[云原生] Kubernetes 控制平面组件：调度器和控制器

调度

kube-scheduler负责分配调度Pod到集群内的节点上，它监听kube-apiserver，查询还未分配Node的Pod，然后根据调度策略为这些Pod分配节点（更新Pod的NodeName字段）。需要考虑的信息如下所示：

  • 公平调度（顺序）
  • 资源高效利用
  • QoS
  • affinity和anti-affinity
  • 数据本地化（data locality）
  • 内部负载干扰（inter-workload interface）
  • deadlines

kube-scheduler调度分为两个阶段，predicate 和 priority，predicate过滤不符合条件的节点，priority选择高优先级的节点。Predicate策略有多个，内置的Predicate策略如下所示。Predicates plugin工作原理是一层层运行插件并过滤，最后剩可用的节点集合，然后就会往Priority策略。

  • PodFitsHostPorts：检查是否有Host Ports冲突
  • PodFitsPorts：同PodFitsHostPorts。
  • PodFitsResrouces：检查Node的资源是否充足，包括允许的Pod数量、CPU、内存、GPU个数以及其他的OpaqueIntResources。
  • HostName：检查pod.Spec.NodeName是否与候选节点一致。
  • MatchNodeSelector：检查候选节点的pod.Spec.NodeSelector是否匹配。
  • NoVolumeZoneConflict：检查volume zone是否冲突。
  • MatchinterPodAffinity：检查是否匹配Pod的亲和性要求。
  • NoDiskConflict：检查是否存在Volume冲突，仅限于GCEPD、AWSEBS、Ceph RBD以及i5CSl。
  • PodToleratesNodeTaints：检查Pod是否容忍Node Taints。
  • CheckNodeMemoryPressure：检查Pod 是否可以调度到MemoryPressure的节点上。
  • CheckNodeDiskPressure：检查Pod是否可以调度到DiskPressure的节点上。
  • NoVolumeNodeConflict：检查节点是否满足Pod所引用的Volume的条件。

Priorities策略的工作原理是根据每一个插件会有权重打分机制，然后最后权重分数高的择优。

  • SelectorSpreadPriority：优先减少节点上属于同一个Service或Replication Controller的Pod数量（备份冗余）。
  • InterPodAffinityPriority：优先将Pod调度到相同的拓扑上（如同一个节点、Rack、Zone等）。
  • LeastRequestedPriority：优先调度到请求资源少的节点上。
  • BalancedResourceAllocation：优先平衡各节点的资源使用。
  • NodePreferAvoidPodsPriority:alpha.kubernetes.io/preferAvoidPods字段判断，权重为10000，避免其他优先级策略的影响。
  • NodeAffinityPriority：优先调度到匹配NodeAffinity的节点上。
  • TaintTolerationPriority：优先调度到匹配TaintToleration的节点上。
  • ServiceSpreadingPriority：尽量将同一个service的Pod分布到不同节点上，已经被SelectorSpreadPriority替代（默认未使用）。
  • EqualPriority：将所有节点的优先级设置为1（默认未使用）。
  • ImageLocalityPriority：尽量将使用大镜像的容器调度到已经下拉了该镜像的节点上（默认未使用）。
  • MostRequestedPriority：尽量调度到已经使用过的Node上，特别适用于cluster-autoscaler（默认未使用）。

资源需求

CPU

  • requests
    Kubernetes调度Pod时，会判断当前节点正在运行的Pod的CPU Request的总和，再加上当前调度Pod的CPU request，计算其是否超过节点的CPU的可分配资源。
  • limits
    配置cgroup以限制资源上限。

内存

  • requests
    判断节点的剩余内存是否满足Pod的内存请求量，以确定是否可以将Pod调度到该节点。
  • limits
    配置cgroup以限制资源上限。

cpu, request调整 cpu.shares； limit调整cpu.cfs_quota_us

Kubernetes 创建 Pod 时就给它指定了下列一种 QoS 类：Guaranteed，Burstable，BestEffort。

  • Guaranteed：Pod 中的每个容器，包含初始化容器，必须指定内存和CPU的requests和limits，并且两者要相等。
  • Burstable：Pod 不符合 Guaranteed QoS 类的标准；Pod 中至少一个容器具有内存或 CPU requests。
  • BestEffort：Pod 中的容器必须没有设置内存和 CPU requests或limits。

结合节点上 Kubelet 的CPU管理策略，可以对指定 pod 进行绑核操作，例如，可以通过 static 策略，针对具有整数型 CPU requests 的 Guaranteed Pod ，允许该类 Pod 中的容器访问节点上的独占 CPU 资源。这种独占性是使用 cpuset cgroup 控制器 来实现的。诸如容器运行时和 kubelet 本身的系统服务可以继续在这些独占 CPU 上运行。独占性仅针对其他 Pod。这里cpuset基本功能是限制某一组进程只运行在某些cpu和内存节点。

