Karmada को CNCF की अंतिम परिपक्वता मिली—AI कार्यों को नई प्राथमिकता

CNCF ने 8 सितंबर 2026 को शंघाई में Karmada के स्नातक परिपक्वता स्तर की घोषणा की। InfoQ की स्वतंत्र रिपोर्ट भी उसी तारीख, स्थान और स्थिति की पुष्टि करती है: बहु-क्लस्टर Kubernetes व्यवस्थापक Karmada से अनुप्रयोग की मौजूदा संसाधन परिभाषाएं बदले बिना अलग क्लस्टर, क्लाउड और क्षेत्रों में कार्यभार चला सकते हैं।

इसी घोषणा में Karmada v1.19 के दो AI-संबंधित बदलाव सामने रखे गए। CNCF की घोषणा के अनुसार संस्करण वितरित प्रशिक्षण के बहु-घटक समय-निर्धारण को आगे बढ़ाता है और प्राथमिकता-आधारित समय-निर्धारण को मूलतः सक्रिय बीटा बनाता है। इसका अर्थ यह नहीं कि हर AI कार्य को स्वतः ऊंची प्राथमिकता मिलेगी; क्रम नीति में घोषित प्राथमिकता से तय होगा।

स्नातक दर्जा किन परिचालन संकेतों को मजबूत करता है

स्नातक स्तर CNCF की मौजूदा परियोजना-परिपक्वता व्यवस्था का सर्वोच्च चरण है। Karmada ने इसके लिए तकनीकी परिपक्वता और उत्पादन में अपनाए जाने के प्रमाणों के साथ तीसरे पक्ष की सुरक्षा समीक्षा, औपचारिक संचालन समिति, आचार संहिता और सुरक्षित सॉफ्टवेयर विकास से जुड़ी सर्वोत्तम प्रथाएं प्रस्तुत कीं। इसलिए यह दर्जा केवल सुविधाओं की सूची नहीं, बल्कि परियोजना के शासन, रखरखाव और सुरक्षा प्रक्रिया पर हुई समीक्षा का संकेत है।

परिपक्वता की समयरेखा भी दर्जे की प्रकृति स्पष्ट करती है। CNCF की Karmada प्रविष्टि में 14 सितंबर 2021 को स्वीकृति, 12 दिसंबर 2023 को परिपोषित स्तर और 3 सितंबर 2026 को स्नातक स्तर दर्ज है; सार्वजनिक घोषणा पांच दिन बाद हुई। यह क्रम बताता है कि 8 सितंबर का समाचार एक नई परियोजना या अचानक मिला प्रमाणपत्र नहीं, बल्कि कई चरणों की समीक्षा का सार्वजनिक परिणाम था।

क्लाउड अभियंताओं के लिए इसका व्यावहारिक अर्थ सीमित लेकिन महत्वपूर्ण है। परियोजना ने खुले निर्णय-तंत्र, सुरक्षा अभ्यास, सक्रिय रखरखाव और वास्तविक उत्पादन उपयोग के प्रमाण दिए हैं, इसलिए दीर्घकालिक तकनीकी चयन में उसका भरोसे का आधार मजबूत हुआ है। फिर भी CNCF दर्जा किसी विशेष संस्थान की तैनाती के प्रदर्शन, लागत, उपलब्धता, नियामकीय अनुपालन या सेवा-स्तर की गारंटी नहीं देता।

v1.19 बहु-घटक प्रशिक्षण का परिणाम कैसे दर्ज करता है

वितरित प्रशिक्षण कार्यों के घटक एक जैसे नहीं होते। मुख्य और सहायक प्रक्रियाओं की प्रतिकृति संख्या तथा CPU, स्मृति या GPU आवश्यकताएं अलग हो सकती हैं; सभी को एक ही प्रतिरूप मानने पर शेड्यूलर किसी क्लस्टर की जरूरत कम या अधिक आंक सकता है। Karmada की बहु-घटक क्षमता इसी अंतर को समय-निर्धारण के निर्णय में शामिल करती है।

v1.19 के आधिकारिक परिवर्तन-विवरण में ResourceBinding और ClusterResourceBinding के लिए नया spec.clusters[*].components क्षेत्र दर्ज है। MultiplePodTemplatesScheduling सुविधा-द्वार सक्रिय होने पर शेड्यूलर प्रत्येक घटक की प्रतिकृति-नियुक्ति को परिणाम में सुरक्षित करता है। इससे जटिल कार्यभार एक अपारदर्शी कुल संख्या के बजाय घटकवार दिखाई देता है और आगे विस्तार या पुनर्निर्धारण के लिए आवश्यक स्थिति उपलब्ध होती है।

