1. Kubernetes 调度概述：调度器工作原理、调度流程、调度器架构组件解析
Kubernetes 调度器（kube-scheduler）是控制平面的核心组件之一，负责将待调度的 Pod 绑定到最合适的 Node 上。调度决策不仅影响集群的资源利用率，还直接关系到应用的启动速度、稳定性和运维成本。本章从调度器的工作原理、完整调度流程以及内部架构组件三个维度展开，为后续优化容器镜像拉取与架构环境配置奠定基础。
1.1 调度器工作原理
调度器本质上是一个“资源匹配与约束满足”引擎。它监听 API Server 中未调度的 Pod（spec.nodeName 为空），通过一系列过滤和打分算法，从所有可用 Node 中选出最优节点，并将绑定结果写回 API Server。整个过程遵循“谓词-优先级”两阶段决策模型：
- 过滤阶段（Predicates / Filtering）：排除不满足 Pod 约束条件的 Node，例如资源不足、端口冲突、节点污点不匹配、节点选择器不满足等。
- 打分阶段（Priorities / Scoring）：对通过过滤的 Node 进行多维度评分，最终选择总分最高的 Node 作为调度目标。
关键认知：调度器不直接启动容器，也不拉取镜像。它只负责“决策”，真正的执行由 kubelet 完成。理解这一分工，是后续优化镜像拉取的前提——调度策略决定了 Pod 落在哪个节点，而镜像拉取效率取决于节点本地缓存与网络条件。
1.2 调度流程详解
一个 Pod 从创建到运行在目标 Node 上，经历以下完整调度流程：
- Pod 创建：用户通过 kubectl 或 API 创建 Pod，API Server 将其写入 etcd，此时
spec.nodeName为空。 - 调度器监听：kube-scheduler 通过 Informer 机制监听未调度的 Pod 队列。
- 过滤（Filter）：调度器运行一组谓词插件，筛选出满足条件的 Node 列表。
- 打分（Score）：对候选 Node 运行优先级插件，计算每个 Node 的最终得分。
- 绑定（Bind）：选择最高分 Node，通过 API Server 将 Pod 的
spec.nodeName设置为该 Node 名称。 - kubelet 执行：目标 Node 上的 kubelet 监听到绑定事件，开始拉取镜像、创建容器。
性能关键点：调度流程中，过滤和打分阶段是可扩展的。Kubernetes 1.23+ 默认使用调度框架（Scheduling Framework），允许用户通过插件机制自定义调度逻辑。镜像拉取优化通常发生在第 6 步，但调度策略（如节点亲和性、拓扑分布约束）可以提前将 Pod 调度到已缓存目标镜像的节点，从而减少拉取时间。
1.3 调度器架构组件解析
Kubernetes 调度器采用插件化架构（Scheduling Framework），内部由多个协同工作的组件构成。下表列出核心组件及其职责：
| 组件名称 | 类型 | 核心职责 | 可扩展性 |
|---|---|---|---|
| 调度队列（Scheduling Queue） | 内部模块 | 管理待调度的 Pod，支持优先级排序、重试、背压 | 可通过 QueueSort 插件定制排序 |
| 过滤插件（Filter Plugins） | 扩展点 | 执行节点过滤，如 NodeResourcesFit、NodeName、NodeUnschedulable | 可自定义谓词插件 |
| 打分插件（Score Plugins） | 扩展点 | 对候选节点评分，如 SelectorSpread、LeastRequestedPriority | 可自定义评分算法 |
| 绑定插件（Bind Plugins） | 扩展点 | 将 Pod 绑定到选定 Node，默认通过 API Server 写入 | 可自定义绑定逻辑（如多集群调度） |
| 预过滤/预打分（PreFilter/PreScore） | 扩展点 | 在过滤/打分前执行预处理，如缓存计算、数据准备 | 用于性能优化 |
| 预留插件（Reserve Plugins） | 扩展点 | 在绑定前预留节点资源，防止并发冲突 | 用于资源预订场景 |
| Permit 插件 | 扩展点 | 批准或拒绝调度结果，支持等待/超时机制 | 用于准入控制 |
常见误区：很多运维人员认为调度器直接管理容器运行时。实际上，调度器只操作 API 对象（Pod/Node 的元数据），不接触容器运行时、镜像仓库或 CNI 网络。镜像拉取优化需要从调度策略（如节点亲和性、镜像缓存感知调度）和 kubelet 配置两个层面协同入手。
1.4 调度器关键配置参数
调度器的行为可以通过启动参数和配置文件调整。以下列出与调度性能和镜像拉取优化相关的核心参数：
| 参数名 | 默认值 | 作用说明 | 镜像拉取关联 |
|---|---|---|---|
--kubeconfig |
/etc/kubernetes/scheduler.conf | 指定 kubeconfig 文件路径 | — |
--leader-elect |
true | 启用领导者选举，保证高可用 | — |
--profiling |
true | 启用性能分析接口（/debug/pprof） | 用于诊断调度延迟 |
--config |
"" | 指定调度器配置文件（KubeSchedulerConfiguration） | 可配置插件列表与权重 |
--v |
2 | 日志级别，建议生产环境设为 3~4 用于调试 | 排查调度失败原因 |
实践建议：在调度器配置文件中，可以通过
profiles 字段定义多个调度 profile，每个 profile 绑定不同的插件集合。例如，为 GPU 工作负载单独配置一个 profile，启用 NodeResourcesFit 和 NodeAffinity 插件，同时禁用不必要的默认插件，从而减少调度延迟。
1.5 调度器与镜像拉取的关联
虽然调度器不直接参与镜像拉取，但调度决策对镜像拉取效率有显著影响：
- 节点亲和性（NodeAffinity）：将 Pod 调度到已缓存目标镜像的节点，避免从远程仓库拉取大镜像。
- Pod 反亲和性（PodAntiAffinity）：避免将大量需要相同镜像的 Pod 集中调度到同一节点，防止镜像拉取并发过高导致 I/O 瓶颈。
- 拓扑分布约束（TopologySpreadConstraints）：将 Pod 均匀分布到不同可用区，利用各节点的本地镜像缓存。
- 污点与容忍（Taints & Tolerations）：将镜像拉取慢的节点标记为特殊污点，仅调度容忍该污点的 Pod。