不同 QoS 的 Pod 具有不同的 OOM 分数，当出现资源不足时，集群会优先 Kill 掉 Best-Effort 类型的 Pod ，其次是 Burstable 类型的 Pod ，最后是Guaranteed 类型的 Pod 。

对于Init Container的资源需求，由于多个init容器按顺序执行，并且执行完成立即退出，所以申请最多的资源init容器中的所需资源，即可满足所有init容器需求。

把Pod调度到指定Node上

可以通过nodeSelector、nodeAffinity、podAffinity以及Taints 和tolerations等来将Pod 调度到需要的Node上。
也可以通过设置nodeName参数，将Pod 调度到指定node节点上。

  1. nodeSelector
    可以使用nodeSelector，首先给Node加上标签：
    kubectl label nodes disktype=ssd接着，指定该Pod 只想运行在带有 disktype=ssd标签的Node上。
  2. NodeAffinity
    NodeAffinity目前支持两种： requiredDuringSchedulinglgnoredDuringExecution（必须满足条件）； preferredDuringSchedulinglgnoredDuringExecution（优选条件）
  3. podAffinity
    podAffinity基于Pod的标签来选择Node，仅调度到满足条件Pod所在的Node上，支持podAffinity和podAntiAffinity。这个功能比较绕，以下面的例子为例：
    如果一个“Node所在Zone中包含至少一个带有 security=S1标签且运行中的Pod”，那么可以调度到该Node，不调度到“包含至少一个带有 security=S2标签且运行中Pod”的Node上。
  4. Taints和Tolerations
    Taints和Tolerations 用于保证Pod不被调度到不合适的Node上，其中Taint应用于Node上，而Toleration则应用于Pod上。
    目前支持的Taint类型：
    a. NoSchedule：新的Pod不调度到该Node上，不影响正在运行的Pod；
    b. PreferNoSchedule：soft版的NoSchedule，尽量不调度到该Node上；
    c. NoExecute：新的Pod 不调度到该Node上，并且删除（evict）已在运行的Pod。Pod可以增加一个时间（tolerationSeconds）。
    然而，当Pod的Tolerations 匹配Node的所有Taints的时候可以调度到该Node上；当Pod是已经运行的时候，也不会被删除（evicted）。另外对于NoExecute，如果Pod增加了一个tolerationSeconds，则会在该时间之后才删除 Pod。
  5. 优先级调度
    从v1.8开始，kube-scheduler支持定义Pod的优先级，从而保证高优先级的Pod 优先调度。开启方法为：
    apiserver配置-feature-gates=PodPriority=true和-runtime-
    config=scheduling.k8s.io/vlalphal=true
    kube-scheduler配置–feature-gates=PodPriority=true

Controller Manager

Controller Manager 由 kube-controller-manager 和 cloud-controller-manager 组成，是 Kubernetes 的大脑，它通过 apiserver 监控整个集群的状态，并确保集群处于预期的工作状态。

Controller Manager

kube-controller-manager 由一系列的控制器组成：

  • Certificate Controller
  • ClusterRoleAggregation Controller
  • CronJob Controller
  • Node Controller
  • Deployment Controller
  • Daemon Controller
  • StatefulSet Controller
  • Endpoint Controller
  • Endpointslice Controller
  • Garbage Collector
  • Namespace Controller
  • Job Controller
  • Pod AutoScaler
  • PodGC Controller
  • ReplicaSet Controller
  • Service Controller
  • ServiceAccount Controller
  • Volume Controller
  • Resource quota Controller
  • Disruption Controller

cloud-controller-manager 在 Kubernetes 启用 Cloud Provider 的时候才需要，用来配合云服务提供商的控制，也包括一系列的控制器，如

  • Node Controller
  • Route Controller
  • Node Lifecycle Controller
  • Service Controller

kubelet

一旦Pod被调度到对应的宿主机之后，后续要做的事情就是创建这个Pod，并管理这个Pod的生命周期，这里面包括：Pod的增删改查等操作，在K8S里面这部分功能是通过kubelet 这个核心组件来完成的。

kubelet架构

对于一个Pod来说，它里面一般会存在多个容器，每个容器里面可以关联不同的镜像，进而运行不同的程序，如此以来：Pod的创建就需要下面的几个核心事件：
感知Pod被创建的命令，并清楚的知道这个Pod创建出来的话需要哪一些具体的信息，而这部分信息的获取是kubelet与k8s交互才能获取到的。
kubelet在获取到这部分数据之后，会根据这些资源信息（包括：cpu、mem、network、image等）操作宿主机来完成资源的分配，网络的构建，并下载镜像到本地，进而将pod启动起来。
这就说明kubelet的功能需要分成两类：
一类：k8s进行交互，获取pod相关的数据，监控当前的Pod变化的事件。
二类：kubelet操作当前宿主机的资源信息，并启动Pod。

