k8s从入门到精通（八）：Scheduler

Scheduler是负责容器调度组件，每个Pod最终需要在一台node节点上启动，通过scheduler调度组件的筛选、打分可以选择出Pod启动的最佳节点。当Pod创建后Pod的NodeName属性为空，scheduler会查询所有NodeName为空的Pod并执行调度策略，选择最优的放置节点后，调用Apiserver绑定Pod对应的主机（设置Pod NodeName属性）。当绑定过后对应节点的kubelet便可以启动容器。

Scheduler的调度过程分为两个两步，第一步是筛选（Predicate），筛选满足需要的节点。筛选的条件主要包括1）Pod所需的资源（CPU、内存、GPU等）；2）端口是否冲突（主要是针对Pod HostPort端口和主机上面已有端口）；3）nodeSelector以及亲和性（Pod亲和性和Node亲和性）；4）Pod如果使用本地存储，那么在调度时，将只会调度存储绑定的节点；5）节点的驱赶策略，节点可以通过taint(污点)设置驱赶Pod策略，对应的Pod也可以设置Toleration（容忍）。第二步是根据资源分配算法排序打分（Priorities）最终选择得分最高的节点作为最终的调度节点，主要调度策略包括：LeastRequestedPriority最少资源请求算法、BalancedResourceAllocation均衡资源使用算法、ImageLocalityPriority镜像本地优先算法、NodeAffinityPriority主机亲和算法等。为了归一化每种算法的权重，每种算法取值范围都是0-10，最终累加所有算法的总和取得分最大的主机作为Pod的运行主机。为了提高调度的效率，scheduler的Predicate和Priorities采用了并行调度，除此之外scheduler组件本地维护了一个调度队列和本地缓存，调度队列暂存了需要被调度的Pod，还可以调整调度的先后顺序。本地缓存主要是缓存了Pod和Node信息，这样可以避免每次调度时从Apiserver获取主机信息。整个流程如下图所示。

k8s为了增加扩展性，scheduler 整个过程设置了多个扩展点，这些扩展点除了有系统自带的调度算法，用户还可以根据自己的需求，添加自己的plguin，从而实现零代码侵入扩展scheduler的能力。关于如何实现一个自定义的plugin我们放到实战环节再详细介绍。