Scheduler的两阶段调度算法

Kubernetes Scheduler的两阶段调度算法

1. 预选阶段（Predicates）：硬性条件过滤

目标：从集群所有节点中筛选出符合Pod基本运行条件的候选节点。
关键策略：

• 资源匹配：检查节点的CPU、内存、存储等资源是否满足Pod的requests定义。
• 污点与容忍（Taints and Tolerations）：若节点存在污点（如NoSchedule），Pod需声明对应的容忍（Toleration）才能被调度。
• 节点亲和性（Node Affinity）：通过requiredDuringSchedulingIgnoredDuringExecution强制Pod部署到特定标签的节点。
• 卷拓扑限制：例如，云盘类型的存储卷需匹配节点所在的可用区。

生产注意点：

• 预选失败常见于资源超售场景，需合理设置Pod的requests/limits。
• 使用kubectl describe pod <pod-name>可查看因Insufficient cpu/memory导致的调度失败事件。

2. 优选阶段（Priorities）：评分与优化决策

目标：对预选通过的节点打分，选择综合最优节点。
核心评分规则：

• 资源均衡（Balanced Resource Allocation）：优先选择CPU/内存利用率更均衡的节点，避免热点。
• 最小请求优先（Least Requested）：倾向资源空闲率高的节点，公式：(NodeFree - PodRequest) / NodeCapacity。
• Pod亲和性（Inter-Pod Affinity/Anti-Affinity）：优化服务拓扑，例如将同一服务的Pod分散到不同可用区（Topology Spread Constraints）。
• 节点权重（Node Prefer Avoid Pods）：通过注解手动干预调度优先级。

生产最佳实践：

• 对延迟敏感的服务（如AI推理）启用Node Resources Least Allocatable策略，优先分配低延迟节点。
• 结合PriorityClass实现抢占式调度，确保高优先级业务优先调度。

---

调度流程的底层机制

1. 异步绑定：调度线程（Scheduling Thread）串行选择节点后，由独立线程异步执行Bind操作（如更新Pod的nodeName字段）。
2. 调度周期（Scheduling Cycle）：包含预选、优选、绑定三个阶段，若绑定失败（如节点资源突变），Pod重新进入调度队列。
3. 扩展性：通过Scheduler Framework插件机制，可自定义Filter、Score等扩展点（如实现GPU资源调度策略）。

---

生产案例：调度策略配置

# 示例：强制Pod分散在不同可用区
apiVersion: apps/v1
kind: Deployment
spec:
  template:
    spec:
      affinity:
        podAntiAffinity:
          requiredDuringSchedulingIgnoredDuringExecution:
          - labelSelector:
              matchLabels:
                app: nginx
            topologyKey: topology.kubernetes.io/zone

---

总结

Kubernetes调度器通过预选+优选的机制，在保障稳定性的同时实现资源最优分配。生产环境中需结合业务特性调整策略，例如：

• 有状态服务：使用StatefulSet并配置volumeClaimTemplates确保存储拓扑。
• 批量计算：利用Batch类资源（如Job）配合低优先级调度。
• 混合云场景：通过NodeSelector限制调度到特定厂商节点。

参考资料：
预选与优选核心逻辑
Kubernetes官方调度机制
高级调度策略与扩展性