Scheduler调度器

Scheduler调度器：

k8s组件的工作关系：

创建pod：

1. 客户端（kubectl）请求apiserver做相应的操作，api-server会进行认证（serviceaccount），授权检查（role等），都通过了则进行资源调度
2. 调度器（scheduler）会在各个节点根据算法进行调度选择，最后api-server会把调度结果保存在etcd中，然后api-server根据调度结果发送对应node上kubelet的指令
3. kubelet会监听api-server中关于自身节点的信息，需要执行操作时，去api-server中获取相关操作的配置清单，在本地创建pod

创建service：

kubectl创建service时走完前面相同的流程，但最后一步不由kubeletc管理，而是由kube-proxy管理，kube-proxy会根据api-server中的配置清单创建相应的iptables或ipvs规则

调度器调度过程：

分为两步： 过滤、打分
实际上可具体到3步，打分步骤后还有具体的绑定过程

1. 预选过程（Predieata）：根据运行最低要求，排除不达标的节点
2. 优选过程（prority）：使用算法计算，对各个满足要求的节点进行打分，得出优先级，选出得分最高的那个节点
3. 绑定过程（Select）：将pod绑定在得分最高的节点。如果有多个得分最高，则随机选择

特殊节点选择：

这些是可以影响预选、优选过程的方式

pod资源定义：

• 运行在指定名称的节点
• 运行在指定标签的节点

亲和性：

• nodeSelector，节点亲和性
• pod
  • 偏向于把2个pod运行在同一位置，叫pod亲和性
  • 偏向于把2个pod运行在不同位置，叫pod反亲和性（httpd和nginx就需要反亲和性）

污点（Taints）和污点容忍（Tolerations）：

污点定义在节点上，污点容忍定义在pod

• 污点可理解为A的不良习惯，如抽烟、酗酒
• 污点容忍可理解为B能够忍受的习惯，如B容忍A抽烟

---

预选策略：

各个策略之间是"&&"关系，一个不满足就否定

CheckNodeCondition	#检查节点是有运行正常 
GeneralPredicates		#通用预选策略
	HostName					#检查Pod资源是否定义了：pod.spec.hostname，如果此资源在节点上已经被占用了，就排除
	PodFitsHostPorts	#检查Pod资源是否定义了：pod.spec.containers.ports.hostPort，如果节点上此资源被占用，就排除
	MatchNodeSelector	#匹配pod.spec.nodeSelector，节点的标签不能匹配就排除
	PodFitResources		#检查节点的资源是否满足最低运行环境
NoDiskConfiict			#默认未启用，检查是否能满足Pod依赖的存储卷
PodToleratesNodeTaints	#检查pod.spec.tolerations中定义的容忍污点，能否完全容忍节点的污点
PodToleratesNodeExecuteTaints		#默认未启用，检查特殊的污点。一般情况下，pod能够容忍污点，调度到一个node上，后来node的污点改成pod不能容忍的污点，pod不会被赶走，但execute类型的污点相反，改动到不能容忍了就被赶走
CheckNodeLabelPresence	#默认未启用，检查节点标签能否允许pod调度
CheckServiceAffinity		#默认未启用。已经存在一个svc，并在A、B节点创建了pod，新建的pod更亲和在已有svc的A、B节点创建
MaxEBSVolumeCountPred		#aws云存储挂载是否超出上限，最大挂载39个，默认启用
MaxGCEPDVolumeCountPred	#谷歌云存储上限，最大16个，默认启用
MaxAzureDiskVolumeCountPres	#Azure云存储挂载上限。默认启用
CheckVolumeBindind			#检查节点上的pvc绑定
NoVolumeZoneConflict		#检查节点的存储区域、存储卷是否与pod冲突
CheckNodeMemoryPressure		#检查节点内存是否压力过大
CheckNodePIDPressure		#检查节点的PID是否压力过大
CheckNodeDiskPressue		#检查节点磁盘IO是否压力过大
MatchInterPodAffinity		#检查pod亲和性和反亲和性

---

优选函数：

每个函数的得分最大都是10分，最后算总分

LeastRequested		#计算最空闲的主机
		总得分=(cpu+mem)/2
		cpu=(总容量-(正在被pod请求占用的容量))/总容量*10
		mem=(总容量-(正在被pod请求占用的容量))/总容量*10
		例：
			cpu=(16c-8c)/16c*10=5
			mem=(32G-8G)/32G*10=7.5
			总分=(5+7.5)/2=6.25
			
BalanceResourceAllocation		#cpu和内存资源使用率相近的胜出，结合上一个函数 
		例： 50%cpu和50%内存
		
NodePreferAvoidPods		#根据节点的注解信息判定：scheduler.alpha.kubernetes.io/preferAvoidPods。没有此注解信息时，得分10,权重是10000，所以没有就能运行。此注解对pod运行有很大决定权
TaintToleration			#污点容忍度打分，用pod.spec.tolerations的容忍列表与节点的污点做匹配，匹配度越高，分越低
SelectorSpreading		#标签选择器分散度，A节点运行一个标签app:t1的pod，B、C没有标签为app:t1的pod，则B、C分最高
InterPodAffinity		#pod亲和性匹配度越高的得分越高，A有2点亲和性满足，B有4点亲和性满足，则B有4分
NodeAffinity			#节点亲和性
MostRequested			#默认未启用，节点资源使用量越大的，分月高，与leastreuqest相反，一般两者取其一使用
NodeLabel					#默认未启用，node标签判断，只要有标签就得分
ImageLocality			#默认未启用，根据满足当前pod对象需要的已有镜像的体积之和计算