Merge pull request #991 from XiShanYongYe-Chang/songke

Karmada Adopter Group blog for Songke Intelligence

Author: karmada-bot

blog/2026-03-17-songke-officially-joined-the-karmada-adopter-group/songke.md

@@ -0,0 +1,83 @@
+# Welcome Songke Intelligence to the Karmada Adopter Group!
+
+Karmada is thrilled to announce that **[Songke Intelligence](https://www.gdsoke.com/)**
+has officially joined the Karmada Adopter Group and has become an important
+member of the community. As a project under the Cloud Native Computing
+Foundation (CNCF), Karmada is committed to providing users with powerful
+multi-cluster management and scheduling capabilities to help enterprises
+achieve efficient application deployment and management in complex distributed
+environments. The joining of **Songke Intelligence** will further strengthen the Karmada
+community, bring fresh energy to the project's ongoing innovation, and marks
+another important milestone in the growth of our community and the adoption of
+Karmada in diverse production environments.
+
+## About Songke Intelligence
+
+![member logo](../../static/img/supporters/songke.png)
+
+Guangdong Songke Intelligence Technology Co., Ltd., founded in 2012 and located
+in the University Innovation Park of Songshan Lake High-tech Zone, focuses on
+the research and development of software and hardware products for deep-learning
+neural networks. The company is committed to building a one-stop,
+next-generation AI education platform and provides comprehensive AI talent
+development solutions for training institutions, primary and secondary schools,
+and vocational and undergraduate programs, including AI case studies and
+curriculum systems, AI training and programming platforms, AI teaching kits, AI
+educational robots, and related software, hardware, and course content.
+
+Songke TPU and AMC (AI Cerebellum) serve as core components for AI learning,
+development, deployment, and competitions, providing the computing foundation
+for building intelligent agents. With modular design, low cost, and
+portability, these components support broader adoption of hands-on AI project
+education and create more opportunities for cultivating future AI talent.
+
+## About Karmada Adopter Group
+
+The **Karmada Adopter Group** is a community of organizations and users who
+have successfully adopted Karmada in their environments. Members share their
+experiences, best practices, and feedback to help improve Karmada and foster a
+vibrant, collaborative ecosystem.
+
+Becoming a member of the Karmada Adopter Group offers several advantages:
+
+- **Community Recognition**: Showcase your organization as a leader in cloud
+  native multi-cluster management and gain visibility within the CNCF and
+  Karmada communities.
+- **Collaboration & Networking**: Connect with other adopters, share best
+  practices, and collaborate on real-world use cases and solutions.
+- **Stay Updated**: Receive timely notifications on critical updates, including
+  key features, bug fixes, and security advisories.
+- **Event Participation**: Invitations to participate in Karmada-related
+  events, including KubeCon + CloudNativeCon, webinars, and meetups.
+- **Job Postings**: Opportunity to post job openings related to Karmada on the
+  Karmada Community Supported Job Board (not available now).
+- **Business Opportunities**: Potential business connections and collaborations
+  with other members of the Karmada ecosystem.
+
+Learn more about the Karmada Adopter Group in
+[GitHub community repository](https://github.com/karmada-io/community/tree/main/adopter-group),
+and see the full list of `public` adopters at
+[karmada.io/adopters](https://karmada.io/adopters).
+
+## Join Karmada Adopter Group
+
+The Karmada Adopter Group is open to `end users` and `vendors` who are
+currently using Karmada in `production`. This includes:
+
+- **End Users**: Organizations that run Karmada in their production environments.
+- **Vendors**: Companies that offer products or services based on Karmada and
+  have customers using it in production.
+
+Are you using Karmada in production and interested in joining the Karmada
+Adopter Group?
+
+Joining is simple—just fill out the
+[Karmada Adopter Group Application Form](https://github.com/karmada-io/karmada/issues/4540)
+with your organization's information. After your application is reviewed and
+approved, your organization will be added to the Karmada Adopter Group.
+
+For more details, please see the
+[How to Join](https://github.com/karmada-io/community/tree/main/adopter-group#how-to-join)
+section in the community repository.
+
+Let's grow the Karmada community and the broader multicluster ecosystem together!

i18n/zh/docusaurus-plugin-content-blog/2025-05-30-karmada-v1.14/karmada-v1.14.md

@@ -1,7 +1,6 @@
 # Karmada v1.14 版本发布！新增联邦资源配额管理能力!
 
