1. Multi-Cluster 概述：定义、应用场景与主流方案
在云原生技术演进中，单一 Kubernetes 集群的规模、故障域和地域限制逐渐成为业务扩展的瓶颈。Multi-Cluster（多集群）架构应运而生，它通过将多个 Kubernetes 集群编排为一个统一的资源池，解决了单集群在灾备、延迟、弹性及供应商锁定等方面的核心痛点。本章作为课程开篇，将系统定义 Multi-Cluster 的概念、剖析其典型应用场景，并对比三大主流开源方案：Karmada、Federation v2 与 OCM。
1.1 什么是 Multi-Cluster 架构
Multi-Cluster 架构是指通过一个中央控制面或分布式协调层，对两个或以上的 Kubernetes 集群进行统一资源调度、策略分发与状态治理的架构模式。其核心目标在于：让上层应用感知不到底层集群的物理边界，同时赋予运维人员跨集群的全局视角。
关键特征：
- 统一资源抽象：将多个集群的 Node、Namespace、Deployment 等资源抽象为全局资源视图。
- 策略驱动调度：基于标签、资源配额、地域、成本等策略，自动决定工作负载的部署目标集群。
- 状态同步与收敛：中央控制面持续监听各成员集群的状态，确保实际状态与期望状态一致。
1.2 核心应用场景
Multi-Cluster 架构并非为了技术炫技，而是为了解决真实业务中的三大核心诉求：灾备、地域亲和与弹性伸缩。下表总结了各场景的驱动因素与典型配置。
| 场景 | 驱动因素 | 典型配置 | 关键指标 |
|---|---|---|---|
| 灾备（Disaster Recovery） | 单集群故障、数据中心级灾难 | 主-备模式、多活模式、跨地域副本 | RTO < 5min, RPO < 1min |
| 地域亲和（Geo-Affinity） | 用户就近接入、数据主权合规 | 按地理位置调度、流量拓扑感知 | P99 延迟 < 50ms |
| 弹性伸缩（Elastic Scaling） | 突发流量、资源成本优化 | 集群联邦、按需扩缩、Spot 实例混合 | 扩容时间 < 2min |
实践建议：在灾备场景中，推荐采用“主备 + 多活”混合模式：核心无状态服务多活部署，有状态服务主备切换，以平衡成本与可用性。
1.3 主流开源方案对比
当前社区中，Multi-Cluster 管理方案呈现三足鼎立之势：Karmada（CNCF Incubating）、Federation v2（Kubernetes SIG 孵化）、OCM（Open Cluster Management，Red Hat 主导）。三者设计理念与实现路径各有侧重，下表从架构、资源模型、调度策略与社区活跃度四个维度进行对比。
| 维度 | Karmada | Federation v2 | OCM |
|---|---|---|---|
| 架构风格 | 中心化控制面 + 成员集群 Agent | CRD 驱动 + Push 模式 | Hub-Spoke + 插件化 |
| 资源模型 | ResourceTemplate + PropagationPolicy | FederatedTypeConfig + ClusterSelector | ManifestWork + Placement |
| 调度策略 | 静态调度 + 动态重调度 | 基于 ReplicaSchedulingPreference | PlacementRule + 优先级 |
| 社区活跃度 | 高（华为云主导，CNCF Incubating） | 低（维护模式，不再新增特性） | 中（Red Hat 主导，OpenShift 集成） |
| 生产案例 | 华为云、工商银行、B站 | 少量遗留系统 | Red Hat OpenShift 用户 |
1.4 方案选型建议
面对三个方案，选型应基于团队技术栈、运维成熟度与业务需求。以下给出简要的决策路径：
- 优先选择 Karmada：如果你的团队需要生产级、高可用、多集群调度，且希望社区活跃、文档完善、支持多云/混合云。Karmada 的 PropagationPolicy 模型天然适合资源迁移场景。
- 谨慎选择 Federation v2：仅当系统已深度绑定 Federation v2 且无迁移计划时考虑。社区已停止新特性开发，不建议新项目采用。
- 选择 OCM：如果你已使用 Red Hat OpenShift 或需要插件化、轻量级的多集群管理，OCM 的 ManifestWork 模型在边缘计算场景有独特优势。
避坑提示：不要试图用 Federation v2 管理超过 50 个集群，其 Push 模式在集群数量增长时会导致控制面性能急剧下降。Karmada 和 OCM 在 100+ 集群规模下仍有较好表现。