[toc]
Overview
kube-scheduler 是kubernetes控制平面的核心组件，其默认行为是将 pod 分配给节点，同时平衡Pod与Node间的资源利用率。通俗来讲就是 kube-scheduler 在运行在控制平面，并将工作负载分配给 Kubernetes 集群。
本文将深入 Kubernetes 调度的使用，包含：”一般调度”，”亲和度“，“污点与容忍的调度驱逐”。最后会分析下 Scheduler Performance Tuning，即微调scheduler的参数来适应集群。
简单的调度
NodeName [1]
最简单的调度可以指定一个 NodeName 字段，使Pod可以运行在对应的节点上。如下列资源清单所示
apiVersion: v1
kind: Pod
metadata:
name: netpod
spec:
containers:
- name: netbox
image: cylonchau/netbox
nodeName: node01
通过上面的资源清单Pod最终会在 node01上运行。这种情况下也会存在很多的弊端，如资源节点不足，未知的nodename都会影响到Pod的正常工作，通常情况下，这种方式是不推荐的。
$ kubectl describe pods netpod
Name: netpod
Namespace: default
...
QoS Class: BestEffort
Node-Selectors: <none>
Tolerations: node.kubernetes.io/not-ready:NoExecute for 300s
node.kubernetes.io/unreachable:NoExecute for 300s
Events:
Type Reason Age From Message
---- ------ ---- ---- -------
Normal Pulling 86s kubelet Pulling image "cylonchau/netbox"
Normal Pulled 17s kubelet Successfully pulled image "cylonchau/netbox"
Normal Created 17s kubelet Created container netbox
Normal Started 17s kubelet Started container netbox
$ kubectl get pods netpod -o wide
NAME READY STATUS RESTARTS AGE IP NODE NOMINATED NODE READINESS GATES
netpod 1/1 Running 0 48m 192.168.0.3 node01 <none> <none>
通过上面的输出可以确定，通过 NodeName 方式是不经过 scheduler 调度的
nodeSelector [2]
label 是 kubernetes中一个很重要的概念，通常情况下，每一个工作节点都被赋予多组 label ,可以通过命令查看对应的 label 。
$ kubectl get node node01 --show-labels
NAME STATUS ROLES AGE VERSION LABELS
node01 Ready <none> 15h v1.18.20 beta.kubernetes.io/arch=amd64,beta.kubernetes.io/os=linux,kubernetes.io/arch=amd64,kubernetes.io/hostname=node01,kubernetes.io/os=linux
而 nodeSelector 就是根据这些 label ，来选择具有特定一个或多个标签的节点。例如，如果需要在一组特定的节点上运行pod，可以设置在 “PodSpec” 中定义nodeSelector 为一组键值对：
apiVersion: apps/v1
kind: Deployment
metadata:
name: netpod-nodeselector
spec:
selector:
matchLabels:
app: netpod
replicas: 2
template:
metadata:
labels:
app: netpod
spec:
containers:
- name: netbox
image: cylonchau/netbox
nodeSelector:
beta.kubernetes.io/os: linux
对于上面的pod来讲，Kubernetes Scheduler 会找到带有 beta.kubernetes.io/os: linux标签的节点。对于更多kubernetes内置的标签，可以参考 [3]
对于标签选择器来说，最终会分布在具有标签的节点上
kubectl describe pod netpod-nodeselector-69fdb567d8-lcnv6
Name: netpod-nodeselector-69fdb567d8-lcnv6
Namespace: default
...
