La Cloud Native Computing Foundation ha anunciado que Karmada, el proyecto de orquestación multi-clúster y multi-nube para Kubernetes, ha alcanzado el nivel de graduación, el más alto de madurez que otorga la fundación.
La noticia llega desde el KubeCon + CloudNativeCon + OpenInfra Summit + PyTorch Conference China 2026, celebrado en Shanghái, y coincide con el lanzamiento de la versión 1.19, que introduce mejoras significativas en la programación de trabajos de entrenamiento de IA y promueve la programación basada en prioridades a Beta, ahora activada por defecto.
Para quienes llevan años lidiando con la complejidad de ejecutar aplicaciones en múltiples clústeres de Kubernetes, la graduación de Karmada no es una simple formalidad administrativa.
Es el reconocimiento de que existe una herramienta madura, estable y probada en producción para resolver uno de los problemas más persistentes de la computación en la nube: cómo gestionar cargas de trabajo distribuidas sin construir un sistema de orquestación propio desde cero.
¿Qué es Karmada y por qué es importante?
Karmada, abreviatura de “Kubernetes Armada”, es un sistema de orquestación que permite ejecutar aplicaciones en múltiples clústeres de Kubernetes y en diferentes proveedores de nube como si fueran una sola flota. No reemplaza la API de Kubernetes; se construye sobre ella. Esto significa que los manifiestos, controladores y herramientas existentes siguen funcionando sin cambios en un plano de control de Karmada.
La arquitectura del plano de control se compone de tres elementos: un Karmada API Server, un Karmada Controller Manager y un Karmada Scheduler, respaldados por su propia instancia de etcd para el estado.
La lógica de colocación se expresa a través de dos APIs personalizadas: PropagationPolicy, que mapea una política a un conjunto de cargas de trabajo y define restricciones de programación y distribución como afinidad de clúster, división y reequilibrio multi-clúster, y alta disponibilidad multidimensional por región, zona de disponibilidad, clúster o proveedor; y OverridePolicy, que permite a los operadores reescribir configuraciones específicas de cada clúster, como cambiar prefijos de imágenes de contenedor por región o StorageClass por proveedor de nube, sin tocar la plantilla de recursos subyacente.
La necesidad que Karmada resuelve
Ejecutar una aplicación en múltiples clústeres de Kubernetes es una práctica común en escenarios de nube híbrida, tolerancia a fallos regional y evitación de dependencia de un proveedor. Durante años, esto requería automatización personalizada o el ahora archivado proyecto KubeFed, que obligaba a aprender una API de recursos federados diferente y presentaba problemas de flexibilidad.
A esto se suma un desafío más reciente: a medida que la capacidad de GPU se distribuye entre regiones y proveedores de nube, los equipos que realizan entrenamiento e inferencia de IA distribuidos se enfrentan a un problema considerable. Ningún clúster tiene suficientes aceleradores por sí solo. Las cargas de trabajo deben dividirse, programarse y desplazarse entre múltiples sistemas. Karmada aborda precisamente ese problema.
Cómo funciona: cuatro controladores para la propagación
Internamente, cuatro controladores realizan el trabajo de propagación. El Cluster Controller gestiona el ciclo de vida de los clústeres miembros registrados. El Policy Controller observa los objetos PropagationPolicy y vincula los recursos coincidentes en objetos ResourceBinding. El Binding Controller convierte cada ResourceBinding en objetos Work por clúster. Y el Execution Controller observa esos objetos Work y empuja los manifiestos resultantes al servidor API de cada clúster miembro.
Karmada también exporta métricas de Prometheus desde sus componentes de plano de control y distribuye Helm charts para su instalación, integrándose directamente con las herramientas de observabilidad y despliegue existentes en la CNCF en lugar de requerir una pila separada.
De Sandbox a Graduación: un camino de cinco años
El viaje de Karmada en la CNCF comenzó en septiembre de 2021, cuando ingresó en el Sandbox. En diciembre de 2023 pasó a Incubating. Ahora, en septiembre de 2026, alcanza la Graduación. En ese tiempo, el proyecto ha crecido hasta superar los 1.214 contribuyentes de 292 organizaciones y acumular más de 5.600 estrellas en GitHub.
