调度器

 

1.1 list-watc机制的概念运用

Kubernetes 是通过 List-Watch 的机制进行每个组件的协作，保持数据同步的，每个组件之间的设计实现了解耦。

用户是通过 kubectl 根据配置文件，向 APIServer 发送命令，在 Node 节点上面建立 Pod 和 Container。

APIServer 经过 API 调用，权限控制，调用资源和存储资源的过程，实际上还没有真正开始部署应用。这里需要 Controller Manager、Scheduler 和 kubelet 的协助才能完成整个部署过程。

在 Kubernetes 中，所有部署的信息都会写到 etcd 中保存。实际上 etcd 在存储部署信息的时候，会发送 Create 事件给 APIServer，而 APIServer 会通过监听（Watch）etcd 发过来的事件。其他组件也会监听（Watch）APIServer 发出来的事件。

1.2 根据list-watch机制，pod的创建流程

（1）这里有三个 List-Watch，分别是 Controller Manager（运行在 Master），Scheduler（运行在 Master），kubelet（运行在 Node）。 他们在进程已启动就会监听（Watch）APIServer 发出来的事件。

（2）用户通过 kubectl 或其他 API 客户端提交请求给 APIServer 来建立一个 Pod 对象副本。

（3）APIServer 尝试着将 Pod 对象的相关元信息存入 etcd 中，待写入操作执行完成，APIServer 即会返回确认信息至客户端。

（4）当 etcd 接受创建 Pod 信息以后，会发送一个 Create 事件给 APIServer。

（5）由于 Controller Manager 一直在监听（Watch，通过https的6443端口）APIServer 中的事件。此时 APIServer 接受到了 Create 事件，又会发送给 Controller Manager。

（6）Controller Manager 在接到 Create 事件以后，调用其中的 Replication Controller 来保证 Node 上面需要创建的副本数量。一旦副本数量少于 RC 中定义的数量，RC 会自动创建副本。总之它是保证副本数量的 Controller（PS：扩容缩容的担当）。

（7）在 Controller Manager 创建 Pod 副本以后，APIServer 会在 etcd 中记录这个 Pod 的详细信息。例如 Pod 的副本数，Container 的内容是什么。

（8）同样的 etcd 会将创建 Pod 的信息通过事件发送给 APIServer。

（9）由于 Scheduler 在监听（Watch）APIServer，并且它在系统中起到了“承上启下”的作用，“承上”是指它负责接收创建的 Pod 事件，为其安排 Node；“启下”是指安置工作完成后，Node 上的 kubelet 进程会接管后继工作，负责 Pod 生命周期中的“下半生”。 换句话说，Scheduler 的作用是将待调度的 Pod 按照调度算法和策略绑定到集群中 Node 上。

（10）Scheduler 调度完毕以后会更新 Pod 的信息，此时的信息更加丰富了。除了知道 Pod 的副本数量，副本内容。还知道部署到哪个 Node 上面了。并将上面的 Pod 信息更新至 API Server，由 APIServer 更新至 etcd 中，保存起来。

（11）etcd 将更新成功的事件发送给 APIServer，APIServer 也开始反映此 Pod 对象的调度结果。

（12）kubelet 是在 Node 上面运行的进程，它也通过 List-Watch 的方式监听（Watch，通过https的6443端口）APIServer 发送的 Pod 更新的事件。kubelet 会尝试在当前节点上调用 Docker 启动容器，并将 Pod 以及容器的结果状态回送至 APIServer。

（13）APIServer 将 Pod 状态信息存入 etcd 中。在 etcd 确认写入操作成功完成后，APIServer将确认信息发送至相关的 kubelet，事件将通过它被接受

 

 

注意：在创建 Pod 的工作就已经完成了后，为什么 kubelet 还要一直监听呢？原因很简单，假设这个时候 kubectl 发命令，要扩充 Pod 副本数量，那么上面的流程又会触发一遍，kubelet 会根据最新的 Pod 的部署情况调整 Node 的资源。又或者 Pod 副本数量没有发生变化，但是其中的镜像文件升级了，kubelet 也会自动获取最新的镜像文件并且加载。

2. scheduler的调度策略

2.1 scheduler的调度策略的了解

Scheduler 是 kubernetes 的调度器，主要的任务是把定义的 pod 分配到集群的节点上。其主要考虑的问题如下：

公平：如何保证每个节点都能被分配资源

高效利用：集群所有资源最大化被使用

效率：调度的性能要好，能够尽快地对大批量的 pod 完成调度工作

灵活：允许用户根据自己的需求控制调度的逻辑

Sheduler 是作为单独的程序运行的，启动之后会一直监听 APIServer，获取 spec.nodeName 为空的 pod，对每个 pod 都会创建一个 binding，表明该 pod 应该放到哪个节点上。