Pod启动流程

Pod启动流程

  1. 用户通过命令行或yaml文件去创建pod
  2. apiserver接收到对应请求后，将pod信息写入etcd数据库
  3. master组件中Controller-Manage通过过apiserver的watch接口发现了pod信息的更新，执行该资源所依赖的拓扑结构整合，整合后将对应的信息交给apiserver，apiserver将pod信息更新写到etcd。
  4. Scheduler通过apiserver的watch接口更新到pod可以被调度，根据调度算法给pod分配最合适的节点，并将pod和对应节点绑定的信息交给apiserver，apiserver写入etcd。
  5. apiserver调用node节点上的kubelet,指定pod信息，触发docker run命令创建容器。
  6. kube-Proxy给pod分配网络资源，将pod的网络和k8s集群的网络连通，之后反馈给pod所在节点上的kubelet, kubelet又将pod的状态信息给apiserver,apiserver又将pod 的状态信息写入etcd

CRI

容器运行时（Container Runtime），运行于Kubernetes（k8s）集群的每个节点中，负责容器的整个生命周期。其中Docker是目前应用最广的。随着容器云的发展，越来越多的容器运行时涌现。为了解决这些容器运行时和Kubernetes的集成问题，在Kubernetes 1.5版本中，社区推出了CRI（Container Runtime Interface，容器运行时接口）以支持更多的容器运行时。

kubelet启动pod的时候是通过CRI进行启动。

CRI是Kubernetes定义的一组gRPC服务。kubelet作为客户端，基于gRPC框架，通过Socket和容器运行时通信。它包括两类服务：镜像服务（Image Service）和运行时服务（Runtime Service）。

  • 镜像服务提供下载、检查和删除镜像的远程程序调用。
  • 运行时服务包含用于管理容器生命周期，以及与容器交互的调用（exec/attach/port-forward）的远程程序调用。

CRI

容器运行时是真正起删除和管理容器的组件。容器运行时可以分为高层和低层的运行时。
高层运行时主要包括Docker，containerd和CRI-0，低层的运行时，包含了runc，kata，以及qVisor。低层运行时kata和gVisor都还处于小规模落地或者实验阶段，其生态成熟度和使用案例都比较欠缺，所以除非有特殊的需求，否则runc几乎是必然的选择。因此在对容器运行时的选择上，主要是聚焦于上层运行时的选择。
Docker内部关于容器运行时功能的核心组件是containerd，后来 containerd也可直接和kubelet通过CRI对接，独立在Kubernetes中使用。相对于Docker 而言，containerd 减少了Docker所需的处理模块Dockerd和Docker-shim,并且对Docker支持的存储驱动进行了优化，因此在容器的创建启动停止和删除，以及对镜像的拉取上，都具有性能上的优势。架构的简化同时也带来了维护的便利。当然Docker也具有很多containerd不具有的功能，例如支持zfs存储驱动，支持对日志的大小和文件限制，在以overlayfs2做存储驱动的情况下，可以通过xfs_quota 来对容器的可写层进行大小限制等。尽管如此，containerd目前也基本上能够满足容器的众多管理需求，所以将它作为运行时的也越来越多。
Docker的多层封装和调用，导致其在可维护性上略逊一筹，增加了线上问题的定位难度；几乎除了重启Docker，我们就毫无他法了。
containerd和CRI-O的方案比起Docker简洁很多。

containerd和CRI-O

CNI

Kubernetes网络模型设计的基础原则是：

  • 所有的Pod能够不通过NAT就能相互访问。
  • 所有的节点能够不通过NAT就能相互访问。
  • 容器内看见的IP地址和外部组件看到的容器IP是一样的。

Kubernetes的集群里，IP地址是以Pod为单位进行分配的，每个Pod都拥有一个独立的IP地址。一个Pod内部的所有容器共享一个网络栈，即宿主机上的一个网络命名空间，包括它们的IP地址、网络设备、配置等都是共享的。也就是说，Pod 里面的所有容器能通过localhost:port来连接对方。在Kubernetes中，提供了一个轻量的通用容器网络接口CNI（Container Network Interface），专门用于设置和删除容器的网络连通性。容器运行时通过CNI 调用网络插件来完成容器的网络设置。

CSI

容器运行时存储
除外挂存储卷外，容器启动后，运行时所需文件系统性能直接影响容器性能；
早期的Docker 采用Device Mapper作为容器运行时存储驱动，因为OverlayFS尚未合并进Kernel；
目前Docker 和containerd都默认以OverlayFS作为运行时存储驱动；
OverlayFS目前已经有非常好的性能，与DeviceMapper 相比优20%，与操作主机文件性能几乎一致。

将kubectl apply和replace的区别
kubectl apply如果资源不存在，则使用提供的规范创建资源，如果存在则更新（即修补）。提供的规范apply只需要包含规范的必需部分，在创建资源时，API 将使用其余部分的默认值，而在更新资源时，它将使用其当前值。
将kubectl replace完全取代与所提供的规范中定义的现有资源。

参考：
控制节点上的 CPU 管理策略

posted @ 2022-10-08 19:37  Jamest  阅读(280)  评论(0)  编辑  收藏  举报