QoS Class: BestEffort
Node-Selectors: beta.kubernetes.io/os=linux
Tolerations: node.kubernetes.io/not-ready:NoExecute for 300s
node.kubernetes.io/unreachable:NoExecute for 300s
Events:
Type Reason Age From Message
---- ------ ---- ---- -------
Normal Scheduled 8m18s default-scheduler Successfully assigned default/netpod-nodeselector-69fdb567d8-lcnv6 to node01
Normal Pulling 8m17s kubelet Pulling image "cylonchau/netbox"
Normal Pulled 7m25s kubelet Successfully pulled image "cylonchau/netbox"
Normal Created 7m25s kubelet Created container netbox
Normal Started 7m25s kubelet Started container netbox
节点亲和性 [4]
对于使用了调度功能的系统来说，亲和度 （Affinity）是个很常见的概念，通常亲和度发生在并行（parallel）环境中；在这种环境下，亲和度提供了在一个节点上运行pod可能比在其他节点上运行更有效，而计算亲和度通常由多种条件组成。一般情况下，亲和度分为“软亲和与硬亲和
- 软亲和，Soft Affinity，是调度器尽可能将任务保持在同一个节点上。这只是一种尝试；如果不可行，则将进程迁移到另一个节点
- 硬亲和，Hard affinity，硬亲和度是强行将任务绑定到指定的节点上
而在kubernetes中也支持亲和度的概念，而亲和度是与 nodeSelector 配合形成的一个算法。其中硬亲和被定义为requiredDuringSchedulingIgnoredDuringExecution；软亲和被定义为 preferredDuringSchedulingIgnoredDuringExecution
- 硬亲和性（
requiredDuringSchedulingIgnoredDuringExecution）：必须满足条件，否则调度程序无法调度 Pod。 - 软亲和性 （
preferredDuringSchedulingIgnoredDuringExecution）：scheduler 将查找符合条件的节点。如果没有满足要求的节点将忽略这条规则，scheduler 将仍会调度 Pod。
Node Affinity
Node Affinity参数说明
调度程序会更倾向于将 pod 调度到满足该字段指定的亲和性表达式的节点，但它可能会选择违反一个或多个表达式的节点。最优选的节点是权重总和最大的节点，即对于满足所有调度要求（资源请求、requiredDuringScheduling 亲和表达式等）的每个节点，通过迭代该字段的元素来计算总和如果节点匹配相应的matchExpressions，则将“权重”添加到总和中；具有最高和的节点是最优选的。
如果在调度时不满足该字段指定的亲和性要求，则不会将 Pod 调度到该节点上。如果在 pod 执行期间的某个时间点不再满足此字段指定的亲和性要求（例如，由于更新），系统可能会或可能不会尝试最终将 pod 从其节点中逐出。
affinity 范围应用于 Pod.Spec 下，参数如下：
-
nodeAffinity：node亲和度相关根配置-
preferredDuringSchedulingIgnoredDuringExecution：软亲和-
preference(required)：选择器-
matchExpressions：匹配表达式，标签可以指定部分-
key(<string> -required-)： -
operator(<string> -required-)：# 与一组 key-values的运算方式。 -
values(<[]string>)：
-
-
matchFields： 匹配字段-
key(<string> -required-)： -
operator(<string> -required-)：# 与一组 key-values的运算方式。 -
values(<[]string>)：
-
-
-
weight(required)：范围为 1-100，具有最高和的节点是最优选的
-
-
requiredDuringSchedulingIgnoredDuringExecution：硬亲和-
nodeSelectorTerms-
matchExpressions：-
key(<string> -required-)： -
operator(<string> -required-)：# 与一组 key-values的运算方式。 -
values(<[]string>)：
-
-
matchFields：-
key(<string> -required-)： -
operator(<string> -required-)：一组 key-values 的运算方式。 -
values(<[]string>)：
-
-
-
-
Notes: matchFields使用的是资源清单的字段（kubectl get node -o yaml），而matchExpressions匹配的是标签