-Karmada 是开放的多云多集群容器编排引擎，旨在帮助用户在多云环境下部署和运维业务应用。凭借兼容 Kubernetes 原生 API 的能力，Karmada 可以
-平滑迁移单集群工作负载，并且仍可保持与 Kubernetes 周边生态工具链协同。
+Karmada 是开放的多云多集群容器编排引擎，旨在帮助用户在多云环境下部署和运维业务应用。凭借兼容 Kubernetes 原生 API 的能力，Karmada 可以平滑迁移单集群工作负载，并且仍可保持与 Kubernetes 周边生态工具链协同。
 
 [Karmada v1.14](https://github.com/karmada-io/karmada/releases/tag/v1.14.0) 版本现已发布，本版本包含下列新增特性：
 
@@ -14,11 +13,9 @@ Karmada 是开放的多云多集群容器编排引擎，旨在帮助用户在多
 
 ### 联邦资源配额管理
 
-在多租户的云基础设施中，配额管理是确保资源公平分配和防止超额使用的关键。尤其在多云多集群环境下，分散的配额系统往往导致资源监控困难和管理割
-裂，因此实现跨集群的联邦配额管理成为提升资源治理效率的核心要素。
+在多租户的云基础设施中，配额管理是确保资源公平分配和防止超额使用的关键。尤其在多云多集群环境下，分散的配额系统往往导致资源监控困难和管理割裂，因此实现跨集群的联邦配额管理成为提升资源治理效率的核心要素。
 
-此前，Karmada 通过 FederatedResourceQuota 将全局配额分配至成员集群，由各集群本地实施配额管控。本次版本升级增强了联邦配额管理能力，新
-增控制平面全局配额检查机制，支持直接在控制平面进行全局资源配额校验。
+此前，Karmada 通过 FederatedResourceQuota 将全局配额分配至成员集群，由各集群本地实施配额管控。本次版本升级增强了联邦配额管理能力，新增控制平面全局配额检查机制，支持直接在控制平面进行全局资源配额校验。
 
 该功能特别适用于以下场景：
 - 您需要从统一位置跟踪资源消耗和限制，而无需关注集群级别的分配情况。
@@ -39,8 +36,7 @@ spec:
     cpu: 100
 ```
 
-一旦应用，Karmada 将开始监控和执行 test 命名空间的 CPU 资源限制。假设您应用了一个需要 20 个 CPU 的新 Deployment。联邦资源配额的状态
-将更新为如下所示：
+一旦应用，Karmada 将开始监控和执行 test 命名空间的 CPU 资源限制。假设您应用了一个需要 20 个 CPU 的新 Deployment。联邦资源配额的状态将更新为如下所示：
 
 ```yaml
 spec:
@@ -59,14 +55,11 @@ status:
 
 ### 定制化污点管理
 
-在 v1.14 之前的版本中，当用户启用故障转移功能时，系统在检测到健康状态异常后会自动向集群添加一个 NoExecute effect 污点，从而触发目标集
-群上所有资源的迁移。
+在 v1.14 之前的版本中，当用户启用故障转移功能时，系统在检测到健康状态异常后会自动向集群添加一个 NoExecute effect 污点，从而触发目标集群上所有资源的迁移。
 
-在这个版本中，我们对系统中潜在的迁移触发因素进行了全面审查。所有隐含的集群故障转移行为已被消除，并且引入了针对集群故障机制的明确约束条件。
-这使得因集群故障而引发的资源迁移能够得到统一管理，进一步增强了系统的稳定性和可预测性。
+在这个版本中，我们对系统中潜在的迁移触发因素进行了全面审查。所有隐含的集群故障转移行为已被消除，并且引入了针对集群故障机制的明确约束条件。这使得因集群故障而引发的资源迁移能够得到统一管理，进一步增强了系统的稳定性和可预测性。
 
