在K8S中，Scheduler 作用及实现原理有哪些?

在 Kubernetes 中，Scheduler（调度器） 是集群的「智能调度大脑」，负责将新创建的 Pod 分配到最优的 Node 上运行。其核心目标是：在满足资源需求和策略约束的前提下，最大化集群资源的利用率与业务稳定性。以下是其作用与实现原理的深度解析：

---

一、Scheduler 的核心作用

1. 资源供需匹配

• 解决：Pod 的资源请求（CPU/Memory/GPU）与 Node 的可用资源匹配。
• 示例：避免将 8GB 内存需求的 Pod 分配到只剩 4GB 内存的 Node。

2. 策略约束实施

• 关键策略：
  • 节点亲和性（nodeAffinity）：优先选择高配置 SSD 节点。
  • Pod 亲和/反亲和（podAffinity/podAntiAffinity）：
    • 亲和：将同一服务的多个 Pod 部署到同一区域（减少延迟）。
    • 反亲和：避免同一服务的 Pod 全部署在同一节点（防单点故障）。
  • 污点与容忍（Taint/Toleration）：
    • 污点节点（如 dedicated=gpu:NoSchedule）只允许声明容忍的 Pod 调度。

3. 拓扑感知调度

• 优化：将 Pod 分散到不同故障域（如机架、可用区），提升容灾能力。
• 实现：通过 topologySpreadConstraints 控制 Pod 在区域/节点的分布密度。

4. 资源碎片整理

• 场景：避免小资源请求 Pod 散布导致大资源请求 Pod 无法分配。
• 机制：通过 RequestedToCapacityRatio 策略优先选择资源碎片少的节点。

---

二、Scheduler 工作流程（四阶段调度）

graph LR A[新 Pod 创建] --> B(调度队列) B --> C{调度周期开始} C --> D[预选阶段<br>Filter] D --> E[优选阶段<br>Scoring] E --> F[绑定阶段<br>Bind] F --> G[节点执行]

阶段 1：预选（Filter）—— 海选节点

• 目标：淘汰不满足硬性条件的节点（如资源不足、策略冲突）。
• 关键过滤器：
  • NodeResourcesFit：检查 CPU/Memory/GPU 是否足够。
  • NodeAffinity：检查节点亲和性规则。
  • PodTopologySpread：检查拓扑分布约束。
  • TaintToleration：检查污点容忍。
• 结果：生成候选节点列表（如从 100 个节点筛选出 10 个）。

阶段 2：优选（Scoring）—— 节点打分

• 目标：对候选节点评分，选择最优节点。
• 核心评分策略：
  • LeastAllocated：优先选择资源利用率低的节点（平衡负载）。
  • BalancedAllocation：优先选择 CPU/Memory 使用比例均衡的节点（防单资源瓶颈）。
  • InterPodAffinity：根据 Pod 亲和性规则加分。
  • ImageLocality：优先选择已缓存 Pod 所需镜像的节点（加速启动）。
• 评分公式：

  \text{Node Score} = \sum (\text{评分插件权重} \times \text{插件分数})
  

• 结果：得分最高的节点胜出（如 Node A：82分 > Node B：76分）。

阶段 3：预留（Reserve）—— 资源预占

• 将 Pod 资源需求“预占”到目标节点，防止其他 Scheduler 进程争抢。
• 若后续阶段失败（如绑定网络失败），释放预留资源。

阶段 4：绑定（Bind）—— 提交分配结果

• 向 API Server 发送 Binding 对象，将 Pod 与 Node 绑定。
• 目标节点上的 kubelet 检测到绑定事件后，启动容器。

---

三、Scheduler 高级特性

1. 调度框架（Scheduling Framework）

• 可扩展性：允许开发者注入自定义逻辑（如企业级调度策略）。
• 扩展点示例：
  • PreFilter：预处理 Pod 信息。
  • PostBind：绑定成功后触发通知（如发送审计日志）。

2. 动态资源感知

• 实时监控节点资源变化（如 GPU 卡被释放），重新调度等待中的 Pod。
• 工具：结合 Metrics Server 和 Vertical Pod Autoscaler。

3. 抢占调度（Preemption）

• 场景：高优先级 Pod 因资源不足无法调度时，驱逐低优先级 Pod。
• 策略：
  • 选择牺牲品（优先级最低的 Pod）。
  • 优雅驱逐（等待 30 秒终止期）。
  • 调度高优先级 Pod。

4. 批处理与并发控制

• 批处理调度：一次调度多个 Pod（如 Job 的 100 个任务 Pod）。
• 并发限制：避免大规模集群中调度请求风暴（默认 100 并发）。

---

四、Scheduler 配置实践

1. 调度策略定制（示例）

apiVersion: kubescheduler.config.k8s.io/v1beta3
kind: KubeSchedulerConfiguration
profiles:
  - schedulerName: default-scheduler
    plugins:
      filter:  # 预选插件
        enabled:
          - name: NodeResourcesFit
          - name: NodeAffinity
      score:   # 优选插件
        enabled:
          - name: LeastAllocated
            weight: 5   # 权重
          - name: InterPodAffinity
            weight: 3

2. 调度器高可用

• 运行多个 Scheduler 实例（如 my-scheduler-1、my-scheduler-2）。
• Pod 通过 .spec.schedulerName 指定调度器。

---

五、调度失败排查指南

现象	常见原因	排查命令
Pod 卡在 Pending	无节点满足资源需求	kubectl describe pod <pod>
节点资源充足但调度失败	污点未容忍/节点亲和性冲突	kubectl get node -o yaml
抢占失败	低优先级 Pod 无法被驱逐（如 PDB 限制）	kubectl get pdb
拓扑分布约束未满足	故障域节点不足	kubectl top node

---

六、总结：Scheduler 的核心价值

✅ 资源高效利用：智能匹配供需，减少资源碎片
✅ 业务稳定性保障：通过反亲和/拓扑分布防单点故障
✅ 策略驱动调度：灵活支持亲和性、GPU 调度等复杂场景
✅ 可扩展架构：通过 Scheduling Framework 定制企业级策略

一句话理解调度器：

🧠 它是 Kubernetes 的「资源调配大师」——

• 洞察全局（监控所有节点资源）
• 精打细算（过滤+评分选择最优节点）
• 运筹帷幄（通过策略保障业务 SLA）
  确保每个 Pod 在正确的位置高效运行。