Node Affinity示例
上面的介绍了解到了Kubernetes中相对与 nodeSelector可以更好表达复杂的调度需求：节点亲和性，使用PodSpec中的字段 .spec.affinity.nodeAffinity 指定相关 affinity 配置。
apiVersion: apps/v1
kind: Deployment
metadata:
name: netpod-nodeselector
spec:
selector:
matchLabels:
app: netpod
replicas: 2
template:
metadata:
labels:
app: netpod
spec:
containers:
- name: netbox
image: cylonchau/netbox
affinity:
nodeAffinity:
preferredDuringSchedulingIgnoredDuringExecution:
- weight: 1
preference:
matchExpressions:
- key: app
operator: In
values:
- test
上面的清单表明，当节点存在 app: test 标签时，会调度到对应的Node上，如果没有节点匹配这些条件也不要紧，会根据普通匹配进行调度。
当硬策略和软策略同时存在时的情况，根据设置的不同，硬策略优先级会高于软策略，哪怕软策略权重设置为100
apiVersion: apps/v1
kind: Deployment
metadata:
name: netpod-nodeselector
spec:
selector:
matchLabels:
app: netpod
replicas: 2
template:
metadata:
labels:
app: netpod
spec:
containers:
- name: netbox
image: cylonchau/netbox
affinity:
nodeAffinity:
preferredDuringSchedulingIgnoredDuringExecution:
- weight: 1
preference:
matchExpressions:
- key: app
operator: In
values:
- test
requiredDuringSchedulingIgnoredDuringExecution:
nodeSelectorTerms:
- matchExpressions:
- key: topology.kubernetes.io/zone
operator: In
values:
- antarctica-east1
- antarctica-west1
下面是报错信息
Warning FailedScheduling 4s (x3 over 24s) default-scheduler 0/2 nodes are available: 2 node(s) didn't match node selector.
Pod亲和性 [4]
pod亲和性和反亲和性是指根据节点上已运行的Pod的标签而不是Node标签来限制Pod可以在哪些节点上调度。例如：X 满足一个或多个运行 Y 的条件，这个时候 Pod满足在X中运行。其中 X 为拓扑域，Y 则是规则。
Notes：官方文档中不推荐pod亲和度在超过百个节点的集群中使用该功能 [5]
Pod亲和性配置
Pod亲和性和反亲和性与Node亲和性类似，affinity 范围应用于 Pod.Spec.podAffinity 下，这里不做重复复述，可以参考Node亲和性参数说明部分。
topologyKey，==不允许是空值==，该值将影响Pod部署的位置，影响范围为，与亲和性条件匹配的对应的节点中的什么拓扑，topologyKey的拓扑域由label标签决定。
除了 topologyKey 之外，还有标签选择器 labelSelector 与 名称空间 namespaces 可以作为同级的替代选项
apiVersion: apps/v1
kind: Deployment
metadata:
name: netpod-podaffinity
spec:
selector:
matchLabels:
app: podaffinity
replicas: 1
template:
metadata:
labels:
app: podaffinity
spec:
containers:
- name: podaffinity
image: cylonchau/netbox
affinity:
podAffinity:
requiredDuringSchedulingIgnoredDuringExecution:
- labelSelector:
matchExpressions:
- key: app
operator: In
values:
- netpod
topologyKey: zone
如果没有Pod匹配到规则，则pending状态
Warning FailedScheduling 59s (x2 over 59s) default-scheduler 0/2 nodes are available: 2 node(s) didn't match pod affinity rules, 2 node(s) didn't match pod affinity/anti-affinity.
