本文介绍了Karmada在大规模环境下的最佳实践，包括Push和Pull两种模式的性能瓶颈和优化方法。Karmada支持集群资源模型的能力，但在大规模场景下会有一定的内存消耗，用户可以选择关闭来减少资源消耗。根据测试结果，Karmada可以稳定支持100个大规模集群，管理超过50万个节点和200万个Pod。在Karmada落地进程中，用户可以根据使用场景选择不同的部署模式和通过参数调优来提升整个多集群系统的性能。