-集群故障条件是通过评估出现故障的集群对象的状态条件来确定的，以便应用污点，这一过程可以称为“Taint Cluster By Conditions”。此版本引入了
-一个新的 API - ClusterTaintPolicy，它允许用户自定义规则，以便在预定义的集群状态条件得到满足时，为目标集群添加特定的污点。
+集群故障条件是通过评估出现故障的集群对象的状态条件来确定的，以便应用污点，这一过程可以称为“Taint Cluster By Conditions”。此版本引入了一个新的 API - ClusterTaintPolicy，它允许用户自定义规则，以便在预定义的集群状态条件得到满足时，为目标集群添加特定的污点。
 
 ![Cluster Taint Management](img/clustertaintpolicy.png)
 
@@ -109,10 +102,7 @@ spec:
     effect: NoExecute
 ```
 
-上面的例子描述了一个针对 `member1` 和 `member2` 集群的 ClusterTaintPolicy 资源，当集群的状态条件同时满足 `Type` 为 `Ready` 和 `NetworkAvailable`
-的 condition value 不等于 True 时，会为目标集群添加污点 `{not-ready:NoSchedule}` 与 `{not-ready:NoExecute}`；当集群的状态条件同
-时满足 `Type` 为 `Ready` 和 `NetworkAvailable` 的 condition value 等于 True 时，会移除目标集群上的污点 `{not-ready:NoSchedule}`
-和 `{not-ready:NoExecute}`。
+上面的例子描述了一个针对 `member1` 和 `member2` 集群的 ClusterTaintPolicy 资源，当集群的状态条件同时满足 `Type` 为 `Ready` 和 `NetworkAvailable` 的 condition value 不等于 True 时，会为目标集群添加污点 `{not-ready:NoSchedule}` 与 `{not-ready:NoExecute}`；当集群的状态条件同时满足 `Type` 为 `Ready` 和 `NetworkAvailable` 的 condition value 等于 True 时，会移除目标集群上的污点 `{not-ready:NoSchedule}` 和 `{not-ready:NoExecute}`。
 
 有关此功能的详细用法，可以参考特性使用文档：[集群污点管理](https://karmada.io/docs/next/userguide/failover/cluster-taint-management/)。
 
@@ -130,13 +120,11 @@ spec:
 
 ### Karmada 控制器性能显著提升
 
-自 1.13 版本发布以来，Karmada adopters 自发组织起来对 Karmada 性能进行优化。如今，一个稳定且持续运作的性能优化团队 SIG-Scalability
-已经组建，致力于提升 Karmada 的性能与稳定性。感谢所有参与者付出的努力。如果大家有兴趣，随时欢迎大家加入。
+自 1.13 版本发布以来，Karmada adopters 自发组织起来对 Karmada 性能进行优化。如今，一个稳定且持续运作的性能优化团队 SIG-Scalability 已经组建，致力于提升 Karmada 的性能与稳定性。感谢所有参与者付出的努力。如果大家有兴趣，随时欢迎大家加入。
 
 在本次版本中，Karmada 实现了显著的性能提升，尤其是在 `karmada-controller-manager` 组件中。为验证这些改进，实施了以下测试设置：
 
-测试设置包括 5000 个 Deployment，每个 Deployment 都与一个相应的 PropagationPolicy 配对，该策略将其调度到两个成员集群。每个 Deployment
-还依赖一个唯一的 ConfigMap，它会与 Deployment 一起分发到相同的集群。这些资源是在 `karmada-controller-manager` 组件离线时创建的，这
