|
原作者 张伟@天云软件
经过六个月的持续优化，kubernetes宣布1.2版本已经可以支持1000+节点的群集，并且有相当出色的响应能力，这对kubernetes来说是一个重大的改进。随着Kubernetes集群规模的扩大，Kubernetes调度器作为集群的大脑，在如何提高集群的资源利用率、保证集群中服务的稳定运行中也会变得越来越重要。本文将从调度流程、调度算法、资源限制几个方面详细介绍Kubernetes调度器。
Kubernets调度器
Kubernets Scheduler主要负责的工作是：接受API Server创建的新Pod，并为其安排一个主机，将信息写入etcd中。当然在这个过程中要处理的事情远远没有这么简单，需要综合考虑多种决策因素，比如把同一个replication controller的Pod分配到不同的主机上，防止因主机节点宕机对业务造成较大冲击；以及如何考虑资源均衡，从而提升整个集群的资源使用率等。
调度流程
Kubernetes调度器通过API Server查找还未分配主机的Pod，并尝试为这些Pod分配主机，这个过程如下图所示：
客户端提交创建请求，可以通过API Server的Restful API，也可以使用kubectl命令行工具。支持的数据类型包括JSON和YAML。 API Server处理用户请求，存储Pod数据到etcd。 调度器通过API Server查看未绑定的Pod。尝试为Pod分配主机。 过滤主机：调度器用一组规则过滤掉不符合要求的主机。比如Pod指定了所需要的资源量，那么可用资源比Pod需要的资源量少的主机会被过滤掉。 主机打分：对第一步筛选出的符合要求的主机进行打分，在主机打分阶段，调度器会考虑一些整体优化策略，比如把容一个Replication Controller的副本分布到不同的主机上，使用最低负载的主机等。 选择主机：选择打分最高的主机，进行binding操作，结果存储到etcd中。 所选主机对于的kubelet根据调度结果执行Pod创建操作。
调度算法
Kubernetes通过一组规则，为每一个未调度的Pod选择一个主机，如调度流程中介绍，Kubernetes的调度算法主要包括两个方面，过滤主机和主机打分。
Kubernetes调度器的源码位于kubernetes/plugin/中，大体的代码目录结构如下所示：
|--kubernetes
|--plugin
|--cmd //kub-scheduler启动函数在cmd包中
|--pkg //调度相关的具体实现
|--scheduler
|--algorithm
|--predicates //主机筛选策略
|--priorities //主机打分策略
|--algorithmprovider
|--defaults //定义默认的调度器
过滤主机的目的是过滤掉不符合Pod要求的主机，现在kubernetes中实现的过滤规则主要包括以下几种（在kubernetes/plugin/pkg/scheduler/algorithm/predicates中实现）：
NoDiskConflict：检查在此主机上是否存在卷冲突。如果这个主机已经挂载了卷，其它同样使用这个卷的Pod不能调度到这个主机上。GCE, Amazon EBS, and Ceph RBD使用的规则如下：
NoVolumeZoneConflict：检查给定的zone限制前提下，检查如果在此主机上部署Pod是否存在卷冲突。假定一些volumes可能有zone调度约束， VolumeZonePredicate根据volumes自身需求来评估pod是否满足条件。必要条件就是任何volumes的zone-labels必须与节点上的zone-labels完全匹配。节点上可以有多个zone-labels的约束（比如一个假设的复制卷可能会允许进行区域范围内的访问）。目前，这个只对PersistentVolumeClaims支持，而且只在PersistentVolume的范围内查找标签。处理在Pod的属性中定义的volumes（即不使用PersistentVolume）有可能会变得更加困难，因为要在调度的过程中确定volume的zone，这很有可能会需要调用云提供商。 PodFitsResources：检查主机的资源是否满足Pod的需求。根据实际已经分配的资源量做调度，而不是使用已实际使用的资源量做调度。 PodFitsHostPorts：检查Pod内每一个容器所需的HostPort是否已被其它容器占用。如果有所需的HostPort不满足需求，那么Pod不能调度到这个主机上。 HostName：检查主机名称是不是Pod指定的HostName。 MatchNodeSelector：检查主机的标签是否满足Pod的nodeSelector属性需求。 MaxEBSVolumeCount：确保已挂载的EBS存储卷不超过设置的最大值。默认值是39。它会检查直接使用的存储卷，和间接使用这种类型存储的PVC。计算不同卷的总目，如果新的Pod部署上去后卷的数目会超过设置的最大值，那么Pod不能调度到这个主机上。 MaxGCEPDVolumeCount：确保已挂载的GCE存储卷不超过设置的最大值。默认值是16。规则同上。
可以通过配置修改Kubernetes默认支持的过滤规则。
经过过滤后，再对符合需求的主机列表进行打分，最终选择一个分值最高的主机部署Pod。Kubernetes用一组优先级函数处理每一个待选的主机（在kubernetes/plugin/pkg/scheduler/algorithm/priorities中实现）。每一个优先级函数会返回一个0-10的分数，分数越高表示主机越“好”， 同时每一个函数也会对应一个表示权重的值。最终主机的得分用以下公式计算得出：
