu: "2"
        memory: "2.048"
    replicas: 1

此時，FederatedResourceQuota 計算的 FlinkDeployment 佔用的資源量為：

 status:
    overallUsed:
      cpu: "3"
      memory: 3072m

注意：該特性​​目前處於 Alpha 階段，需要啓用 MultiplePodTemplatesScheduling 特性開關​​才能使用。

隨着多模板工作負載在雲原生環境中的廣泛應用，Karmada 致力於對其提供更強有力的支持。在接下來的版本中，我們將基於此功能進一步加強對多模板工作負載的調度支持，提供更加細粒度的資源感知調度——敬請期待更多更新！

社區在 PropagationPolicy/ClusterPropagationPolicy API 中的 .spec.failover.cluster 下引入了一個新的 StatePreservation 字段， 用於定義有狀態應用在故障遷移期間保留和恢復狀態數據的策略。結合此策略，當應用從一個故障集羣遷移到另一個集羣時，能夠從原始資源配置中提取關鍵數據。

以 Flink 應用為例，在 Flink 應用中，jobID 是一個唯一的標識符，用於區分和管理不同的 Flink 作業（jobs）。當集羣發生故障時，Flink 應用可以利用 jobID 來恢復故障前作業的狀態，從故障點處繼續執行。具體的配置和步驟如下：

apiVersion: policy.karmada.io/v1alpha1
kind: PropagationPolicy
metadata:
  name: foo
spec:
  #...
  failover:
    cluster:
      purgeMode: Directly
      statePreservation:
        rules:
          - aliasLabelName: application.karmada.io/cluster-failover-jobid
            jsonPath: "{ .jobStatus.jobID }"

功能約束：

Karmada 在 1.15 版本引入了結構化日誌支持，可通過 --logging-format=json 啓動參數配置 JSON 格式輸出。結構化日誌示例如下：

{
  "ts":“日誌時間戳”,
  "logger":"cluster_status_controller",
  "level": "info",
  "msg":"Syncing cluster status",
  "clusterName":"member1"
}

結構化日誌的引入顯著提升了日誌的可用性與可觀測性：

● 高效查詢：結構化字段支持快速檢索與分析，顯著提升故障排查效率。

● 可觀察性增強：關鍵上下文信息（如集羣名、日誌級別）以結構化字段呈現，便於跨組件、跨時間關聯事件，實現精準問題定位。

● 可維護性提升：結構化日誌使開發者和運維人員在系統演進過程中更易於維護、解析和調整日誌格式，保障日誌體系的長期穩定與一致性。

控制器方面，通過引入優先級隊列，控制器能夠在重啓或切主後優先響應用户觸發的資源變更，從而顯著縮短服務重啓和故障切換過程中的停機時間。

注意：該特性​​目前處於 Alpha 階段，需要啓用 ControllerPriorityQueue 特性開關才能使用。

測試記錄了在開啓精確調度組件 karmada-scheduler-estimator 情況下，調度 5,000 個 ResourceBinding 所用的時間，結果如下：

● 調度器吞吐量 QPS 從約 15 提升至約 22，性能提升達 46%；

● gRPC 請求次數從約 10,000 次減少至約 5,000 次，降幅達 50%。

這些測試證明，在 1.15 版本中，Karmada 控制器和調度器的性能得到了極大提升。未來，我們將繼續對控制器和調度器進行系統性的性能優化。

貢獻者列表：