k8s学习（20）：集群调度

简介

Scheduler是kubernetes的调度器，主要的任务是把定义的Pod分配到集群的节点上。听起来非常简单，但是有很多要考虑的问题：

• 公平：如何保证每个节点都能被分配资源
• 资源高效利用：季芹所有资源最大化被使用
• 效率：调度的性能要好，能够尽快地对大批量的Pod完成调度工作
• 灵活：允许用户根据自己的需求烤制调度的逻辑

Scheduler是作为单独的程序运行的，启动之后会一直监听API Server，获取spec.Nodename为空的pod，对每个pod都会创建一个binding，表明该pod应该放到哪个节点上

调度过程

调度氛围几个部分：首先是过滤掉不满足条件的节点，这个过程称为predicate(预选)；然后对通过的节点按照优先级排序，这个是priority；最后从中选择优先级最高的节点。如果中间任何一个步骤有问题，就直接返回错误。

Predicate有一系列的算法可以使用：

• PodFitsResources：节点上剩余的资源是否大于Pod请求的资源
• PodFitsHost：如果Pod指定了NodeName，检查节点名称和NodeName匹配
• PodFitsHostPorts：节点上已经使用的Port是否和Pod申请的Port冲突
• PodSelectorMatches：过滤掉和Pod指定的label不匹配的节点
• NoDiskConflict：已经mount的volume和Pod指定的volume不冲突，除非他们都是只读

如果在predicate过程中没有合适的节点，pod会一直在pending状态，不断重试调度，直到有节点满足条件。经过这个步骤，如果有多个节点满足条件，就继续priorities过程：按照优先级大小进行排序

优先级由一系列键值对组成，键是该优先级项的名称，值是它的权重（该项的重要性）。这些优先级选项包括：

• LeastRequestedPriority：通过计算CPU和Memory的使用率来决定权重，使用率越低，权重越高。换句话说，这个优先级制表倾向于资源使用比例更低的节点
• BalancedResourceAllocation：节点上CPU和Memo而已使用率越接近，权重越高。这个应该和上面的一起使用，不应该单独使用
• ImageLocalityPriority：倾向于已经有要使用镜像的节点，镜像镜像总大小值越大，权重越高

通过算法对所有的优先级项目和权重进行计算，得出最终的结果

自定义调度器

除了kubernetes自带的调度器，你也可以编写自己的调度器。通过spec:schedulername参数指定调度器名字，可以为pod选择某个调度器进行调度。比如下面的pod选择my-scheduler进行调度，而不是默认的default-scheduler：

apiVersion: v1
kind: Pod
metadata:
  name: annotation-second-scheduler
  labels:
    name: multischeduler-example
spec:
  schedulername: my-scheduler
  container: pod-with-second-annotatinon-container
  image: gcr.oio/google_containers/pause:2.0