在K8S中，Scheduler使用哪两种算法将 Pod 绑定到 worker节点?

在 Kubernetes 中，Scheduler 负责将 Pod 绑定到集群中的节点上。Scheduler 使用一系列的算法和策略来决定 Pod 应该被调度到哪个节点上。虽然 Scheduler 的决策过程涉及多种算法和策略，但从总体上看，可以将其主要决策过程归纳为两类算法：预选（Predication）和选择（Scheduling）。

1. 预选（Predication）

预选是指 Scheduler 在正式选择节点之前，先判断集群中的哪些节点满足 Pod 的要求。这一阶段主要是为了过滤掉不符合条件的节点。预选算法包括但不限于以下几个方面：

• 资源可用性：检查节点是否有足够的资源（如 CPU、内存、磁盘空间等）来运行 Pod。
• 节点标签和污点：检查节点标签是否符合 Pod 的节点选择器（NodeSelector）；同时，如果节点上有 Pod 不能容忍的污点（Taints），则该节点也会被排除在外。
• 亲和性和反亲和性：检查节点是否满足 Pod 的亲和性（Affinity）和反亲和性（Anti-affinity）设置。
• 节点条件：检查节点是否处于就绪（Ready）状态，以及是否满足其他健康检查条件。
• 安全策略：检查节点是否满足 Pod 的安全上下文要求，例如 SELinux 标签等。

2. 选择（Scheduling）

一旦预选阶段完成，只剩下符合条件的节点之后，Scheduler 会使用选择算法来决定哪个节点是最优的选择。选择算法通常会考虑以下因素：

• 节点资源利用率：选择资源利用率较低的节点，以避免过度集中负载。
• 节点亲和性：如果 Pod 设置了节点亲和性规则，Scheduler 会选择那些能够满足这些规则的节点。
• 优先级：优先级较高的 Pod 可能会被优先调度到合适的节点上。
• 优先级抢占：如果高优先级的 Pod 需要资源而低优先级的 Pod 正在占用这些资源，Scheduler 可能会选择抢占低优先级 Pod 的资源。
• 拓扑感知调度：根据节点的拓扑信息（如机架、区域等）来做出决策，以提高系统的容错能力和可用性。
• 负载均衡：尝试将 Pod 均匀分布在不同的节点上，以防止某一个节点的负载过高。

3. 实现细节

在 Kubernetes 的实现中，Scheduler 使用了插件化的框架，允许用户通过自定义的 Predicate 和 Prioritizer 插件来扩展调度逻辑。这些插件可以注册到 Scheduler 中，并参与到预选和选择的过程中。例如，用户可以编写自定义的插件来实现更复杂的调度逻辑，如基于性能的调度、基于成本的调度等。

此外，Scheduler 还支持多种内置的调度策略，如：

• LeastAllocated：选择当前资源最少使用的节点。
• MostBooted：选择启动时间最长的节点。
• Random：随机选择一个节点。

综上所述，通过这些算法和策略的组合，Scheduler 能够根据集群的当前状态和 Pod 的需求来做出最优的调度决策。