Pod Anti-Affinity
在某些场景下，部分节点不应该有很多资源，即某些节点不想被调度。例如监控运行节点由于其性质，不希望该节点上有很多资源，或者因节点配置的不同，配置较低节点不希望调度很多资源；在这种情况下，如果将符合预期之外的Pod调度过来会降低其托管业务的性能。这种情况下就需要 反亲和度（Anti-Affinity）来使Pod远离这组节点
apiVersion: apps/v1
kind: Deployment
metadata:
name: netpod-podaffinity
spec:
selector:
matchLabels:
app: podaffinity
replicas: 1
template:
metadata:
labels:
app: podaffinity
spec:
containers:
- name: podaffinity
image: cylonchau/netbox
affinity:
podAntiAffinity:
preferredDuringSchedulingIgnoredDuringExecution:
- weight: 100
podAffinityTerm:
labelSelector:
matchExpressions:
- key: app
operator: In
values:
- netpod
topologyKey: zone
Taints And Tolerations [6]
Taints
亲和度和反亲和度虽然可以阻止Pod在特定节点上运行，但还存在一个问题，就是亲和度和反亲和度需要声明运行的节点或者是不想运行的节点，如果忘记声明，还是会被调度到对应的Node上。Kubernetes还提供了一种驱逐Pod的方法，就是污点（Taints）与容忍（Tolerations）。
创建一个污点
kubectl taint nodes node1 key1=value1:NoSchedule
$ kubectl taint nodes mon01 role=monitoring:NoSchedule
删除一个污点，
kubectl taint nodes node1 key1=value1:NoSchedule-
除了 NoSchedule ，还有 PreferNoSchedule 与 NoExecute
-
PreferNoSchedule：类似于软亲和性的属性，尽量去避免污点，但不是强制的。 -
NoExecute表示，当Pod还没在节点上运行时，并且存在至少一个污点时生效，此时Pod不会被调度到该节点；当Pod已经运行在节点上时，并且存在至少一个污点时生效，Pod将会从节点上被驱逐。
Tolerations
当Node有污点时，在调度时会自动被排除。当调度在受污染的节点上执行Predicate部分时将失败，而容忍度则是使 pod 具有对该节点上的污点进行容忍，即拥有容忍度的Pod可以调度到有污点的节点之上。
apiVersion: apps/v1
kind: Deployment
metadata:
name: netpod-podaffinity
spec:
selector:
matchLabels:
app: podaffinity
replicas: 1
template:
metadata:
labels:
app: podaffinity
spec:
containers:
- name: podaffinity
image: cylonchau/netbox
tolerations:
- key: "role"
operator: "Equal"
value: "monitoring"
effect: "NoSchedule"
affinity:
podAntiAffinity:
preferredDuringSchedulingIgnoredDuringExecution:
- weight: 100
podAffinityTerm:
labelSelector:
matchExpressions:
- key: app
operator: In
values:
- netpod
topologyKey: zone
容忍度中存在一个特殊字段 TolerationSeconds ，表示容忍的时间，默认不会设置，即永远容忍污点。设置成0或者负数表示理解驱逐。==仅在污点为 NoExecute 时生效==
operator 属性有两个值 Exists 和 Equal
- 如果 operator 为
Exists，则无需 value 属性，因为判断的是有污点的情况下。 如果 operator 为
Equal，则表示 key 与 value 之间的关系是 $key=value$空 key，并且operator为
Exists，将匹配到所有，即容忍所有污点空
effect匹配所有effect，即匹配所有污点；这种情况下加上条件的话，可以容忍所有类型的污点
驱逐 [7]
当污点设置为 NoExecute这种情况下会驱逐Pod，驱逐条件又如下几个：
- 不容忍污点的 pod 会立即被驱逐
- 容忍污点但未配置
tolerationSeconds属性的会保持不变，即该节点与Pod保持绑定 - 容忍指定污点的 pod 并且配置了
tolerationSeconds属性，节点与Pod绑定状态仅在配置的时间内。
Kubernetes内置了一些污点，此时 Controller 会自动污染节点：
node.kubernetes.io/not-ready: Node故障。对应 NodeCondition 的Ready=False。node.kubernetes.io/unreachable：Node控制器无法访问节点。对应 NodeConditionReady=Unknown。node.kubernetes.io/memory-pressure：Node内存压力。node.kubernetes.io/disk-pressure：Node磁盘压力。node.kubernetes.io/pid-pressure：Node有PID压力。node.kubernetes.io/network-unavailable：Node网络不可用。node.kubernetes.io/unschedulable：Node不可调度。
Notes：Kubernetes
node.kubernetes.io/not-ready属性和node.kubernetes.io/unreachable属性添加容差时效tolerationSeconds=300。即在检测到其中问题后，Pod 将保持绑定5分钟。
优先级和抢占
kubernetes中也为Pod提供了优先级的机制，有了优先级机制就可以在并行系统中提供抢占机制，有了抢占机制后，当还未调度时，高优先级Pod会比低优先级Pod先被调度，在资源不足时，低优先级Pod可以被高优先级Pod驱逐。
优先级功能由 PriorityClasses 提供。PriorityClasses 是作为集群级别资源而不是命名空间级别资源，只是用来声明优先级级别。
value 作为优先级级别，数字越大优先级级别越高。而 name 是这个优先级的名称，与其他资源name值相似，值的内容需要符合DNS域名约束。
globalDefault 是集群内默认的优先级级别，仅只有一个 PriorityClass 可以设置为 true
apiVersion: scheduling.k8s.io/v1
kind: PriorityClass
metadata:
name: high-priority
value: 1000000
globalDefault: false
description: "This priority class should be used for XYZ service pods only."
