📚 课程目录第1章 Kubernetes调度基础

1. Kubernetes 调度基础：调度器架构、调度流程、调度器组件详解

Kubernetes 调度器（kube-scheduler）是控制平面中负责将 Pod 绑定到合适 Node 的核心组件。它不负责创建 Pod，也不负责运行容器，而是通过一系列算法和策略，为每个待调度的 Pod 选择最匹配的工作节点。理解调度器的内部架构和完整流程，是后续学习资源模型驱动调度优化的前提。

1.1 调度器整体架构

Kubernetes 默认调度器采用插件化架构设计，核心调度框架（Scheduling Framework）定义了一组扩展点（Extension Points），调度插件可以注册到这些扩展点上，实现自定义的调度逻辑。调度器内部主要分为三个逻辑层：

调度队列层：管理待调度的 Pod，支持优先级排序、重试、回退等机制。
调度框架层：执行调度周期（Scheduling Cycle）和绑定周期（Binding Cycle），通过扩展点调用插件。
缓存与存储层：维护集群节点和 Pod 的快照信息，减少对 API Server 的直接访问。

  关键设计原则：调度器通过 informer 机制监听 Pod 和 Node 的变化，将待调度 Pod 放入队列，然后循环从队列中取出 Pod 执行调度决策。调度结果通过 API Server 写入 Pod 的 spec.nodeName 字段。

1.2 调度流程详解

调度器处理一个 Pod 的完整生命周期分为两个主要阶段：调度周期和绑定周期。调度周期为 Pod 选择一个合适的节点；绑定周期将调度结果持久化到 API Server，并触发 kubelet 执行容器创建。

1.2.1 调度周期（Scheduling Cycle）

调度周期是同步执行的，包含以下步骤：

步骤	扩展点	说明
1. 排序	QueueSort	对调度队列中的 Pod 按优先级排序，高优先级 Pod 优先出队
2. 预过滤	PreFilter	预处理 Pod 信息，例如检查 Pod 的拓扑分布约束、卷挂载需求
3. 过滤	Filter	遍历所有节点，剔除不满足 Pod 调度条件的节点（如资源不足、端口冲突、污点容忍）
4. 后过滤	PostFilter	当过滤后无可用节点时，执行抢占逻辑或返回失败
5. 预评分	PreScore	生成评分所需的上下文信息，例如节点亲和性评分数据
6. 评分	Score	对过滤后的节点进行打分，分数越高表示越适合运行该 Pod
7. 归一化	NormalizeScore	将各插件的评分结果归一化到统一范围（默认 0-100）
8. 保留	Reserve	在缓存中预留 Pod 在选定节点上的资源，防止并发调度冲突

性能提示：过滤阶段是调度性能的关键瓶颈。当集群规模较大时（数千节点），过滤插件的执行效率直接影响调度吞吐量。生产环境中建议启用 NodeResourcesFit、NodeName、NodeUnschedulable 等轻量级过滤插件，避免使用过于复杂的自定义过滤逻辑。

1.2.2 绑定周期（Binding Cycle）

绑定周期是异步执行的，包含以下步骤：

步骤	扩展点	说明
1. 许可	Permit	允许或拒绝绑定操作，支持等待/超时机制（常用于多调度器协调）
2. 预绑定	PreBind	执行绑定前的准备工作，例如动态创建存储卷、配置网络策略
3. 绑定	Bind	将 Pod 的 `spec.nodeName` 更新为选定节点名称，持久化到 API Server
4. 后绑定	PostBind	绑定成功后的清理或通知操作（如更新调度指标、释放临时资源）

1.3 调度器核心组件详解

调度器的实现由多个内部组件协作完成，每个组件承担特定的职责：

组件名称	职责	关键数据结构/行为
Scheduler	调度器主入口，协调调度循环	维护 `schedulingQueue`、`schedulerCache`、`framework` 引用
SchedulingQueue	管理待调度 Pod 的优先级队列	支持 `Add`、`Pop`、`AddUnschedulableIfNotPresent` 操作
SchedulerCache	缓存集群节点和 Pod 的快照	使用 `NodeInfo` 存储节点资源、Pod 列表、卷信息
Framework	调度框架，管理插件注册与调用	维护 `FilterPlugins`、`ScorePlugins`、`BindPlugins` 等插件列表
Plugin	实现具体调度策略的插件单元	每个插件实现一个或多个扩展点接口（如 `FilterPlugin`、`ScorePlugin`）
Extender	外部调度扩展器（已逐步被插件取代）	通过 HTTP/gRPC 调用外部服务进行过滤或评分

1.4 调度器工作流程总结

调度器的工作可以概括为以下循环：

监听事件：通过 Informer 监听 Pod 和 Node 的创建、更新、删除事件。
入队：将新创建的、未指定 nodeName 的 Pod 加入调度队列。
出队：从队列中取出优先级最高的 Pod，开始调度周期。
过滤：调用所有 Filter 插件，筛选出满足条件的节点列表。
评分：调用所有 Score 插件，对过滤后的节点进行打分排序。
选择：选择得分最高的节点作为目标节点（若多个节点同分，随机选择）。
预留：在缓存中为该 Pod 预留资源，防止并发冲突。
绑定：异步执行绑定周期，将 Pod 绑定到目标节点。
反馈：绑定成功则更新缓存；失败则回滚预留，将 Pod 重新入队等待下次调度。

常见陷阱：调度器默认使用 先到先服务 策略，但结合优先级（PriorityClass）可以实现抢占式调度。如果集群中大量 Pod 处于 Pending 状态，首先检查调度器日志和 kubectl describe pod 中的 Events 字段，定位是过滤失败还是评分异常。不要盲目增加节点资源，优先分析调度策略是否合理。

1.5 调度器配置与扩展

Kubernetes 调度器支持通过 KubeSchedulerConfiguration 进行配置，用户可以：

启用/禁用默认插件：例如禁用 NodeResourcesFit 或启用 NodeResourcesBalancedAllocation。
配置插件权重：调整 Score 插件的评分权重，影响最终节点选择。
注册自定义插件：通过 multiPoint 或指定扩展点注入自定义调度逻辑。
设置调度策略：使用 Policy 模式（已弃用）或 Profile 模式（推荐）定义多套调度配置。

以下是一个简单的调度器配置示例，展示如何调整默认插件的权重：

apiVersion: kubescheduler.config.k8s.io/v1
kind: KubeSchedulerConfiguration
profiles:
  - schedulerName: default-scheduler
    plugins:
      score:
        disabled:
          - name: NodeResourcesFit
        enabled:
          - name: NodeResourcesBalancedAllocation
            weight: 2
          - name: ImageLocality
            weight: 1
    pluginConfig:
      - name: NodeResourcesBalancedAllocation
        args:
          resources:
            - name: cpu
              weight: 1
            - name: memory
              weight: 1

最佳实践：在生产环境中，建议保留默认的 NodeResourcesFit 和 NodeName 过滤插件，确保基本的资源匹配和节点选择正确性。评分插件可以根据业务场景调整：CPU 密集型应用提高 NodeResourcesBalancedAllocation 权重；IO 密集型应用启用 ImageLocality 减少镜像拉取时间。

通过本章的学习，你已经掌握了 Kubernetes 调度器的核心架构、完整调度流程以及各组件的职责。这些基础知识是后续深入理解资源模型、拓扑感知调度和性能优化的基石。