📚 课程目录第3章默认调度策略

3. 节点资源调度策略：NodeResourcesFit、NodeResourcesBalancedAllocation 的评分机制与调优参数

在 Kubernetes 调度过程中，节点资源是决定 Pod 能否运行以及运行效率的核心因素。kube-scheduler 通过 NodeResourcesFit 和 NodeResourcesBalancedAllocation 两个插件，分别从“资源充足性”和“资源均衡性”两个维度对节点进行评分。理解它们的评分机制与调优参数，是精细化调度策略的基础。

3.1 NodeResourcesFit：资源充足性评分

NodeResourcesFit 插件检查节点是否满足 Pod 的 资源请求（Requests），并根据资源利用率进行打分。它支持两种评分策略：LeastAllocated（默认）和 MostAllocated。

3.1.1 评分策略对比

策略	核心逻辑	适用场景	默认权重
LeastAllocated	优先选择资源利用率低的节点，倾向于将 Pod 分散到不同节点	负载均衡、避免热点、提高集群整体资源利用率	1
MostAllocated	优先选择资源利用率高的节点，倾向于将 Pod 集中部署	节省资源、减少节点碎片、降低集群管理成本	1

3.1.2 评分计算公式

对于每种资源类型（CPU、内存等），NodeResourcesFit 计算一个分数，然后按权重加权求和。以 LeastAllocated 为例：

// 对于单个资源类型
score = (1 - (节点已分配资源量 / 节点总资源量)) * MaxNodeScore

// 最终分数 = 各资源类型分数的加权平均
finalScore = (score_cpu * weight_cpu + score_memory * weight_memory) / (weight_cpu + weight_memory)

其中 MaxNodeScore 默认为 100。分数越高，节点越优先被选中。

3.1.3 调优参数

通过 KubeSchedulerConfiguration 可以调整 NodeResourcesFit 的行为：

apiVersion: kubescheduler.config.k8s.io/v1
kind: KubeSchedulerConfiguration
profiles:
  - schedulerName: default-scheduler
    plugins:
      score:
        enabled:
          - name: NodeResourcesFit
            weight: 2  # 调整权重，影响最终评分占比
    pluginConfig:
      - name: NodeResourcesFit
        args:
          scoringStrategy:
            type: LeastAllocated  # 或 MostAllocated
            resources:
              - name: cpu
                weight: 1
              - name: memory
                weight: 1
              - name: ephemeral-storage
                weight: 0  # 忽略临时存储评分

调优建议： 如果集群中 Pod 资源请求差异较大，建议将 ephemeral-storage 的权重设为 0，避免临时存储干扰 CPU/内存的调度决策。

3.2 NodeResourcesBalancedAllocation：资源均衡性评分

NodeResourcesBalancedAllocation 插件衡量节点上 各类资源利用率之间的均衡程度。它倾向于选择 CPU 和内存利用率相近的节点，避免出现“CPU 打满但内存空闲”或“内存打满但 CPU 空闲”的不均衡状态。

3.2.1 评分机制

该插件计算节点上 CPU 和内存利用率的 标准差，标准差越小，分数越高。公式如下：

// 计算 CPU 和内存的利用率
cpuUtilization = 节点已分配CPU / 节点总CPU
memoryUtilization = 节点已分配内存 / 节点总内存

// 计算平均利用率
avgUtilization = (cpuUtilization + memoryUtilization) / 2

// 计算标准差
stdDev = sqrt(((cpuUtilization - avgUtilization)^2 + (memoryUtilization - avgUtilization)^2) / 2)

// 最终分数
score = (1 - stdDev) * MaxNodeScore

分数范围 0~100，分数越高表示资源分配越均衡。

3.2.2 调优参数

NodeResourcesBalancedAllocation 的配置相对简单，主要调整其权重：

apiVersion: kubescheduler.config.k8s.io/v1
kind: KubeSchedulerConfiguration
profiles:
  - schedulerName: default-scheduler
    plugins:
      score:
        enabled:
          - name: NodeResourcesBalancedAllocation
            weight: 1  # 默认权重为1，可根据场景调高或调低

注意： 该插件仅支持 CPU 和内存两种资源类型，不支持自定义资源（如 GPU、临时存储）。如果集群中 GPU 资源是关键瓶颈，建议配合 NodeResourcesFit 的 MostAllocated 策略使用。

3.3 评分机制对比与协同

两个插件从不同角度评估节点，实际调度中会 叠加评分。下表总结了它们的核心差异：

维度	NodeResourcesFit	NodeResourcesBalancedAllocation
关注点	资源是否充足、利用率高低	资源利用率是否均衡
评分依据	已分配资源量 / 总资源量	CPU 与内存利用率的标准差
适用场景	通用场景，避免节点过载或碎片	混合负载场景，避免资源倾斜
可调参数	策略类型、资源权重、评分类型	插件权重
默认权重	1	1

3.4 评分流程与协同工作

下图展示了 kube-scheduler 在评分阶段如何调用这两个插件，并最终汇总分数：

3.5 实战调优案例

  场景： 某在线业务集群，Pod 资源请求差异大（部分 Pod 高 CPU 低内存，部分低 CPU 高内存），希望避免节点资源倾斜。

调优方案：

启用 NodeResourcesBalancedAllocation，权重设为 2，强调资源均衡性。
NodeResourcesFit 使用 LeastAllocated 策略，权重设为 1，避免节点过载。
将 ephemeral-storage 权重设为 0，避免干扰。

apiVersion: kubescheduler.config.k8s.io/v1
kind: KubeSchedulerConfiguration
profiles:
  - schedulerName: default-scheduler
    plugins:
      score:
        enabled:
          - name: NodeResourcesFit
            weight: 1
          - name: NodeResourcesBalancedAllocation
            weight: 2
    pluginConfig:
      - name: NodeResourcesFit
        args:
          scoringStrategy:
            type: LeastAllocated
            resources:
              - name: cpu
                weight: 1
              - name: memory
                weight: 1
              - name: ephemeral-storage
                weight: 0

验证方法： 部署后观察节点 CPU 和内存利用率的 标准差。如果标准差持续下降，说明资源均衡性得到改善。可以使用 kubectl top nodes 配合 Prometheus 监控验证。