本文分析 KubeRay Operator 的主备切换与 Ray 服务恢复。选主通过 Lease 竞争，默认仅一个副本，需配置多副本才有备用。新 leader 依赖已有资源重新协调，但无 fencing 机制，在途请求可能重复执行；控制面失联时无法补 Pod 或回写状态。worker 丢失可补建，但 actor 内存难恢复；head 丢失后 GCS 元数据需 Redis 容错才能恢复。RayService 蓝绿切换非原子操作，不保证请求零失败。