整理出来的大规模集群优化点
调度器相关：
1. 在预选和优选时，多个节点之间并发的执行预选策略和优选策略（单个节点还是按顺序执行预选和优选策略的）
2. 算法执行过程中需要用到的如node、pod等信息使用Informer缓存起来
3. 当通过预选和优选得到最优的节点时，不在调度路径中请求api-server进行bind操作，而是乐观的在cache中进行bind，之后再发起goroute异步的更新api-server
4. 预选阶段中某个节点无法满足某个预选策略，那么对于这个节点剩下的预选策略就没有必要继续计算(alwaysCheckAllPredicates)
5. （来自阿里）预选过程中当选取了N个节点时，就停止预选到达优选过程，在k8s 1.12版本之后允许用户通过percentageOfNodesToScore配置百分比，比如对于1000个节点的集群，percentageOfNodesToScore为15时表示预选过程将选择150个节点来进行优选。在k8s 1.14之后，如果没有配置percentageOfNodesToScore，那么将会通过如下逻辑自动计算出一个值:
percentageOfNodesToScore=max(5, 50 - node总数/125)
为了使群集中的所有节点都有运行Pods的机会，调度程序以循环方式遍历节点。可以想象节点在数组中,调度程序从数组的开头，检查节点的可行性，直到找到由指定的足够的节点percentageOfNodesToScore。对于下一个Pod，调度程序从检查先前Pod的Nodes可行性时停止在Node数组中的位置继续工作。
节点资源利用
这里主要是要结合pod、node的历史监控数据，比如腾讯云提到的Pod资源压缩和Node资源超卖的方案，其中Pod资源压缩通过mutating admission webhook拦截pod创建请求根据pod历史资源情况压缩request和limit值，而Node资源超卖则同样利用mutating webhook拦截node status update事件，根据节点历史资源利用情况动态修正node allocatable值以便可以容纳更多或更少的pod
kubelet
1. 使用Lease Object来向master发送心跳，原NodeStatus仍然保留，Lease Object更轻量
参考链接
https://www.infoq.cn/article/wyjT7HApETsiEAMoiL7Z?utm_source=related_read