放置策略：标签、污点、优先级与公平性

计数回答“多少块”，标签回答“哪种”，拓扑回答“哪个物理实例”；放置策略就是把这些答案写成可审计的 Kubernetes 对象。

标签与亲和性

nodeSelector 简单而精确。节点亲和性（Node Affinity）更富表达力：required 规则保护正确性，preferred 规则表达性能偏好。为架构、内存档位、互连域、可用区和生命周期阶段使用稳定标签。

污点与容忍

当普通工作负载不应消耗 GPU 节点时给它们打污点（taint）；给属于该池的工作负载加容忍（toleration）。容忍说的是“我可以在这里运行”，不是说“这是最好的节点”，把它与选择器或亲和性配对使用。设备插件路径下的典型组合：GPU 节点打 nvidia.com/gpu: NoSchedule 污点，GPU 工作负载带相应容忍。

优先级与抢占：一件锋利的工具

PriorityClass 让调度器偏袒更重要的 Pod。抢占（preemption）可以驱逐低优先级 Pod 腾出空间，但结果就是干扰。把它用于明确的业务关键性，并配合配额、检查点、优雅终止和容量余量。一个更大的数字不会让工作负载更正确。

apiVersion: scheduling.k8s.io/v1
kind: PriorityClass
metadata:
  name: ai-serving-critical
value: 100000
preemptionPolicy: PreemptLowerPriority
globalDefault: false
description: "Critical online inference; use sparingly"

对批量训练，排队与成组准入（gang admission）可能比抢占正在运行的作业更有用（Volcano 与 Kueue 的核心语义，见控制面各章）；对在线推理，应预留容量，而不是假设抢占能满足延迟 SLO。

配额是社会架构

一个共享 GPU 集群是一个多租户系统。ResourceQuota、命名空间所有权、排队策略、公平份额调度、计费返还（chargeback）或展示计费（showback）定义了谁能消耗稀缺容量。没有这些控制，最激进的工作负载就会变成调度器意外选出的产品经理。

apiVersion: v1
kind: ResourceQuota
metadata:
  name: gpu-team-quota
  namespace: ai-team
spec:
  hard:
    requests.nvidia.com/gpu: "8"
    limits.nvidia.com/gpu: "8"
    requests.cpu: "64"
    requests.memory: 512Gi

总结

放置策略是控制面的“软”层：它不改变资源本身，只决定资源流向谁、流向哪里。标签防错配、污点防侵占、优先级保关键、配额保公平；四件工具与调度问题域的硬约束共同构成完整的放置语言。