当前位置:首页 > 文章列表 > 科技周边 > 业界新闻 > Open Cluster Management 的 hub-and-spoke 架构怎样支撑多集群管理

Open Cluster Management 的 hub-and-spoke 架构怎样支撑多集群管理

来源:17golang原创 2026-11-18 01:32:44 0浏览 收藏

如果你关心的是“一个控制面怎样管理很多 Kubernetes 集群”,Open Cluster Management(OCM)的关键答案不是把所有集群变成一个超级集群,而是用 hub-and-spoke 架构保留各集群的自治性:hub 负责注册、选择和分发,受管集群上的代理负责拉取并执行。

官方地址:https://open-cluster-management.io/

CNCF 在 2026 年 11 月 10 日的官方文章中宣布 OCM 成为 Incubating Project。这个消息说明项目的治理、贡献者协作和生态位置发生变化,但不等于 CNCF 替团队完成了容量、可靠性或安全验收。下面只拆解公开架构与采用时应该核对的边界。

先看懂:进入 CNCF 孵化和架构能力是两件事

OCM 早先已在 CNCF Sandbox,后来进入 Incubating。对读者最有用的理解是:项目成熟度标签主要描述社区、治理、贡献和采用进展;hub-and-spoke、声明式 API、异步 pull 等则是产品架构能力。两者有关联,但不能互相替代。

因此,看到“晋级孵化项目”时,不应该直接得出“已经适合所有生产环境”的结论。真正的上线判断仍然要回到集群版本、网络策略、权限模型、故障恢复和工作负载类型。

Open Cluster Management hub 与多个受管 Kubernetes 集群的 hub-and-spoke 角色关系说明图
图1:OCM hub 与受管集群的职责边界说明图;这是原创结构图,不是官网截图或运行结果。

hub-and-spoke 怎样划分控制面和执行面

在 OCM 的模型里,hub 一侧的 Cluster Manager 负责协调注册、工作分发、放置决策和扩展组件;每个受管集群一侧运行 Klusterlet,负责向 hub 注册、接收工作并在本地应用。

这是一种很重要的边界:hub 不需要把每个受管集群都当作本地 API Server 来操作。受管集群保留自己的 Kubernetes 控制面,OCM 通过代理和声明式对象传递意图。官方文章还强调了异步 pull 模型,工程上可以把它理解为“集群主动拉取待处理工作”,而不是要求 hub 持有所有集群的直接写入凭据。

这种设计并不意味着网络和权限问题自动消失。团队仍需核对代理到 hub 的连通性、证书轮换、受管集群命名空间、网络策略以及代理断线后的重试和状态恢复。

注册、分发和放置是三条不同链路

多集群管理经常被简化成“把应用发到多个集群”,但 OCM 至少要分开看三条链路:

链路主要对象或组件要回答的问题
注册Cluster Manager、Klusterlet、Cluster Inventory这个集群是谁、是否完成加入、身份如何轮换
分发ManifestWork哪些 Kubernetes 资源要送到受管集群,冲突和状态如何反馈
放置Placement、PlacementDecision根据标签、容量或自定义条件选择哪些集群

注册成功不代表应用已经部署;ManifestWork 创建成功也不代表目标集群已经达到期望状态;PlacementDecision 变化则可能触发后续分发范围变化。排障时把三条链路混在一起,通常会把“没注册”“没选中”和“已下发但本地未就绪”误认为同一种故障。

Open Cluster Management 从集群注册到 PlacementDecision 和 ManifestWork 分发的流程说明图
图2:从注册、放置决策到 ManifestWork 分发的静态流程图;这是原创说明图,不是线上控制台截图。

采用前应该核对哪些工程边界

  1. 网络方向:确认 Klusterlet 到 hub 的连接方式、代理出口、断线重连和跨区域延迟是否符合实际拓扑。
  2. 身份与凭据:确认注册握手、mTLS、证书轮换和最小权限范围;不要把“pull 模型”理解成无需做密钥治理。
  3. 版本兼容:把 OCM 版本、Kubernetes 版本、附加组件版本和 CRD 升级顺序写入变更计划。
  4. 状态反馈:为注册状态、ManifestWork 应用状态和 PlacementDecision 变化建立可观察的告警与审计字段。
  5. 故障恢复:分别演练 hub 暂时不可用、受管集群断网、局部资源冲突和代理恢复后的重放行为。
  6. 渐进交付:先用标签和 Placement 把变更限制在小范围集群,再观察本地状态后扩大分发范围。

这些检查项是工程建议,不是 CNCF 文章给出的统一认证清单。OCM 的 Incubating 身份能够帮助团队理解项目治理位置,却不能替代自己的压测、权限审计、灾备演练和回滚验证。

常见问题

OCM 的 hub 会不会替代每个 Kubernetes 集群的控制面?

不会。hub 负责多集群协调,受管集群仍保留自己的 Kubernetes 控制面和本地资源生命周期。

异步 pull 是否等于不需要 hub 到集群的任何通信?

不是。它改变的是工作获取方向和凭据集中方式,仍要保证代理与 hub 之间的连接、认证、重试和状态回传。

PlacementDecision 变化后,应用一定已经完成切换吗?

不一定。PlacementDecision 表示选择结果,后续还要看 ManifestWork 是否下发、本地控制器是否应用以及工作负载是否就绪。

CNCF Incubating 能否直接作为采购或上线依据?

不能单独作为依据。它是项目治理和成熟度阶段信息,仍需结合团队自己的兼容性、容量、安全和恢复验证。

总结:OCM 的 hub-and-spoke 价值在于把多集群协调集中到 hub,同时让受管集群通过 Klusterlet 保留自治。理解注册、放置和分发三条链路,再把网络、身份、版本和恢复纳入验收,才能把 CNCF 的项目消息转化为可执行的工程判断。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
CNCF 推出 User Groups,终端用户协作怎样获得长期组织支持CNCF 推出 User Groups,终端用户协作怎样获得长期组织支持
上一篇
CNCF 推出 User Groups,终端用户协作怎样获得长期组织支持
CNCF 2026 社区奖项怎样呈现云原生贡献类型
下一篇
CNCF 2026 社区奖项怎样呈现云原生贡献类型
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    1084次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    1084次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    1247次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    1191次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    1037次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码