Kubernetes 调度与资源管理

Kubernetes 通过灵活的调度与资源管理机制，实现了高效的工作负载分布与资源利用。本文系统梳理调度流程、资源分配、自动扩缩容、优先级抢占、节点压力驱逐等核心内容，助力集群性能与可靠性提升。

调度与资源管理概述

Kubernetes 需要复杂的系统来决定工作负载的运行位置及资源分配方式。这些系统确保：

• Pod 被调度到合适的节点
• 资源分配高效且公平
• 高优先级工作负载在资源紧张时能优先运行
• 系统可根据资源需求动态调整

下图展示了调度与资源管理的主要组件关系：

Kubernetes 调度器原理

Kubernetes 调度器（kube-scheduler）负责为新建 Pod 分配节点。它持续监听未分配节点的 Pod，并为每个 Pod 选择最优节点。

调度流程

调度分为两大阶段：

1. 过滤（Filtering）：筛选出可运行 Pod 的节点集合
2. 打分（Scoring）：对候选节点评分，选出最优节点

调度框架与插件机制

调度器采用可插拔架构（Scheduling Framework），支持多种扩展点，便于自定义调度逻辑。

默认调度插件

下表列举了常用内置调度插件及其作用：

资源管理机制

Kubernetes 支持为 Pod 中的容器指定资源请求（requests）与限制（limits），用于调度与资源分配。

资源类型

主要资源类型如下：

Requests 与 Limits

每个容器可指定资源请求与限制。下图展示了 Pod 内多容器资源汇总关系：

• Requests：调度时保证的最小资源
• Limits：运行时允许的最大资源

调度器依据 requests 进行节点选择，kubelet 依据 limits 强制资源上限。

资源限制的强制机制

kubelet 与容器运行时协作，强制资源限制：

• CPU 限制：通过限流实现，超出部分被限制
• 内存限制：超限时触发 OOM 杀手，容器被终止

若容器超出 requests 但未超 limits，且节点资源紧张，Pod 可能被驱逐。

Pod 调度策略

Kubernetes 提供多种机制控制 Pod 在节点间的分布。

拓扑分布约束（Topology Spread Constraints）

拓扑分布约束可控制 Pod 在不同故障域（如区域、可用区、节点）间的分布。

常用字段包括：

• maxSkew：最大分布偏差
• topologyKey：节点标签键
• whenUnsatisfiable：无法满足约束时的处理方式
• labelSelector：约束作用的 Pod 选择器

污点与容忍（Taints & Tolerations）

污点与容忍机制确保 Pod 不会被调度到不合适的节点。

常见场景包括专用节点、特殊硬件节点、节点压力驱逐等。

优先级与抢占

Kubernetes 支持通过优先级（Priority）指定 Pod 重要性。高优先级 Pod 无法调度时，调度器可抢占低优先级 Pod。

Pod 优先级

通过 PriorityClass 对象和 priorityClassName 字段指定。优先级值越高，Pod 越重要。

内置优先级类包括 system-cluster-critical 和 system-node-critical。

抢占机制

抢占流程如下：

1. 高优先级 Pod 无法调度
2. 调度器查找可抢占节点
3. 选择低优先级 Pod 进行驱逐
4. 高优先级 Pod 获得调度机会

节点压力驱逐

kubelet 监控节点资源压力，主动驱逐 Pod 以防节点故障。

驱逐信号与阈值

kubelet 依据多种信号判断资源压力：

阈值分为软阈值（有宽限期）和硬阈值（立即驱逐）。驱逐顺序依次考虑 QoS 类别、资源使用与优先级。

Pod 中断预算（PDB）

Pod Disruption Budget（PDB）用于限制自愿中断（如节点维护、升级）时可同时中断的 Pod 数量。

PDB 可指定 minAvailable 或 maxUnavailable，仅保护自愿中断，不防止节点故障或资源驱逐。

自动扩缩容（Autoscaling）

Kubernetes 支持基于指标的自动扩缩容，提升资源利用率。

水平 Pod 自动扩缩容（HPA）

HPA 控制器根据指标自动调整副本数。下图展示了 HPA 工作流程：

HPA 支持 CPU、内存、自定义与外部指标。核心算法如下：

desiredReplicas = ceil[currentReplicas * (currentMetricValue / desiredMetricValue)]

可配置扩缩容策略

HPA 支持分别配置扩容与缩容策略：

behavior:
  scaleDown:
    stabilizationWindowSeconds: 300
    policies:
    - type: Percent
      value: 10
      periodSeconds: 60
  scaleUp:
    stabilizationWindowSeconds: 0
    policies:
    - type: Percent
      value: 100
      periodSeconds: 15
    - type: Pods
      value: 4
      periodSeconds: 15
    selectPolicy: Max

可控制扩缩容速度、窗口期与单次变更幅度。

资源装箱（Bin Packing）策略

Kubernetes 支持多种资源装箱策略，提升集群利用率。

MostAllocated 策略

MostAllocated 策略倾向于将 Pod 调度到资源利用率高的节点。

apiVersion: kubescheduler.config.k8s.io/v1
kind: KubeSchedulerConfiguration
profiles:
- pluginConfig:
  - args:
      scoringStrategy:
        resources:
        - name: cpu
          weight: 1
        - name: memory
          weight: 1
        type: MostAllocated
    name: NodeResourcesFit

RequestedToCapacityRatio 策略

该策略可更细粒度控制资源分配比例，适用于复杂场景。

多调度器支持

Kubernetes 支持同时运行多个调度器，满足特殊调度需求。

通过 Pod 的 schedulerName 字段指定调度器。

集群规模与可扩展性

Kubernetes 支持大规模集群，常见上限如下：

• 节点数：5000
• 总 Pod 数：150,000
• 总容器数：300,000
• 单节点最大 Pod 数：110

大集群需关注控制面容量、资源配额、云厂商限制、网络与存储性能等。

总结

Kubernetes 通过灵活的调度与资源管理体系，实现了高效的工作负载分布、资源利用与弹性伸缩。合理配置调度策略、资源限制、优先级与自动扩缩容机制，可显著提升集群的性能、可靠性与可维护性。

参考文献

1. Pod Priority and Preemption - kubernetes.io
2. Kubernetes Scheduling - kubernetes.io
3. Resource Management for Pods and Containers - kubernetes.io
4. Horizontal Pod Autoscaler - kubernetes.io
5. Pod Disruption Budgets - kubernetes.io