यह पूरी क्षमता v1.19 में शून्य से शुरू नहीं हुई। बहु-घटक समय-निर्धारण v1.16 से अल्फा सुविधा के रूप में उपलब्ध है; नया संस्करण परिणामों को प्रति घटक सहेजने वाला अगला चरण जोड़ता है। Karmada के तकनीकी दस्तावेज Ray, TensorFlow, PyTorch और दूसरे वितरित ढांचों को उपयोग-क्षेत्र बताते हैं, लेकिन यह सीमा भी दर्ज करते हैं कि एक कार्यभार के सभी घटक अभी एक ही सदस्य क्लस्टर में रखे जाते हैं; उन्हें अलग-अलग क्लस्टरों में बांटना समर्थित नहीं है।

नई प्राथमिकता क्रम बदलती है, संसाधन की गारंटी नहीं

v1.19 में PriorityBasedScheduling सुविधा-द्वार बीटा स्तर पर पहुंचा और मूलतः सक्रिय हुआ। PropagationPolicy या ClusterPropagationPolicy के spec.schedulePriority में दी गई प्राथमिकता के अनुसार अधिक महत्वपूर्ण कार्यभार समय-निर्धारण क्षमता के लिए प्रतिस्पर्धा करते समय पहले चुना जा सकता है। प्रतीक्षा या असफल समय-निर्धारण के बाद सक्रिय कतार में लौटने वाले कार्यों को भी प्राथमिकता क्रम में दोबारा रखा जाता है, हालांकि पुनः प्रयास सर्वोत्तम-प्रयास आधार पर होता है।

यही शीर्षक में AI कार्यों को मिली “नई प्राथमिकता” की सीमा है: सुविधा वितरित प्रशिक्षण समेत कार्यभारों को नीति के आधार पर क्रम देती है, पर Karmada स्वयं AI कार्य की व्यावसायिक महत्ता तय नहीं करता। प्रशासक को प्राथमिकता घोषित करनी होगी। यदि कोई तैनाती नया मूल व्यवहार नहीं चाहती, तो karmada-scheduler पर PriorityBasedScheduling सुविधा-द्वार बंद किया जा सकता है।

प्राथमिकता और पूर्वग्रहण भी अलग बातें हैं। मौजूदा बीटा सुविधा पहले से चल रहे कम प्राथमिकता वाले कार्य को हटाकर जरूरी प्रशिक्षण के लिए GPU खाली करने का वादा नहीं करती। प्राथमिकता-आधारित पूर्वग्रहण, बहु-क्लस्टर AI और बैच कतार तथा GPU जैसे त्वरकों के लिए Kubernetes Dynamic Resource Allocation का विस्तार 2026 की कार्ययोजना में हैं—वे v1.19 की उपलब्ध क्षमताएं नहीं हैं।

परियोजना की परिपक्वता और सुविधा की परिपक्वता अलग हैं

Karmada का स्नातक होना पूरी परियोजना पर लागू परिपक्वता संकेत है, जबकि v1.19 की दोनों क्षमताओं की अपनी सीमाएं हैं। प्राथमिकता-आधारित समय-निर्धारण बीटा और मूलतः सक्रिय है; बहु-घटक समय-निर्धारण अल्फा है और अलग सुविधा-द्वार पर निर्भर करता है। इसलिए स्नातक परियोजना के भीतर किसी सुविधा का बीटा या अल्फा होना विरोधाभास नहीं है।

परिचालन प्रभाव दो स्तरों पर दिखेगा। घटकवार परिणाम यह समझने का बेहतर आधार देते हैं कि जटिल कार्यभार को कितनी प्रतिकृतियां मिलीं, जबकि प्राथमिकता साझा समय-निर्धारण क्षमता के लिए प्रतिस्पर्धा करने वाले कार्यों में नीतिगत क्रम लागू करती है। वास्तविक परिणाम फिर भी उपलब्ध संसाधनों, नेटवर्क, भंडारण, विलंबता, सदस्य क्लस्टर की स्थिति और प्रशिक्षण ढांचे के विन्यास पर निर्भर रहेगा।

फिलहाल पुष्टि की गई स्थिति इतनी है: Karmada 3 सितंबर से CNCF की स्नातक परियोजना है, इसकी घोषणा 8 सितंबर को हुई और v1.19 जारी संस्करण के रूप में घटकवार परिणाम तथा मूलतः सक्रिय बीटा प्राथमिकता देता है। अलग क्लस्टरों में घटकों का विभाजन, प्राथमिकता-आधारित संसाधन पूर्वग्रहण और बहु-क्लस्टर AI कतार अभी आगे के विकास के विषय हैं, मौजूदा सेवा-गारंटी नहीं।