K8S调度系统由浅入深系列：简介

作者：zouyee，来源：微信公众号DCOS

摘要

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，其成功的关键原因可概括为以下几点：

• 项目领导者们的坚守与远见
• 社区的良好运作与社区文化
• 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，但是云原生还是Kubernetes项目的发展都已经迈入深水区，因而今天zouyee为大家带来《kubernetes调度系统系列文章》，希望通过接下来的五篇文章，让各位能够系统深入的了解kubernetes调度系统，该系列对应版本为1.20.+，今天带来《K8S 调度系统由浅入深系列：简介》

一、调度简介

在开始前，先来看看Kubernetes的架构示意图，其中控制平面包含以下三大组件：kube-scheduler、kube-apiserver、kube-controller-manager。kubelet及kube-proxy组件的分析我们后续单独成章进行讲解，现在我们可以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。

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、分配失败及尝试多次无法分配），根据配置的调度策略，将Pod调度到最优的工作节点上，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，帮助用户提升效率、降低能耗。

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，然后根据调度策略为这些 Pod 分配节点，执行绑定节点的操作(更新Pod的nodeName字段)。

在上述过程中，需要考虑以下问题：

• 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通过汇集节点资源、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，以下为kube-scheduler的主要目标：

• 公平性：在调度Pod时需要公平的决策，每个节点都有被分配的机会，调度器需要针对不同节点作出平衡决策。
• 资源高效：最大化提升所有可调度资源的利用率，使有限的CPU、内存等资源服务尽可能更多的Pod。
• 性能：能快速的完成对大规模Pod的调度工作，在集群规模扩增的情况下，依然能确保调度的性能。
• 灵活性：在实际生产中，用户希望Pod的调度策略是可扩展的，从而可以定制化调度算法以处理复杂的实际问题。因此平台要允许多种调度器并行工作，并支持自定义调度器。

二、调度流程

首先我们通过下面的整体的交互图，来构建Pod调度的直观感受。

上述以创建一个Pod为例，简要介绍调度流程：

1. 用户通过命令行创建Pod（选择直接创建Pod而不是其他workload，是为了省略kube-controller-manager）
2. kube-apiserver经过对象校验、admission、quota等准入操作，写入etcd
3. kube-apiserver将结果返回给用户
4. 同时kube-scheduler一直监听节点、Pod事件等（流程1）
5. 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）
6. kube-scheduler将pod与得分最高的节点进行binding操作（流程4）
7. kube-apiserver将binding信息写入etcd
8. kubelet监听分配给自己的Pod，调用CRI接口进行Pod创建（该部分内容后续出系列，进行介绍）
9. kubelet创建Pod后，更新Pod状态等信息，并向kube-apiserver上报
10. kube-apiserver写入数据

a. 调度周期

kube-scheduler的工作任务是根据各种调度算法将Pod绑定（bind）到最合适的工作节点，整个调度流程分为两个阶段：过滤和评分。流程示意图如下所示。

注：以前称之为predicate与priorities，当前统称为过滤与评分，实际效果一致

过滤：输入是所有节点，输出是满足预选条件的节点。kube-scheduler根据过滤策略过滤掉不满足的节点。例如，如果某节点的资源不足或者不满足预选策略的条件如“节点的标签必须与Pod的Selector一致”时则无法通过过滤。

评分：输入是通过过滤阶段的节点，评分时会根据评分算法为通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有越高的排名。

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）其中最适合的是哪一个？

如果在过滤阶段没有节点满足条件，Pod会一直处在Pending状态直到出现满足的节点，在此期间调度器会不断的进行重试。如果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，多次失败后进入unschedule，该部分内容后续介绍。

b. 调度算法

当前支持两种方式配置过滤、评分算法：

1. Scheduling Policies：通过文件或者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，通过定制调度周期中不同阶段的插件行为来实现自定义。

下面简单介绍一下通过Scheduling Policies方式配置（pkg/scheduler/framework/plugins/legacy_registry.go）

1）预选(Precates)

算法名称	算法含义
MatchInterPodAffinity	检查pod资源对象与其他pod资源对象是否符合亲和性规则
CheckVolumeBinding	检查节点是否满足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。如果已被占用，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）来满足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他的pod资源对象使用的卷冲突
PodToleratesNodeTaints	如果当前节点被标记为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	如果设置了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，因为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。

2）优选(Priorities)

算法名称	算法含义
EqualPriority	节点权重相等
MostRequestedPriority	偏向具有最多请求资源的节点。这个策略将把计划的Pods放到整个工作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创建基于ResourceAllocationPriority的requestedToCapacity。
SelectorSpreadPriority	将属于相同service rcs rss sts 的pod尽量调度在不同的节点上
ServiceSpreadingPriority	对于给定的服务，此策略旨在确保Service的Pods运行在不同的节点上。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，注释中如果定义了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