调度分为几个部分：首先是过滤掉不满足条件的节点，这个过程称为预算策略（predicate）；然后对通过的节点按照优先级排序，这个是优选策略（priorities）；最后从中选择优先级最高的节点。如果中间任何一步骤有错误，就直接返回错误。

 

 

 

 

2.2 Scheduler预选（预算）策略的算法

Predicate 有一系列的常见的算法可以使用：

PodFitsResources：节点上剩余的资源是否大于 pod 请求的资源。

PodFitsHost：如果 pod 指定了 NodeName，检查节点名称是否和 NodeName 匹配。

PodFitsHostPorts：节点上已经使用的 port 是否和 pod 申请的 port 冲突。

PodSelectorMatches：过滤掉和 pod 指定的 label 不匹配的节点。

NoDiskConflict：已经 mount 的 volume 和 pod 指定的 volume 不冲突，除非它们都是只读。

2.3 Scheduler优选策略的算法

优先级由一系列键值对组成，键是该优先级项的名称，值是它的权重（该项的重要性）。有一系列的常见的优先级选项包括：

LeastRequestedPriority：通过计算CPU和Memory的使用率来决定权重，使用率越低权重越高。也就是说，这个优先级指标倾向于资源使用比例更低的节点。

BalancedResourceAllocation：节点上 CPU 和 Memory 使用率越接近，权重越高。这个一般和上面的一起使用，不单独使用。比如 node01 的 CPU 和 Memory 使用率 20:60，node02 的 CPU 和 Memory 使用率 50:50，虽然 node01 的总使用率比 node02 低，但 node02 的 CPU 和 Memory 使用率更接近，从而调度时会优选 node02。

ImageLocalityPriority：倾向于已经有要使用镜像的节点，镜像总大小值越大，权重越高。

通过算法对所有的优先级项目和权重进行计算，得出最终的结果。

总的来说：

预选策略 ：通过调度算法过滤掉不满足条件的Node节点

优选策略 ：通过优先级选项给满足调度条件的Node节点进行优先级权重排序，最终选择优先级最高的Node节点来调度Pod

3. k8s中的标签管理及nodeSelector和nodeName的 调度方式

通过上一个知识点我们知道了，pod在分配到node节点是通过预选策略和优选策略完成。这是k8s没有任何调度方式的操作自主进行。当然我们也可以通过认为干扰的方式来影响pod分配到node上的最终结果。（nodeSelector调度和nodeName调度）

3.1 标签管理

（1）获取标签的相关操作信息

kubectl label --help

 

 

 查看标签信息

格式：kubectl get <资源类型> <资源名称> --show-labels
eg：查看所有node节点的标签
kubectl get nodes --show-labels

 

 

 添加标签信息

格式：kubectl label <资源类型> <资源名称> key=value
eg：为node增加一个标签
kubectl label node node01 test=a
kubectl label node node02 test=b

 

 

 修改标签value

格式：kubectl label <资源类型> <资源名称> key=value --overwrite
eg：修改node节点上的原有标签value值
kubectl label node node02 test=a --overwrite

 

 

 删除标签值

格式：kubectl label <资源类型> <资源名称> key-
eg：删除node02节点上的test=a标签
kubectl label node node02 test-

根据标签和资源类型寻找相关的资源名称

格式：kubectl get <资源类型>  -l key[=value]
eg：根据test和node资源类型，寻找具体的资源名称
kubectl get node -l test

 

 

 

nodeName的pod调度方式

 

 

kubectl explain pod.spec.nodeName

 

 

 

 

vim myapp.yaml
apiVersion: apps/v1  
kind: Deployment  
metadata:
  name: myapp
spec:
  replicas: 3
  selector:
    matchLabels:
      app: myapp
  template:
    metadata:
      labels:
        app: myapp
    spec:
      nodeName: node01
      containers:
      - name: myapp
        image: nginx:1.14
        ports:
        - containerPort: 80
        
kubectl apply -f myapp.yaml

 

 

 

 

 

nodeSelector 调度方式

 

 

kubectl explain pod.spec.nodeSelector

 

 

 

 

apiVersion: apps/v1
kind: Deployment
metadata:
  name: myapp
spec:
  replicas: 3
  selector:
    matchLabels:
      app: myapp
  template:
    metadata:
      labels:
        app: myapp
    spec:
      nodeSelector: 
        test: a
      containers:
      - name: myapp
        image: nginx:1.14
        ports:
        - containerPort: 80