La lista de adoptantes en producción es igualmente impresionante: Bloomberg, Wellhub, Alibaba Cloud, Huawei, Trip.com, Bilibili, iFLYTEK, JDCloud, Kuaishou, RedNote, SenseTime, Vivo, WPS y ZTO, entre otros. Estos utilizan Karmada para capacidad de nube híbrida, resiliencia entre regiones, programación de GPU y CPU para cargas de trabajo de IA, y distribución de configuración a escala de flota.
Para graduarse, el proyecto se sometió a una auditoría de seguridad de terceros, formó un comité de dirección formal, adoptó el Código de Conducta de la CNCF y mantiene una insignia de Mejores Prácticas CII. Son los requisitos que la fundación exige para certificar que un proyecto está listo para su uso en producción a gran escala.
La versión 1.19: mejoras para cargas de trabajo de IA
La versión 1.19, que coincide con la graduación, introduce mejoras significativas en la programación de múltiples componentes para trabajos de entrenamiento de IA. También promueve la programación basada en prioridades a Beta, ahora activada por defecto. Estas mejoras responden directamente a las necesidades de los equipos que utilizan Karmada para distribuir cargas de trabajo de inteligencia artificial entre clústeres con diferentes capacidades de hardware.
El ecosistema: Karmada y sus alternativas
Karmada es uno de los dos proyectos de la CNCF que reemplazaron al retirado KubeFed (Federation v2). El otro es Open Cluster Management (OCM), que aún se encuentra en Sandbox. OCM utiliza un método hub-and-spoke basado en agentes, centrado en el inventario de clústeres y las APIs de complementos. Es la base de Red Hat Advanced Cluster Management y se enfoca en gobernanza y distribución de políticas.
Karmada, en cambio, enfatiza la colocación de cargas de trabajo y la programación dinámica. Incluye capas de caché para consultas de recursos entre clústeres y descubrimiento de servicios multi-clúster. Existe dentro de un contexto más amplio que incluye Cluster API, que se centra en el ciclo de vida de los clústeres en lugar de la colocación de cargas de trabajo; herramientas GitOps como Argo CD ApplicationSets y Rancher Fleet; y KubeFleet de Microsoft, que forma la base de Azure Kubernetes Fleet Manager.
Cada uno de estos proyectos aborda aspectos diferentes del mismo problema: cómo gestionar flotas de clústeres de Kubernetes de forma coherente y automatizada. Karmada se distingue por su enfoque en la programación y colocación de cargas de trabajo, y por su integración sin fricciones con el ecosistema Kubernetes existente.
¿Qué significa la graduación para el futuro de Karmada?
La graduación en la CNCF es más que un sello de aprobación. Es una señal para las empresas de que pueden adoptar Karmada con confianza, sabiendo que el proyecto ha alcanzado un nivel de madurez, gobernanza y seguridad que lo hace adecuado para entornos de producción críticos. También es un compromiso de la comunidad para mantener el proyecto a largo plazo, con un comité de dirección formal y un proceso de desarrollo transparente.
Para los equipos que gestionan múltiples clústeres de Kubernetes, Karmada ofrece una solución probada a un problema complejo. No es la única opción, y no todos los casos de uso la requieren. Pero para quienes necesitan distribuir cargas de trabajo entre regiones, proveedores de nube o centros de datos, Karmada representa una alternativa madura a la construcción de sistemas de orquestación personalizados.
El hecho de que Alibaba, Huawei, Bloomberg y otras grandes empresas confíen en Karmada para sus operaciones diarias es la mejor prueba de su valor. La graduación en la CNCF es el reconocimiento oficial de que ese valor es real y sostenible. Y con la versión 1.19, el proyecto sigue evolucionando para atender las necesidades cambiantes de la computación en la nube y la inteligencia artificial.
Descubre más desde CIBERED
Suscríbete y recibe las últimas entradas en tu correo electrónico.
