3. 调度器性能指标：关键性能指标与采集方法

调度器是 Kubernetes 控制平面的核心组件，其性能直接影响集群的调度效率和资源利用率。要精准定位性能瓶颈，首先需要建立一套可量化、可观测的指标体系。本节定义调度器的四大关键性能指标（KPI），并给出标准化的采集与计算方法。

3.1 四大关键性能指标定义

3.2 指标采集与计算方法

3.2.1 吞吐量（Throughput）

采集方式： 通过 Prometheus 监控 kube-scheduler 暴露的 scheduler_binding_duration_seconds_count 指标，计算单位时间内的增量。

PromQL 查询示例：

# 计算过去 5 分钟的平均吞吐量（pods/sec）
rate(scheduler_binding_duration_seconds_count[5m])

注意事项： 吞吐量受集群规模、Pod 资源请求复杂度、节点数量影响。建议按节点池或命名空间维度聚合，避免单一全局指标掩盖局部瓶颈。

3.2.2 调度延迟（Scheduling Latency）

采集方式： 调度器内置了详细的延迟直方图指标，按调度阶段拆分：

• scheduler_scheduling_algorithm_duration_seconds —— 调度算法执行时间
• scheduler_binding_duration_seconds —— 绑定阶段时间
• scheduler_e2e_scheduling_duration_seconds —— 端到端调度延迟

PromQL 查询示例（P99 延迟）：

# 端到端调度延迟 P99
histogram_quantile(0.99, sum(rate(scheduler_e2e_scheduling_duration_seconds_bucket[5m])) by (le))

注意事项： 关注 P99 而非平均值，平均值容易掩盖长尾问题。当 P99 超过 1s 时，通常意味着调度器队列积压或预选/优选阶段存在性能瓶颈。

3.2.3 调度成功率（Scheduling Success Rate）

采集方式： 通过调度器事件计数指标计算：

• scheduler_pod_scheduling_attempts_total —— 调度尝试总数
• scheduler_pod_scheduling_failures_total —— 调度失败总数

计算公式：

调度成功率 = (1 - scheduler_pod_scheduling_failures_total / scheduler_pod_scheduling_attempts_total) × 100%

PromQL 查询示例：

# 过去 10 分钟调度成功率
(1 - sum(rate(scheduler_pod_scheduling_failures_total[10m])) / sum(rate(scheduler_pod_scheduling_attempts_total[10m]))) * 100

注意事项： 调度失败原因需进一步细分（资源不足、节点选择器不匹配、污点容忍度不满足等），建议配合 scheduler_pod_scheduling_failures_reason 标签分析。

3.2.4 资源利用率（Resource Utilization）

采集方式： 使用 cAdvisor 或 kubelet 暴露的容器资源指标，或直接通过 process_cpu_seconds_total 和 process_resident_memory_bytes 采集调度器进程自身消耗。

PromQL 查询示例：

# 调度器 CPU 使用率（cores）
rate(process_cpu_seconds_total{job="kube-scheduler"}[1m])

# 调度器内存使用量（MB）
process_resident_memory_bytes{job="kube-scheduler"} / 1024 / 1024

注意事项： 资源利用率过高（CPU > 80% 或内存 > 70%）会直接导致调度延迟上升和吞吐量下降。建议设置资源限额并配置 HPA 或垂直扩缩容策略。

3.3 指标采集架构

下图展示了调度器性能指标的完整采集链路，从指标暴露到可视化告警的端到端流程：

3.4 指标采集最佳实践

3.5 常见采集陷阱与规避