+测试设置包括 5000 个 Deployment，每个 Deployment 都与一个相应的 PropagationPolicy 配对，该策略将其调度到两个成员集群。每个 Deployment 还依赖一个唯一的 ConfigMap，它会与 Deployment 一起分发到相同的集群。这些资源是在 `karmada-controller-manager` 组件离线时创建的，这
 意味着在测试期间 Karmada 首次对它们进行同步。测试结果如下：
 
 - 冷启动时间（清空工作队列）从约 7 分钟缩短至约 4 分钟，提升了 45%。

i18n/zh/docusaurus-plugin-content-blog/2025-09-05-karmada-v1.15/karmada-v1.15.md

@@ -1,7 +1,6 @@
 # Karmada v1.15 版本发布！多模板工作负载资源感知能力增强！
 
-Karmada 是开放的多云多集群容器编排引擎，旨在帮助用户在多云环境下部署和运维业务应用。凭借兼容 Kubernetes 原生 API 的能力，Karmada 可以
-平滑迁移单集群工作负载，并且仍可保持与 Kubernetes 周边生态工具链协同。
+Karmada 是开放的多云多集群容器编排引擎，旨在帮助用户在多云环境下部署和运维业务应用。凭借兼容 Kubernetes 原生 API 的能力，Karmada 可以平滑迁移单集群工作负载，并且仍可保持与 Kubernetes 周边生态工具链协同。
 
 [Karmada v1.15](https://github.com/karmada-io/karmada/releases/tag/v1.15.0) 版本现已发布，本版本包含下列新增特性：
 

i18n/zh/docusaurus-plugin-content-blog/2025-10-16-scatterlab-officially-joined-the-karmada-adopter-group/scatterlab.md

@@ -1,32 +1,24 @@
 # 欢迎 Scatter Lab 加入 Karmada 用户组
 
-Karmada 非常高兴地宣布 **[Scatter Lab](https://www.scatterlab.co.kr/ko)** 正式加入 Karmada 用户组，成为社区的重要成员。
-作为云原生计算基金会（CNCF）旗下的项目，Karmada 致力于为用户提供强大的多集群管理和调度能力，帮助企业在复杂的分布式环境中实现高效的应用部署和管理。
-**Scatter Lab**的加入将进一步加强 Karmada 社区，为项目的持续创新带来新的活力，标志着我们社区发展和 Karmada 在多样化生产环境中采用的又一个
-重要里程碑。
+Karmada 非常高兴地宣布 **[Scatter Lab](https://www.scatterlab.co.kr/ko)** 正式加入 Karmada 用户组，成为社区的重要成员。作为云原生计算基金会（CNCF）旗下的项目，Karmada 致力于为用户提供强大的多集群管理和调度能力，帮助企业在复杂的分布式环境中实现高效的应用部署和管理。**Scatter Lab**的加入将进一步加强 Karmada 社区，为项目的持续创新带来新的活力，标志着我们社区发展和 Karmada 在多样化生产环境中采用的又一个重要里程碑。
 
 ## 关于 Scatter Lab
 
 ![member logo](../../../../static/img/supporters/scatterlab.png)
 
-Scatter Lab 是一家致力于通过尖端自然语言处理和生成式人工智能技术重塑娱乐体验的韩国科技公司。公司目前以 Zeta 为核心产品，这是一款沉浸式 AI 聊
-天娱乐平台，于 2024 年 4 月正式上线。
+Scatter Lab 是一家致力于通过尖端自然语言处理和生成式人工智能技术重塑娱乐体验的韩国科技公司。公司目前以 Zeta 为核心产品，这是一款沉浸式 AI 聊天娱乐平台，于 2024 年 4 月正式上线。
 
-Zeta 通过让用户与 AI 角色共同创作动态、个性化的叙事内容，重新定义了用户参与方式——从被动消费内容转变为实时、主动的共创体验。上线一年内，Zeta 
-注册用户已突破 200 万，月活跃用户达 80 万，用户日均使用时长超过 2 小时 40 分钟。
