资源调度
概述
Kubernetes 作为现代容器编排调度平台，资源调度是其核心功能之一。本节将深入探讨 Kubernetes 中的资源调度机制，包括调度器的工作原理、调度策略以及高级调度场景。
调度器组件
kube-scheduler 工作原理
kube-scheduler 是 Kubernetes 集群中负责 Pod 调度的核心组件，其主要职责包括：
- 监听
kube-apiserver中未调度的 Pod - 根据调度算法为 Pod 选择合适的节点
- 通过预选和优选两个阶段完成调度决策
调度流程
- 预选阶段（Filtering）：过滤掉不满足 Pod 运行条件的节点
- 优选阶段（Scoring）：对候选节点进行评分，选择最优节点
- 绑定阶段（Binding）：将 Pod 分配到选定的节点上
调度策略
默认调度策略
Kubernetes 中的各种工作负载资源都定义了相应的调度策略：
- Deployment：支持副本分散调度
- DaemonSet：确保每个节点运行一个 Pod 副本
- StatefulSet：支持有状态应用的有序调度
高级调度功能
通过为节点和 Pod 添加标签（Labels）和污点（Taints），可以实现更精细的调度控制：
- 节点选择器（NodeSelector）
- 节点亲和性（Node Affinity）
- Pod 亲和性和反亲和性（Pod Affinity/Anti-Affinity）
- 污点和容忍（Taints and Tolerations）
动态调度扩展
重调度场景
当需要对已调度的 Pod 进行重新分配时，考虑以下场景：
集群负载均衡
当集群中新增节点时，可能需要重新平衡各节点的资源利用率。原生 kube-scheduler 不支持 Pod 的重调度，需要使用专门的工具：
- Descheduler：用于驱逐过载节点上的 Pod，实现集群负载重平衡
数据本地性优化
对于大数据和批处理应用，Pod 的调度需要考虑数据分布：
- Volcano（原 kube-batch）：专为批处理和机器学习工作负载设计的调度器，支持队列管理、资源配额和任务调度
扩展调度器
除了默认调度器外，Kubernetes 还支持：
- 多调度器：同时运行多个调度器实例
- 调度器扩展：通过 Scheduler Framework 自定义调度逻辑
- 调度器配置：通过配置文件自定义调度策略
最佳实践
- 合理设置资源请求和限制：确保调度器能够做出正确的调度决策
- 使用节点标签和选择器：实现精确的节点选择
- 配置 Pod 反亲和性：避免单点故障
- 监控调度性能：及时发现和解决调度瓶颈