容器运行时插件（Container Runtime Interface，简称 CRI）是 Kubernetes v1.5 引入的容器运行时接口，它将 Kubelet 与容器运行时解耦，将原来完全面向 Pod 级别的内部接口拆分成面向 Sandbox 和 Container 的 gRPC 接口，并将镜像管理和容器管理分离到不同的服务。
CRI 最早从从 1.4 版就开始设计讨论和开发，在 v1.5 中发布第一个测试版。在 v1.6 时已经有了很多外部容器运行时，如 frakti 和 cri-o 等。v1.7 中又新增了 cri-containerd 支持用 Containerd 来管理容器。
采用 CRI 后，Kubelet 的架构如下图所示：
CRI 基于 gRPC 定义了 RuntimeService 和 ImageService 等两个 gRPC 服务，分别用于容器运行时和镜像的管理。其定义在
- v1.14 以以上：https://github.com/kubernetes/cri-api/tree/master/pkg/apis/runtime
- v1.10-v1.13: pkg/kubelet/apis/cri/runtime/v1alpha2
- v1.7-v1.9: pkg/kubelet/apis/cri/v1alpha1/runtime
- v1.6: pkg/kubelet/api/v1alpha1/runtime
Kubelet 作为 CRI 的客户端，而容器运行时则需要实现 CRI 的服务端（即 gRPC server，通常称为 CRI shim）。容器运行时在启动 gRPC server 时需要监听在本地的 Unix Socket （Windows 使用 tcp 格式）。
开发新的容器运行时只需要实现 CRI 的 gRPC Server，包括 RuntimeService 和 ImageService。该 gRPC Server 需要监听在本地的 unix socket（Linux 支持 unix socket 格式，Windows 支持 tcp 格式）。
一个简单的示例为
import (
// Import essential packages
"google.golang.org/grpc"
runtime "k8s.io/kubernetes/pkg/kubelet/apis/cri/runtime/v1alpha2"
)
// Serivice implements runtime.ImageService and runtime.RuntimeService.
type Service struct {
...
}
func main() {
service := &Service{}
s := grpc.NewServer(grpc.MaxRecvMsgSize(maxMsgSize),
grpc.MaxSendMsgSize(maxMsgSize))
runtime.RegisterRuntimeServiceServer(s, service)
runtime.RegisterImageServiceServer(s, service)
lis, err := net.Listen("unix", "/var/run/runtime.sock")
if err != nil {
logrus.Fatalf("Failed to create listener: %v", err)
}
go s.Serve(lis)
// Other codes
}对于 Streaming API（Exec、PortForward 和 Attach），CRI 要求容器运行时返回一个 streaming server 的 URL 以便 Kubelet 重定向 API Server 发送过来的请求。在 v1.10 及更早版本中，容器运行时必需返回一个 API Server 可直接访问的 URL（通常跟 Kubelet 使用相同的监听地址）；而从 v1.11 开始，Kubelet 新增了 --redirect-container-streaming（默认为 false），默认不再转发而是代理 Streaming 请求，这样运行时可以返回一个 localhost 的 URL（当然也不再需要配置 TLS）。
详细的实现方法可以参考 dockershim 或者 cri-o。
在启动 kubelet 时传入容器运行时监听的 Unix Socket 文件路径，比如
kubelet --container-runtime=remote --container-runtime-endpoint=unix:///var/run/runtime.sock --image-service-endpoint=unix:///var/run/runtime.sock| CRI 容器运行时 | 维护者 | 主要特性 | 容器引擎 |
|---|---|---|---|
| Dockershim | Kubernetes | 内置实现、特性最新 | docker |
| cri-o | Kubernetes | OCI标准不需要Docker | OCI（runc、kata、gVisor…） |
| cri-containerd | Containerd | 基于 containerd 不需要Docker | OCI（runc、kata、gVisor…） |
| Frakti | Kubernetes | 虚拟化容器 | hyperd、docker |
| rktlet | Kubernetes | 支持rkt | rkt |
| PouchContainer | Alibaba | 富容器 | OCI（runc、kata…） |
| Virtlet | Mirantis | 虚拟机和QCOW2镜像 | Libvirt（KVM） |
目前基于 CRI 容器引擎已经比较丰富了，包括
- Docker: 核心代码依然保留在 kubelet 内部（pkg/kubelet/dockershim），是最稳定和特性支持最好的运行时
- OCI 容器运行时：
- 社区有两个实现
- Containerd，支持 kubernetes v1.7+
- CRI-O，支持 Kubernetes v1.6+
- 支持的 OCI 容器引擎包括
- runc：OCI 标准容器引擎
- gVisor：谷歌开源的基于用户空间内核的沙箱容器引擎
- Clear Containers：Intel 开源的基于虚拟化的容器引擎
- Kata Containers：基于虚拟化的容器引擎，由 Clear Containers 和 runV 合并而来
- 社区有两个实现
- PouchContainer：阿里巴巴开源的胖容器引擎
- Frakti：支持 Kubernetes v1.6+，提供基于 hypervisor 和 docker 的混合运行时，适用于运行非可信应用，如多租户和 NFV 等场景
- Rktlet：支持 rkt 容器引擎（rknetes 代码已在 v1.10 中弃用）
- Virtlet：Mirantis 开源的虚拟机容器引擎，直接管理 libvirt 虚拟机，镜像须是 qcow2 格式
- Infranetes：直接管理 IaaS 平台虚拟机，如 GCE、AWS 等
以 Containerd 为例，在 1.0 及以前版本将 dockershim 和 docker daemon 替换为 cri-containerd + containerd，而在 1.1 版本直接将 cri-containerd 内置在 Containerd 中，简化为一个 CRI 插件。
Containerd 内置的 CRI 插件实现了 Kubelet CRI 接口中的 Image Service 和 Runtime Service，通过内部接口管理容器和镜像，并通过 CNI 插件给 Pod 配置网络。
RuntimeClass 是 v1.12 引入的新 API 对象，用来支持多容器运行时，比如
- Kata Containers/gVisor + runc
- Windows Process isolation + Hyper-V isolation containers
RuntimeClass 表示一个运行时对象，在使用前需要开启特性开关 RuntimeClass，并创建 RuntimeClass CRD：
kubectl apply -f https://github.com/kubernetes/kubernetes/tree/master/cluster/addons/runtimeclass/runtimeclass_crd.yaml然后就可以定义 RuntimeClass 对象
apiVersion: node.k8s.io/v1alpha1 # RuntimeClass is defined in the node.k8s.io API group
kind: RuntimeClass
metadata:
name: myclass # The name the RuntimeClass will be referenced by
# RuntimeClass is a non-namespaced resource
spec:
runtimeHandler: myconfiguration # The name of the corresponding CRI configuration而在 Pod 中定义使用哪个 RuntimeClass：
apiVersion: v1
kind: Pod
metadata:
name: mypod
spec:
runtimeClassName: myclass
# ...