Kubernetes v1.37 "Garhwal" гарлаа: AI/GPU кластер болон API валидацийн шинэ эрин

Cloud Native тооцоолол болон контейнер оркестрацийн тулгуур болсон Kubernetes төслийн хамт олон v1.37 шинэ хувилбараа "Garhwal" нэртэйгээр албан ёсоор зарлалаа. Хималайн нурууны сүрлэг оргил, уулын шаталсан дэнжүүдийн тогтвортой бүтцээс сэдэвлэсэн энэхүү хувилбарт нийт 67 томоохон сайжруулалт багтсанаас 16 нь бүрэн тогтворжсон буюу Stable (GA), 23 нь Beta, 27 нь Alpha түвшинд шилжжээ.

Сүүлийн жилүүдэд AI загваруудын сургалт (training), өндөр хүчин чадлын inference болон GPU дэд бүтцийн эрэлт асар их нэмэгдсэн билээ. Kubernetes 1.37 нь дэд бүтцийн инженерүүд, SRE болон backend/operator хөгжүүлэгчдэд зориулсан бодит шийдлүүдийг авчирч байна.

---

1. Dynamic Resource Allocation (DRA): AI/GPU ачааллыг ухаалгаар удирдах нь

Өмнө нь Kubernetes дээр GPU болон төрөл бүрийн accelerator төхөөрөмжүүдийг хуваарилахдаа хуучирсан resources.limits бүтэц болон тусдаа plugin-үүдэд найдахаас өөр аргагүй байсан. v1.37 хувилбараар DRA (Dynamic Resource Allocation) архитектур дараах дөрвөн үндсэн чадамжийг Stable болгосноор жинхэнэ утгаараа бүрэн төгөлдөржлөө:

• Device Taints and Tolerations (Stable): Кластер дээр ажиллаж буй 8x H100 серверийн аль нэг GPU дээр шөнийн 03:00 цагт санах ойн (ECC) алдаа гарахад урьд нь бүтэн worker node-ийг drain хийх эсвэл pod-уудыг гараар нүүлгэх шаардлага гардаг байсан. Одоо төхөөрөмжийн driver эсвэл админ нь DeviceTaintRule ашиглан зөвхөн тухайн гэмтэлтэй GPU-г тэмдэглэж (taint), бусад 7 GPU-г асуудалгүй үргэлжлүүлэн ажиллуулах боломжтой боллоо.
• ResourceClaim.status.devices (Stable): Төхөөрөмжүүдийн төлөв, санах ойн хуваарилалт, статус нь тус бүртээ тусдаа бүртгэгдэж, driver болон scheduler-ийн хооронд мэдээлэл бодит цаг хугацаанд нарийвчлалтай дамжина.

Энэхүү шинэчлэл нь олон баг нэгэн зэрэг дундын GPU нөөцөөс ашигладаг "AI Factory" болон Enterprise LLM платформуудын найдвартай ажиллагааг эрс сайжруулж байна.

---

2. Declarative Validation (DV): 75%-ийн кодын хялбаршуулалт

Kubernetes 1.37 хувилбарын хөгжүүлэлтийн явцад нийт 118 API PR хянагдсан нь төслийн түүхэн дэх хамгийн өндөр үзүүлэлт болов. Үүний гол нууц нь Declarative Validation (DV)-ийг өргөн хүрээнд ашиглаж эхэлсэнд оршиж байна.

Өмнө нь Kubernetes-ийн үндсэн API болон Custom Resource Definition (CRD) хөгжүүлэгчид талбаруудын утгыг шалгахын тулд (жишээ нь: утга нь 0-ээс их байх, хоосон биш байх гэх мэт) Go хэл дээр урт, төвөгтэй imperative кодуудыг гараар бичдэг байв. Харин одоо:

• IDL (Interface Definition Language) түвшний тагуудыг (+k8s:optional, +k8s:minimum=0 гэх мэт) шууд API төрлийг зарласан types.go файлууд дээр бичнэ.
• Код үүсгэгч validation-gen хэрэгсэл нь шаардлагатай валидацийн логикийг автоматаар үүсгэдэг болсон.
• Энэ хувилбарын нийт шинэ валидациудын 75 орчим хувийг Declarative хэлбэрээр бичсэн нь хөгжүүлэгчдийн гар ажиллагааг багасгаж, хүний хүчин зүйлээс үүдэлтэй алдаануудыг эрс бууруулжээ.

---

3. Metrics API бүрэн Stable боллоо

Кластерийн мониторинг, resource usage-ийг хянах, цаашлаад HPA (Horizontal Pod Autoscaler) тооцооллын гол цөм болсон Metrics API албан ёсоор GA/Stable зэрэглэлд шилжлээ.

Энэ нь кластер доторх CPU, Memory хэрэглээний суурь хэмжигдэхүүнүүдийг гадны ямар нэг нэмэлт протоколгүйгээр, үндсэн Kubernetes API стандартын дагуу алдаагүй, найдвартай авах боломжийг стандартчилав.

---

4. Хөгжүүлэгчид болон DevOps инженерүүдэд юу өөрчлөгдөх вэ?

1. AI & ML Engineer / MLOps: Дэд бүтцийн GPU хуваарилалт илүү уян хатан болж, олон pod нэг node-ийн тодорхой GPU-үүдийг dynamic claim байдлаар авахад хялбар болов.
2. Kubernetes Operator Хөгжүүлэгчид: Go хэлээр CRD, Operator бичиж буй хөгжүүлэгчид валидацийн логикоо бүрэн declarative загвар луу шилжүүлж, validation-gen ашиглах нь стандарт арга барил болж байна.
3. SRE & Platform Engineer: Алдаа заасан төхөөрөмжийг кластераас тусгаарлах, автоматаар autoscaling хийх зэрэг нь илүү цэвэр, тогтвортой архитектураар шийдэгдлээ.

Эх сурвалж: https://www.kubernetes.dev/blog/2026/08/27/kubernetes-v1-37-declarative-validation/