 

 

 

//查看详细事件（通过事件可以发现要先经过 scheduler 调度分配）
kubectl describe pod myapp-5969ff75d5-5q9c7 k8s集群调度之亲和性

对于亲和性，官方文档也有详细的注解：https://kubernetes.io/zh/docs/concepts/scheduling-eviction/assign-pod-node/

关于亲和性的调度方式，可以分为三大类：node的亲和性，pod的亲和性，pod的反亲和性。它们都能起到控制pod分配到node的调度的结果的作用

 

#查看亲和性的种类
kubectl explain pod.spec.affinity

 

 

 node的亲和性

#查看你node亲和性的调度策略
kubectl explain pod.spec.affinity.nodeAffinity

 

 node软硬性策略

#硬策略的设置方式
kubectl explain pod.spec.affinity.nodeAffinity.requiredDuringSchedulingIgnoredDuringExecution.nodeSelectorTerms

//键值运算关系

In：label 的值在某个列表中

NotIn：label 的值不在某个列表中

Gt：label 的值大于某个值

Lt：label 的值小于某个值

Exists：某个 label 存在

DoesNotExist：某个 label 不存在

进行硬策略设置的实验：

实验前，我们分别在node01和node02 添加test=a和test=b的标签

 

vim pod1.yaml
apiVersion: v1
kind: Pod
metadata:
  name: affinity
  labels:
    app: node-affinity-pod
spec:
  containers:
  - name: node-affinity-required
    image: nginx:1.14
  affinity:
    nodeAffinity:
      requiredDuringSchedulingIgnoredDuringExecution:
        nodeSelectorTerms:
        - matchExpressions:
          - key: test    #指定node的标签
            operator: NotIn     #设置Pod安装到kubernetes.io/hostname的标签值不在values列表中的node上
            values:
            - a

 

 

kubectl explain pod.spec.affinity.nodeAffinity.preferredDuringSchedulingIgnoredDuringExecution

kubectl explain pod.spec.affinity.nodeAffinity.preferredDuringSchedulingIgnoredDuringExecution.preference.matchExpressions

 

软硬策略测试

依旧以node01和node02的test标签为条件

 

 

 

#生成实验模板
kubectl create deployment test-affinity-prefer --image=nginx:1.14 -o yaml > demo2.yaml
#进行模板的修改
vim demo2.yaml
 
apiVersion: apps/v1
kind: Deployment
metadata:
  name: test-affinity
  labels:
    app: test-affinity-prefer
spec:
  replicas: 6
  selector:
    matchLabels:
      app: test-affinity-prefer
  template:
    metadata:
      labels:
        app: test-affinity-prefer
    spec:
      containers:
      - image: nginx:1.14
        imagePullPolicy: IfNotPresent
        name: nginx
      affinity:            #亲和性配置
        nodeAffinity:      #node节点亲和性配置
           preferredDuringSchedulingIgnoredDuringExecution:    #软策略
           - weight: 100     #权重设置（1-100，100为最高）
             preference:      #策略的配置
               matchExpressions:     #配置标签选择
               - key: test           #标签key的设置
                 operator: In        #标签key与value的关系
                 values:              #value值的设置
                 - a

 

 

 

这里可能会存在一些争议：我在使用老版本的vmvare时，软策略会把所有的pod分配到一个节点上，新版本的vmvare就是现在执行的效果（这里也不用过于纠结，如果真是强制在某一个节点的话，我们肯定首选的是硬策略。）

 

 

 用demo2进行修改，在node软策略的基础上加上硬策略的限制。

 

apiVersion: apps/v1
kind: Deployment
metadata:
  name: test-affinity
  labels:
    app: test-affinity-prefer
spec:
  replicas: 6
  selector:
    matchLabels:
      app: test-affinity-prefer
  template:
    metadata:
      labels:
        app: test-affinity-prefer
    spec:
      containers:
      - image: nginx:1.14
        imagePullPolicy: IfNotPresent
        name: nginx
      affinity:
        nodeAffinity:
           preferredDuringSchedulingIgnoredDuringExecution:
           - weight: 100
             preference:
               matchExpressions:
               - key: test
                 operator: In
                 values:
                 - a
           requiredDuringSchedulingIgnoredDuringExecution:
             nodeSelectorTerms:
             - matchExpressions:
               - key: test
                 operator: NotIn
                 values:
                 - a
                 - b

 

 

 

