Kubernetes调度由浅入深：初探
从CNCF基金会的成立，到Kubernetes社区蓬勃发展，历经6载，17年异军突起，在mesos、swarm等项目角逐中，拔得头筹，继而一统容器编排,其成功的关键缘由可归纳为如下几点：node
- 项目领导者们的坚守与远见
- 社区的良好的运做与社区文化
- 社区与企业落地的正反馈
虽然针对kubernetes的介绍已经比较多了，可是云原生仍是Kubernetes项目的发展都已经迈入深水区，于是今天zouyee为你们带来《kuberneter调度由浅入深》，但愿经过接下来的五篇文章，让各位可以系统深刻的了解kubernetes调度系统，该系列对应版本为1.20.+，今天带来《Kubernetes调度系统由浅入深系列：初探》算法
1、调度简介
在开始前，先来看看Kubernetes的架构示意图，其中控制平面包含如下三大组件：kube-scheduler、kube-apiserver、kube-controller-manager。kubelet及kube-proxy组件的分析咱们后续单独成章进行讲解，如今咱们能够简单给理解上述组件的难易程度排个序，kube-apiserver、kubelet、kube-scheduler、kube-controller-manager、kube-proxy。api
{%note danger%}markdown
如上所述，kube-scheduler是K8S系统的核心组件之一，其主要负责Pod的调度，其监听kube-apiserver，查询未分配 Node的Pod（未分配、分配失败及尝试屡次没法分配），根据配置的调度策略，将Pod调度到最优的工做节点上，从而高效、合理的利用集群的资源，该特性是用户选择K8S系统的关键因素之一，帮助用户提高效率、下降能耗。架构
{%endnote%}函数
kube-scheduler 负责将Pod 调度到集群内的最佳节点(基于相应策略计算出的最佳值)上，它监听 kube-apiserver，查询还未分配节点 的 Pod，而后根据调度策略为这些 Pod 分配节点，执行绑定节点的操做(更新Pod的nodeName字段)。性能
在上述过程当中，须要考虑如下问题：spa
- 如何确保节点分配的公平性
- 如何确保节点资源分配的高效性
- 如何确保Pod调度的公平性
- 如何确保Pod调度的高效性
- 如何扩展Pod调度策略
为解决上述的问题，kube-scheduler经过聚集节点资源、节点地域、节点镜像、Pod调度等信息综合决策，确保Pod分配到最佳节点，如下为kube-scheduler的主要目标：插件
- 公平性：在调度Pod时须要公平的决策，每一个节点都有被分配的机会，调度器须要针对不一样节点做出平衡决策。
- 资源高效：最大化提高全部可调度资源的利用率，使有限的CPU、内存等资源服务尽量更多的Pod。
- 性能：能快速的完成对大规模Pod的调度工做，在集群规模扩增的状况下，依然能确保调度的性能。
- 灵活性：在实际生产中，用户但愿Pod的调度策略是可扩展的，从而能够定制化调度算法以处理复杂的实际问题。所以平台要容许多种调度器并行工做，并支持自定义调度器。
2、调度流程
首先咱们经过下面的总体的交互图，来构建Pod调度的直观感觉。命令行
上述以建立一个Pod为例，简要介绍调度流程：
-
用户经过命令行建立Pod(选择直接建立Pod而不是其余workload，是为了省略kube-controller-manager)
-
kube-apiserver通过对象校验、admission、quota等准入操做，写入etcd
-
kube-apiserver将结果返回给用户
-
同时kube-scheduler一直监听节点、Pod事件等（流程1）
-
kube-scheduler将spec.nodeName的pod加入到调度队列中，进行调度周期（该周期即位后续介绍内容）（流程2-3）
-
kube-scheduler将pod与得分最高的节点进行binding操做（流程4）
-
kube-apiserver将binding信息写入etcd
-
kubelet监听分配给本身的Pod，调用CRI接口进行Pod建立（该部份内容后续出系列，进行介绍）
-
kubelet建立Pod后，更新Pod状态等信息，并向kube-apiserver上报
-
kube-apiserver写入数据
调度周期
kube-scheduler的工做任务是根据各类调度算法将Pod绑定（bind）到最合适的工做节点，整个调度流程分为两个阶段：过滤和评分。流程示意图以下所示。
注：之前称之为predicate与priorities，当前统称为过滤与评分，实际效果一致
-
过滤：输入是全部节点，输出是知足预选条件的节点。
kube-scheduler根据过滤策略过滤掉不知足的节点。例如，若是某节点的资源不足或者不知足预选策略的条件如“节点的标签必须与Pod的Selector一致”时则没法经过过滤。 -
**评分：**输入是经过过滤阶段的节点，评分时会根据评分算法为经过过滤的节点进行打分，选择得分最高的节点。例如，资源越充足、负载越小的节点可能具备越高的排名。
通俗点说，调度的过程就是在回答两个问题：1. 候选节点有哪些？2. 其中最适合的是哪个？
若是在过滤阶段没有节点知足条件，Pod会一直处在Pending状态直到出现知足的节点，在此期间调度器会不断的进行重试。若是有多个节点评分一致，那么kube-scheduler任意选择其一。
注：Pod首先进入调度队列，失败后进入backoff，屡次失败后进入unschedule，该部份内容后续介绍。
调度算法
当前支持两种方式配置过滤、评分算法：
