2. 资源抽象模型设计：统一资源描述、拓扑树与超卖模型

在跨集群联邦调度场景中，每个集群的硬件配置、资源管理策略、调度器行为均存在差异。为了在联邦控制面实现全局最优调度，必须设计一套资源抽象模型，将底层异构资源统一为联邦层可理解、可比较、可预留的标准化描述。本章围绕三个核心设计展开：统一资源描述（URD）、资源拓扑树（Topology Tree）以及资源预留与超卖模型。

2.1 统一资源描述（Unified Resource Description, URD）

统一资源描述是联邦资源模型的原子单元，用于标准化表达每个成员集群中节点的计算资源。URD 不仅覆盖 CPU、Memory、GPU 等传统资源，还需包含资源属性标签（如 GPU 型号、NUMA 拓扑、是否可超卖）。

2.2 资源拓扑树（Topology Tree）

单一节点的资源描述不足以支撑跨集群调度决策。资源拓扑树将节点内部的硬件拓扑（NUMA 域、GPU 互联、缓存层级）以及集群间的网络拓扑（AZ、Region、Edge）组织为分层树结构，使联邦调度器能够感知资源局部性。

2.3 资源预留与超卖模型

联邦调度需要同时支持预留（Reservation）和超卖（Overcommit）两种模式。预留保证关键工作负载的资源独占性；超卖则提升资源利用率，但需要引入准入控制和驱逐机制。

2.3.1 预留模型

预留通过在拓扑树的特定层级（Cluster 或 Node）创建资源预留对象（ResourceReservation）实现。预留对象包含资源需求量、时间窗口、优先级和弹性策略。

apiVersion: federation.resource/v1
kind: ResourceReservation
metadata:
  name: ai-training-reservation
spec:
  target:
    clusterSelector:
      matchLabels:
        region: "us-east"
        gpu-type: "A100"
  resources:
    cpu: 64
    memory: "512Gi"
    gpu: 8
  timeWindow:
    start: "2025-06-01T00:00:00Z"
    end: "2025-06-30T23:59:59Z"
  priority: 100
  elasticity:
    overcommitRatio: 1.0   # 1.0 表示不超卖

2.3.2 超卖模型

超卖模型允许调度器将同一份物理资源分配给多个 Pod，但需满足以下约束：

• 静态超卖比： 在 URD 中声明 overcommitRatio，例如 CPU 超卖比 2.0 表示逻辑容量 = 物理容量 × 2。
• 动态准入： 基于实时负载的 usageWatermark 动态调整可调度容量，避免节点过载。
• 驱逐优先级： 超卖 Pod 被标记为 burstable 或 best-effort，在资源紧张时优先被驱逐。

2.4 模型对比与选型建议