📚 课程目录第4章默认调度算法

4. 默认调度算法：节点筛选(Predicates)、节点优选(Priorities)、调度器扩展点

Kubernetes 默认调度器（kube-scheduler）的核心工作流程可概括为两个连续阶段：节点筛选（Predicates）与节点优选（Priorities）。筛选阶段从集群中选出所有满足 Pod 调度约束的候选节点；优选阶段则对这些候选节点进行打分排序，最终选择最优节点完成绑定。此外，调度器还提供了丰富的扩展点（Extension Points），允许用户在不修改核心代码的前提下注入自定义调度逻辑。

4.1 节点筛选（Predicates）

筛选阶段是一组硬约束（Hard Constraints）的集合，只有通过所有激活筛选器的节点才会进入下一阶段。如果没有任何节点通过筛选，Pod 将处于 Pending 状态，调度器会持续重试直到满足条件。

筛选器名称	功能描述	关键参数
PodFitsResources	检查节点剩余 CPU、内存等资源是否满足 Pod 请求	requests.cpu, requests.memory
PodFitsHostPorts	检查节点上指定端口是否已被占用	containerPort, hostPort
PodMatchNodeSelector	检查节点标签是否匹配 Pod 的 nodeSelector 或 nodeAffinity	nodeSelector, matchExpressions
PodToleratesNodeTaints	检查 Pod 的 tolerations 是否能容忍节点的 taints	taints, tolerations
CheckNodeDiskPressure	检查节点是否处于磁盘压力状态	NodeCondition
CheckNodeMemoryPressure	检查节点是否处于内存压力状态	NodeCondition
CheckNodePIDPressure	检查节点是否处于 PID 压力状态	NodeCondition
CheckNodeUnschedulable	检查节点是否被标记为不可调度（`spec.unschedulable: true`）	node.Spec.Unschedulable
InterPodAffinity	检查节点上已有 Pod 是否满足 Pod 的亲和性/反亲和性规则	podAffinity, podAntiAffinity

性能优化提示： 筛选器按计算开销从低到高排序执行。例如，CheckNodeUnschedulable 和 PodFitsResources 优先执行，而 InterPodAffinity 等需要遍历所有 Pod 的筛选器放在最后。这种排序可以尽早淘汰不合格节点，减少计算量。

4.2 节点优选（Priorities）

优选阶段对通过筛选的节点进行软评分（Soft Scoring），每个优选器输出 0-100 的分数，最终按权重加权求和，得分最高的节点被选中。如果多个节点得分相同，调度器会随机选择一个。

优选器名称	评分逻辑	默认权重
LeastRequestedPriority	优先选择资源利用率低的节点，实现负载均衡	1
MostRequestedPriority	优先选择资源利用率高的节点，提高资源装箱率	1
BalancedResourceAllocation	优先选择 CPU 和内存使用率最均衡的节点	1
NodePreferAvoidPodsPriority	根据节点注解 `scheduler.alpha.kubernetes.io/preferAvoidPods` 打分	10000
NodeAffinityPriority	根据 `preferredDuringSchedulingIgnoredDuringExecution` 亲和性规则打分	2
TaintTolerationPriority	根据 Pod 对节点 taints 的容忍程度打分，容忍越多分数越高	1
InterPodAffinityPriority	根据 Pod 亲和性/反亲和性偏好打分	2
ImageLocalityPriority	优先选择已缓存 Pod 所需镜像的节点	1

  关键理解： 筛选是“能不能调度”，优选是“调度到哪里最好”。筛选失败意味着 Pod 无法运行在该节点；优选分数低只是调度优先级低，并不阻止调度。

4.3 调度器扩展点（Extension Points）

Kubernetes 1.19+ 的调度器框架（Scheduling Framework）将调度流程拆分为多个扩展点，每个扩展点对应一个调度阶段。用户可以通过实现 Plugin 接口并注册到指定扩展点，来定制调度行为。

Filter 类（PreFilter/Filter/PostFilter）：控制节点是否进入候选列表 • Score 类（PreScore/Score/NormalizeScore）：控制节点打分与分数归一化 • Bind 类（Reserve/Permit/PreBind/Bind/PostBind）：控制绑定前的资源预留、权限检查、绑定执行与后处理 • QueueSort：控制调度队列中 Pod 的排序顺序 • 用户通过实现 schedulerframework.Plugin 接口并注册到 KubeSchedulerConfiguration 来注入自定义逻辑

4.4 自定义调度器配置示例

以下是一个使用 KubeSchedulerConfiguration 启用自定义插件的配置片段：

apiVersion: kubescheduler.config.k8s.io/v1
kind: KubeSchedulerConfiguration
profiles:
  - schedulerName: custom-scheduler
    plugins:
      filter:
        enabled:
          - name: "MyCustomFilter"
      score:
        enabled:
          - name: "MyCustomScorer"
        disabled:
          - name: "*"  # 禁用所有默认评分插件
    pluginConfig:
      - name: "MyCustomFilter"
        args:
          threshold: 80

注意： 禁用默认插件（如 NodeResourcesFit、NodeName）可能导致调度行为异常。建议在自定义插件中保留关键筛选逻辑，或通过 disabled 精确控制而非通配符禁用。

4.5 调度算法选择策略

默认策略：适用于大多数通用工作负载，兼顾资源利用率和负载均衡。
装箱策略（Bin Packing）：启用 MostRequestedPriority 并提高权重，适用于资源紧张、需要最大化节点利用率的场景。
拓扑感知策略：结合 NodeAffinityPriority 和 InterPodAffinityPriority，将 Pod 调度到靠近数据源或同组 Pod 的节点，降低网络延迟。
自定义策略：通过扩展点注入 GPU 拓扑、NUMA 亲和性、存储本地性等专业调度逻辑。

  生产建议： 在大型集群中，筛选器和优选器的数量直接影响调度延迟。建议定期使用 scheduler_scheduling_duration_seconds 指标监控各阶段耗时，对计算开销大的插件（如 InterPodAffinity）进行针对性优化或降级。