4.2 pod的亲和性和反亲和性

与node节点分配不同的是，pod的亲和性是根据拓扑域进行分配。

拓扑域key（topologyKey）一般为指定Pod所在的Node节点的标签的key，如果别的Node节点也具有相同的标签的key和value，那么这些Node节点就和指定Pod所在的Node节点处于同一个拓扑域。根据Pod亲和性所创建的新Pod将会尽可能均衡地分配到同一个拓扑域的Node节点上运行。

eg：假设有个三个节点 node01 node02 node03

pod在node01，node01上有标签 test=a node02 上有标签 test=b node03 上有标签 test=a

则：node01和node03在同一拓扑域，而node02和node01，node03 不在同一拓扑域

 

 

 pod亲和性演示

apiVersion: v1
kind: Pod
metadata:
  name: test-pod-affinity
  labels:
    app: test-pod-affinity
spec:
  containers:
  - name: test-affinity-prefer
    image: nginx:1.14
  affinity:
    podAffinity:
      requiredDuringSchedulingIgnoredDuringExecution:
      - labelSelector:
          matchExpressions:
          - key: test
            operator: In
            values:
            - a
        topologyKey: test

 

 pod反亲和

 

 

 

apiVersion: v1
kind: Pod
metadata:
  name: test-pod-antiaffinity
  labels:
    app: test-pod-antiaffinity
spec:
  containers:
  - name: test-antiffinity-prefer
    image: nginx:1.14
  affinity:
    podAntiAffinity:
      requiredDuringSchedulingIgnoredDuringExecution:
      - labelSelector:
          matchExpressions:
          - key: test
            operator: In
            values:
            - a
        topologyKey: test

 

5. k8s中的污点与容忍

5.1 污点与容忍的概念

节点亲和性，是Pod的一种属性（偏好或硬性要求），它使Pod被吸引到一类特定的节点。Taint 则相反，它使节点能够排斥一类特定的 Pod。

污点（Taint） 和 容忍（Toleration） 相互配合，可以用来避免 Pod 被分配到不合适的节点上。每个节点上都可以应用一个或多个 taint ，这表示对于那些不能容忍这些 taint 的 Pod，是不会被该节点接受的。如果将 toleration 应用于 Pod 上，则表示这些 Pod 可以（但不一定）被调度到具有匹配 taint 的节点上。

当前 taint effect 支持如下三个选项：

NoSchedule：表示 k8s 将不会将 Pod 调度到具有该污点的 Node 上

PreferNoSchedule：表示 k8s 将尽量避免将 Pod 调度到具有该污点的 Node 上

NoExecute：表示 k8s 将不会将 Pod 调度到具有该污点的 Node 上，同时会将 Node 上已经存在的 Pod 驱逐出去

5.2 污点的基本管理操作

查看node节点上的污点

格式：kubectl describe nodes <节点名称> | grep Taints 
或者是kubectl describe nodes <节点名称> | grep -i taints
eg：查看master01的污点
kubectl describe nodes master01 |grep -i taints

设置污点

格式kubectl taint node 指定的node key1=value1:NoSchedule
eg：给node01  设置污点进行测试
kubectl taint node node01 abc=a:NoSchedule

删除污点

格式：kubectl taint node 指定的node key:NoSchedule-
eg：清除node01 设置的污点
kubectl taint node node01 abc:NoSchedule-

面对污点，创建pod资源的容忍设置

vim pod3.yaml
apiVersion: v1
kind: Pod
metadata:
  name: myapp01
  labels:
    app: myapp01
spec:
  containers:
  - name: with-node-affinity
    image: nginx:1.14
  tolerations:
  - key: "abc"
    operator: "Equal"
    value: "a"
    effect: "NoExecute"
    tolerationSeconds: 3600

#其中的 key、vaule、effect 都要与 Node 上设置的 taint 保持一致

#operator 的值为 Exists 将会忽略 value 值，即存在即可

#tolerationSeconds 用于描述当 Pod 需要被驱逐时可以在 Node 上继续保留运行的时间

过程描述：已知在node01设置了一个驱逐的污点，pod创建依据上面的配置。会现在node01上运行一个小时（容忍），然后被驱逐。

5.4 污点与容忍的其它注意事项

（1）当不指定 key 值时，表示容忍所有的污点 key

    tolerations:
  - operator: "Exists"

当不指定 effect 值时，表示容忍所有的污点作用

 

  tolerations:
  - key: "key"
    operator: "Exists"

 