1. Scheduling Policies：经过文件或者configmap配置Predicate算法(过滤)和 Priorities算法(评分)的算法
2. Scheduling Profiles：当前调度系统为插拔架构，其将调度周期分为 `QueueSort`、`PreFilter`、`Filter`、`PreScore`、`Score`、`Reserve`、`Permit`、`PreBind`、`Bind`、`PostBind`等阶段，经过定制调度周期中不一样阶段的插件行为来实现自定义。
复制代码
下面简单介绍一下经过Scheduling Policies方式配置
pkg/scheduler/framework/plugins/legacy_registry.go
预选(Precates)
| 算法名称 | 算法含义 |
|---|---|
| MatchInterPodAffinity | 检查pod资源对象与其余pod资源对象是否符合亲和性规则 |
| CheckVolumeBinding | 检查节点是否知足pod资源对象的pvc挂载需求 |
| GeneralPredicates | 检查节点上pod资源对象数量的上线，以及CPU 内存 GPU等资源是否符合要求 |
| HostName | 检查Pod指定的NodeName是否匹配当前节点 |
| PodFitsHostPorts | 检查Pod容器所需的HostPort是否已被节点上其它容器或服务占用。若是已被占用，则禁止Pod调度到该节点 |
| MatchNodeSelector | 检查Pod的节点选择器是否与节点的标签匹配 |
| PodFitsResources | 检查节点是否有足够空闲资源（例如CPU和内存）来知足Pod的要求 |
| NoDiskConflict | 检查当前pod资源对象使用的卷是否与节点上其余的pod资源对象使用的卷冲突 |
| PodToleratesNodeTaints | 若是当前节点被标记为taints，检查pod资源对象是否能容忍node taints |
| CheckNodeUnschedulable | 检查节点是否可调度 |
| CheckNodeLabelPresence | 检查节点标签是否存在 |
| CheckServiceAffinity | 检查服务亲和性 |
| MaxCSIVolumeCountPred | 若是设置了featuregate （attachvolumelimit）功能，检查pod资源对象挂载的csi卷是否超出了节点上卷的最大挂载数量 |
| NoVolumeZoneConflict | 检查pod资源对象挂载pvc是否属于跨区域挂载，由于gce的pd存储或aws的ebs卷都不支持跨区域挂载 |
| EvenPodsSpreadPred | 一组 Pod 在某个 TopologyKey 上的均衡打散需求 |
注：其中 MaxEBSVolumeCountPred、 MaxGCEPDVolumeCountPred MaxAzureDiskVolumeCountPred、MaxCinderVolumeCountPred 等云厂商相关预选算法已经废弃
优选(Priorities)
| 算法名称 | 算法含义 |
|---|---|
| EqualPriority | 节点权重相等 |
| MostRequestedPriority | 偏向具备最多请求资源的节点。这个策略将把计划的Pods放到整个工做负载集所需的最小节点上运行。 |
| RequestedToCapacityRatioPriority | 使用默认的资源评分函数模型建立基于ResourceAllocationPriority的requestedToCapacity。 |
| SelectorSpreadPriority | 将属于相同service rcs rss sts 的pod尽可能调度在不一样的节点上 |
| ServiceSpreadingPriority | 对于给定的服务，此策略旨在确保Service的Pods运行在不一样的节点上。总的结果是，Service对单个节点故障变得更有弹性。 |
| InterPodAffinityPriority | 基于亲和性（affinity）和反亲和性（anti-affinity）计算分数 |
| LeastRequestdPriority | 偏向使用较少请求资源的节点。换句话说，放置在节点上的Pod越多，这些Pod使用的资源越多，此策略给出的排名就越低。 |
| BalancedRequestdPriority | 计算节点上cpu和内存的使用率，使用率最均衡的节点最优 |
| NodePreferAvoidPodsPriority | 基于节点上定义的注释（annotaion）记分，注释中若是定义了alpha.kubernetes.io/preferAvoidPods则会禁用ReplicationController或者将ReplicaSet的pod资源对象调度在该节点上 |
| NodeAffinityPriority | 基于节点亲和性计算分数 |
| TaintTolerationPriority | 基于污点（taint）和容忍度（toleration）是否匹配计算分数 |
| ImageLocalityPriority | 基于节点上是否已经下拉了运行pod资源对象的镜像计算分数 |
| EvenPodsSpreadPriority | 用来指定一组符合条件的 Pod 在某个拓扑结构上的打散需求 |
更多云原生相关内容，请关注公众号：DCOS。