+Zeta 通过让用户与 AI 角色共同创作动态、个性化的叙事内容，重新定义了用户参与方式——从被动消费内容转变为实时、主动的共创体验。上线一年内，Zeta 注册用户已突破 200 万，月活跃用户达 80 万，用户日均使用时长超过 2 小时 40 分钟。
 
-Zeta 的核心技术是 Scatter Lab 自主研发的 AI 模型 Spotwrite-1。该模型不仅追求语言连贯性，更专注于“趣味性”，通过创造力、不可预测性，甚至
-可控的“幻觉”机制，为用户提供引人入胜的互动体验。公司已实现从数据、训练到应用的全栈垂直整合，兼顾高性能与成本效率。
+Zeta 的核心技术是 Scatter Lab 自主研发的 AI 模型 Spotwrite-1。该模型不仅追求语言连贯性，更专注于“趣味性”，通过创造力、不可预测性，甚至可控的“幻觉”机制，为用户提供引人入胜的互动体验。公司已实现从数据、训练到应用的全栈垂直整合，兼顾高性能与成本效率。
 
 值得一提的是，Scatter Lab 自 2024 年第四季度起已连续六个季度实现盈利，在 AI 消费领域展现出罕见的快速增长与可持续商业化能力。
 
-秉持“让 AI 成为人类叙事中的真正伙伴”这一愿景，Scatter Lab 正以 Zeta 为起点，向全球市场拓展，首站为日本，致力于塑造下一代“AI 原生娱乐”的
-未来。
+秉持“让 AI 成为人类叙事中的真正伙伴”这一愿景，Scatter Lab 正以 Zeta 为起点，向全球市场拓展，首站为日本，致力于塑造下一代“AI 原生娱乐”的未来。
 
 ## 关于 Karmada 用户组
 
-**Karmada 用户组**是一个由在其环境中成功采用 Karmada 的组织和用户组成的社区。成员分享他们的经验、最佳实践和反馈，以帮助改进 Karmada 并培育
-一个充满活力的协作生态系统。
+**Karmada 用户组**是一个由在其环境中成功采用 Karmada 的组织和用户组成的社区。成员分享他们的经验、最佳实践和反馈，以帮助改进 Karmada 并培育一个充满活力的协作生态系统。
 
 成为 Karmada 用户组成员具有以下几个优势：
 
@@ -37,8 +29,7 @@ Zeta 的核心技术是 Scatter Lab 自主研发的 AI 模型 Spotwrite-1。该
 - **职位发布**：有机会在 Karmada 社区支持的职位公告板上发布与 Karmada 相关的职位空缺（目前暂不可用）。
 - **扩展商业机会**：与 Karmada 生态系统的其他成员建立潜在的商业联系和合作。
 
-在 [GitHub 社区仓库](https://github.com/karmada-io/community/tree/main/adopter-group) 中了解更多关于 Karmada 用户组的信息，
-并在 [karmada.io/adopters](https://karmada.io/zh/adopters) 查看完整的`公开`的采用者列表。
+在 [GitHub 社区仓库](https://github.com/karmada-io/community/tree/main/adopter-group) 中了解更多关于 Karmada 用户组的信息，并在 [karmada.io/adopters](https://karmada.io/zh/adopters) 查看完整的`公开`的采用者列表。
 
 ## 加入 Karmada 用户组
 
@@ -49,8 +40,7 @@ Zeta 的核心技术是 Scatter Lab 自主研发的 AI 模型 Spotwrite-1。该
 
 您是否在生产环境中使用 Karmada 并有兴趣加入 Karmada 用户组？
 
-加入很简单——只需填写 [Karmada 用户组申请表单](https://github.com/karmada-io/karmada/issues/4540) 并提供您组织的信息。
-在您的申请经过审核和批准后，您的组织将被添加到 Karmada 用户组。
+加入很简单——只需填写 [Karmada 用户组申请表单](https://github.com/karmada-io/karmada/issues/4540) 并提供您组织的信息。在您的申请经过审核和批准后，您的组织将被添加到 Karmada 用户组。
 
 更多详情，请查看社区仓库中的 [如何加入](https://github.com/karmada-io/community/tree/main/adopter-group#how-to-join) 部分。