有多个 Master 存在时，防止资源浪费，可以如下设置

 

kubectl taint node Master-Name node-role.kubernetes.io/master=:PreferNoSchedule
//如果某个 Node 更新升级系统组件，为了防止业务长时间中断，可以先在该 Node 设置 NoExecute 污点，把该 Node 上的 Pod 都驱逐出去
kubectl taint node node01 check=mycheck:NoExecute
//此时如果别的 Node 资源不够用，可临时给 Master 设置 PreferNoSchedule 污点，让 Pod 可在 Master 上临时创建
kubectl taint node master node-role.kubernetes.io/master=:PreferNoSchedule
//待所有 Node 的更新操作都完成后，再去除污点
kubectl taint node node01 check=mycheck:NoExecute-

 

cordon 和 drain

 

##对节点执行维护操作：
kubectl get nodes
 
//将 Node 标记为不可调度的状态，这样就不会让新创建的 Pod 在此 Node 上运行
kubectl cordon <NODE_NAME>          #该node将会变为SchedulingDisabled状态
 
//kubectl drain 可以让 Node 节点开始释放所有 pod，并且不接收新的 pod 进程。drain 本意排水，意思是将出问题的 Node 下的 Pod 转移到其它 Node 下运行
kubectl drain <NODE_NAME> --ignore-daemonsets --delete-emptydir-data --force
 
--ignore-daemonsets：无视 DaemonSet 管理下的 Pod。
--delete-emptydir-data：如果有 mount local volume 的 pod，会强制杀掉该 pod。
--force：强制释放不是控制器管理的 Pod。
 
注：执行 drain 命令，会自动做了两件事情:
（1）设定此 node 为不可调度状态（cordon)
（2）evict（驱逐）了 Pod
 
//kubectl uncordon 将 Node 标记为可调度的状态
kubectl uncordon <NODE_NAME>

 

6. pod启动阶段的状态解读与排错技巧

6.1 pod启动阶段的状态（相位 phase）

（1）启动步骤

Pod 创建完之后，一直到持久运行起来，中间有很多步骤，也就有很多出错的可能，因此会有很多不同的状态。

一般来说，pod 这个过程包含以下几个步骤：

1）调度到某台 node 上。kubernetes 根据一定的优先级算法选择一台 node 节点将其作为 Pod 运 行 的 node

2）拉取镜像

3）挂载存储配置等

4）运行起来。如果有健康检查，会根据检查的结果来设置其状态。

（2）phase 的可能状态

Pending：表示APIServer创建了Pod资源对象并已经存入了etcd中，但是它并未被调度完成（比如还没有调度到某台node上），或者仍然处于从仓库下载镜像的过程中。

Running：Pod已经被调度到某节点之上，并且Pod中所有容器都已经被kubelet创建。至少有一个容器正在运行，或者正处于启动或者重启状态（也就是说Running状态下的Pod不一定能被正常访问）。

Succeeded：有些pod不是长久运行的，比如job、cronjob，一段时间后Pod中的所有容器都被成功终止，并且不会再重启。需要反馈任务执行的结果。

Failed：Pod中的所有容器都已终止了，并且至少有一个容器是因为失败终止。也就是说，容器以非0状态退出或者被系统终止，比如 command 写的有问题。

Unknown：表示无法读取 Pod 状态，通常是 kube-controller-manager 无法与 Pod 通信。Pod 所在的 Node 出了问题或失联，从而导致 Pod 的状态为 Unknow

//如何删除 Unknown 状态的 Pod ?

从集群中删除有问题的 Node。使用公有云时，kube-controller-manager 会在 VM 删除后自动删除对应的 Node。 而在物理机部署的集群中，需要管理员手动删除 Node（kubectl delete node <node_name>）。

被动等待 Node 恢复正常，Kubelet 会重新跟 kube-apiserver 通信确认这些 Pod 的期待状态，进而再决定删除或者继续运行这些 Pod。

主动删除 Pod，通过执行 kubectl delete pod <pod_name> --grace-period=0 --force 强制删除 Pod。但是这里需要注意的是，除非明确知道 Pod 的确处于停止状态（比如 Node 所在 VM 或物理机已经关机），否则不建议使用该方法。特别是 StatefulSet 管理的 Pod，强制删除容易导致脑裂或者数据丢失等问题。

 故障排除步骤

kubectl get pods/nodes   查看Pod/Node节点的状态提示
kubectl describe         查看相关资源的详细事件信息
kubectl logs             查看Pod容器的进程日志
kubectl exec -it         进入Pod容器查看容器的一些状态
journalctl -u kubelet    查看kubelet进程日志