Notes:
- 如果集群内不存在任何
PriorityClass，则存在的Pod的优先级都为0- 当对集群设置了
globalDefault=true后，不会改变已经存在的 Pod 的优先级。仅对于PriorityClassglobalDefault=true后创建的 Pod。- 如果删除了
PriorityClass，存在还是使用的这个PriorityClass的Pod保持不变，新创建的Pod无法使用这个PriorityClass。
非抢占
当 preemptionPolicy: Never 时，Pod不会抢占其他Pod，但不可调度时，会一直在调度队列中等待调度，直到满足要求才会被调度。==非抢占式pod仍可能被其他高优先级的pod抢占==
Notes：preemptionPolicy在Kubernetes v1.24 [stable]
preemptionPolicy 是作为非抢占的配置，默认参数为 PreemptLowerPriority；表示了允许高优先级Pod抢占低优先级Pod。如果 preemptionPolicy: Never，代表Pod是非抢占式的。
下列是一个非抢占式的配置样例
apiVersion: scheduling.k8s.io/v1
kind: PriorityClass
metadata:
name: high-priority-nonpreempting
value: 1000000
preemptionPolicy: Never
globalDefault: false
description: "This priority class will not cause other pods to be preempted."
当配置了优先级后，优先级准入控制器会使用 priorityClassName 中配置的对应的 PriorityClass 的 value值来填充当前Pod的优先级，如果没有找到对应抢占策略，则拒绝。
下面是在Pod中配置优先级的示例
apiVersion: v1
kind: Pod
metadata:
name: nginx
labels:
env: test
spec:
containers:
- name: nginx
image: nginx
imagePullPolicy: IfNotPresent
priorityClassName: high-priority
抢占
当创建Pod之后，Pod会进入队列并等待被调度。scheduler 从队列中选择一个 Pod 并尝试将其调度到一个节点上。如果没有找到满足 Pod 的所有指定要求的 Node，则为 Pending 的 Pod 触发抢占。当Pod在找合适的节点时，即试图抢占一个节点，会在这个Node中删除一个或多个优先级低于当前Pod的Pod，使当前Pod能够被调度到对应的Node上。当低优先级Pod被驱逐后，当前Pod可以被调度到该Node，这个过程被称为抢占 preemption。
而提供可驱逐资源的Node成为被提名Node（nominated Node），在当Pod抢占到一个Node时，其 nominatedNodeName 会被标注为这个 Node的名称，当然标注后也不一定，一定是被抢占到这个Node之上，例如，当前Pod在等待驱逐低优先级Pod的过程中，有其他节点变成可用节点 FN 时，这个时候Pod会被抢占到这个节点。
Reference
[2] nodeSelector
[4] affinity and anti-affinity
[5] inter pod affinity and anti affinity
[7] evictions
Top comments (0)