finalScoreNode = (weight1 * priorityFunc1) + (weight2 * priorityFunc2) + ... + (weightn * priorityFuncn)
现在支持的优先级函数包括以下几种：
LeastRequestedPriority：如果新的pod要分配给一个节点，这个节点的优先级就由节点空闲的那部分与总容量的比值（即（总容量-节点上pod的容量总和-新pod的容量）/总容量）来决定。CPU和memory权重相当，比值最大的节点的得分最高。需要注意的是，这个优先级函数起到了按照资源消耗来跨节点分配pods的作用。计算公式如下：
cpu((capacity - sum(requested)) * 10 / capacity) + memory((capacity - sum(requested)) * 10 / capacity) / 2
BalancedResourceAllocation：尽量选择在部署Pod后各项资源更均衡的机器。BalancedResourceAllocation不能单独使用，而且必须和LeastRequestedPriority同时使用，它分别计算主机上的cpu和memory的比重，主机的分值由cpu比重和memory比重的“距离”决定。计算公式如下：
score = 10 - abs(cpuFraction-memoryFraction)*10
SelectorSpreadPriority：对于属于同一个service、replication controller的Pod，尽量分散在不同的主机上。如果指定了区域，则会尽量把Pod分散在不同区域的不同主机上。调度一个Pod的时候，先查找Pod对于的service或者replication controller，然后查找service或replication controller中已存在的Pod，主机上运行的已存在的Pod越少，主机的打分越高。 CalculateAntiAffinityPriority：对于属于同一个service的Pod，尽量分散在不同的具有指定标签的主机上。 ImageLocalityPriority：根据主机上是否已具备Pod运行的环境来打分。ImageLocalityPriority会判断主机上是否已存在Pod运行所需的镜像，根据已有镜像的大小返回一个0-10的打分。如果主机上不存在Pod所需的镜像，返回0；如果主机上存在部分所需镜像，则根据这些镜像的大小来决定分值，镜像越大，打分就越高。 NodeAffinityPriority（Kubernetes1.2实验中的新特性）：Kubernetes调度中的亲和性机制。Node Selectors（调度时将pod限定在指定节点上），支持多种操作符（In, NotIn, Exists, DoesNotExist, Gt, Lt），而不限于对节点labels的精确匹配。另外，Kubernetes支持两种类型的选择器，一种是“hard（requiredDuringSchedulingIgnoredDuringExecution）”选择器，它保证所选的主机必须满足所有Pod对主机的规则要求。这种选择器更像是之前的nodeselector，在nodeselector的基础上增加了更合适的表现语法。另一种是“soft（preferresDuringSchedulingIgnoredDuringExecution）”选择器，它作为对调度器的提示，调度器会尽量但不保证满足NodeSelector的所有要求。
多层次资源限制
Kubernetes包含多种资源限制，用来控制Container、Pod和多租户级别的资源共享。
每一个容器都可以指定spec.container[].resources.limits.cpu， spec.container[].resources.limits.memory， spec.container[].resources.requests.cpu和spec.container[].resources.requests.memory。 对容器的资源限制是可选的，可以通过修改集群配置设置默认的资源限制属性。
LimitRange是在namespace级别设置的pod容量限制。所有在对应的命名空间中的Pod，都会受到LimitRange的资源限制。
Pod的每一类资源限制是Pod中对应的资源类型限制的总和，在调度的过程中调度器使用这个总和值和主机上可用容量做比较，决定主机是否满足资源需求。这种调度属于静态的资源调度，即使主机上的真实负载很低，只要容量限制不满足需求，也不能在主机上部署Pod。
Resource Quota是在命名空间级别设置的资源限制，主要是解决多租户共享资源的问题。Resource Quota中的cpu指对应的命名空间中所有Pod可以使用的cpu的总和，memory指对应的命名空间中所有Pod可以使用的memory的总和。
结语
Kubernetes的调度器是完全插件化的实现，可以很方便的集成其它的调度器进行扩展。目前的调度器包含多个级别的资源限制，但是调度相关的实现相对简单，使用一些静态的规则去做调度，对于提升集群资源使用率、保障业务的QoS效果不是很明显。
Kubernetes调度器以后可能支持使用不同的调度器去调度不同的任务，这个实验中的新特性对于有多种类型业务混合部署在Kubernetes集群中的用户会有很大帮助。
Kubernetes正在开发中的QoS借鉴Borg的成熟经验，重点关注提高集群资源利用率的问题，这个特性非常值得期待，具体内容将在下次分享。
|
