Kubernetes 1.23.6 kube-scheduler 默认打分和排序机制详解

#作者：邓伟

一、kube-scheduler 概述

在 Kubernetes 1.23.6 版本里，kube-scheduler 作为集群关键的调度组件，承担着为 Pod 分配最佳 Node 节点的重任。其调度进程主要涵盖三个阶段：

1. 过滤阶段 (Filtering)：从众多节点中筛选出符合 Pod 基本调度条件的候选 Node。

2. 打分阶段 (Scoring)：对过滤后得到的候选 Node，从多个维度进行评分。

3. 排序阶段 (Ranking)：依据打分结果对候选 Node 排序，进而选出最适宜的 Node。

本文将着重剖析 1.23.6 版本中 kube-scheduler 的默认打分和排序机制。

二、默认打分插件及权重配置

在 1.23.6 版本中，kube-scheduler 默认启用了以下打分插件，各插件的权重配置如下：

三、核心打分插件实现原理

3.1 NodeAffinity 插件

该插件主要评估 Pod 的nodeAffinity规则与 Node 标签的契合度：

• requiredDuringSchedulingIgnoredDuringExecution（硬亲和性）：此部分不参与打分，而是在过滤阶段发挥作用。

• preferredDuringSchedulingIgnoredDuringExecution（软亲和性）：根据匹配程度进行打分。

评分公式：

score = (匹配的preferred规则数量 / 总preferred规则数量) * 200
最终得分会被归一化到 0 - 10 分的区间内。

3.2 TaintToleration 插件

该插件主要评估 Pod 对 Node 污点的容忍情况：

1. 计算 Node 上未被 Pod 容忍的污点数量。

2. 未容忍的污点数量越多，得分越低。

评分公式：

score = (1 - 未被容忍的污点数量 / 总污点数量) * 300
同样，最终得分会被归一化到 0 - 10 分区间。

3.3 NodeResourcesFit 插件

该插件用于评估 Node 资源（CPU、内存、存储）与 Pod 请求的适配度：

1. 计算资源请求占 Node 可用资源的比例。

2. 资源使用率越低，得分越高。

评分公式：

cpuScore = (1 - CPU请求/CPU可用) * 10
memoryScore = (1 - 内存请求/内存可用) * 10
storageScore = (1 - 存储请求/存储可用) * 10
最终得分 = (cpuScore + memoryScore + storageScore) / 3

3.4 LeastRequestedPriority 插件

该插件倾向于选择资源请求最少的 Node：

1. 计算 Node 上已运行 Pod 的资源请求总和。

2. 资源请求越少，得分越高。

评分公式：

cpuScore = (CPU可用 - CPU请求) / CPU可用 * 10
memoryScore = (内存可用 - 内存请求) / 内存可用 * 10
最终得分 = (cpuScore + memoryScore) / 2

3.5 BalancedResourceAllocation 插件

该插件旨在选择资源分配更为均衡的 Node：

1. 计算 CPU 和内存使用率的方差。

2. 方差越小（即资源分配越均衡），得分越高。

评分公式：

cpuFraction = CPU使用量 / CPU容量memoryFraction = 内存使用量 / 内存容量variance = (cpuFraction - memoryFraction)^2 / 2
score = (1 - variance) * 10

3.6 ImageLocalityPriority 插件

该插件优先选择已缓存 Pod 所需镜像的 Node：

1.检查 Node 是否已缓存 Pod 使用的镜像。

2.镜像越大且已缓存，得分越高。

评分公式：

score = (已缓存镜像大小总和 / 所有镜像总大小) * 10

四、排序机制详解

在所有打分插件完成评分后，kube-scheduler 会执行以下操作：

1. 计算每个候选 Node 的总分（各插件得分加权求和）。

2. 按照总分从高到低进行排序。

3. 若出现多个 Node 总分相同的情况，则随机选择其中一个 Node。

总分计算示例：

假设某 Node 在各插件的得分及权重如下：

• NodeAffinity: 8 分（权重 2）

• TaintToleration: 10 分（权重 3）

• NodeResourcesFit: 7 分（权重 1）

• LeastRequestedPriority: 9 分（权重 1）

• BalancedResourceAllocation: 6 分（权重 1）

• ImageLocalityPriority: 8 分（权重 1）

则该 Node 的总分为：

(8*2 + 10*3 + 7*1 + 9*1 + 6*1 + 8*1) / (2+3+1+1+1+1) = 8.5分

五、1.23.6 版本与其他版本的差异

与 1.24 + 版本相比，1.23.6 的调度器存在以下主要差异点：

1. 插件名称不同：例如 1.24 + 版本中的NodeResourcesBalancedAllocation，在 1.23.6 版本中为BalancedResourceAllocation。

2. 默认权重调整：部分插件的权重在新版本中有所变动。

3. 插件默认状态：如InterPodAffinity在 1.23.6 版本中默认禁用，而在 1.24 + 版本中默认启用。

六、查看和修改调度器配置

在 1.23.6 版本中，可以通过以下方式查看和修改调度器配置：

6.1 查看默认配置

kubectl get configmap kube-scheduler-config -n kube-system -o yaml

6.2 修改配置示例（增加 Pod 间亲和性权重）

apiVersion: kubescheduler.config.k8s.io/v1beta2kind: KubeSchedulerConfiguration
profiles:- schedulerName: default-schedulerplugins:score:enabled:- name: InterPodAffinityweight: 2  # 调整权重为2

七、优化调度策略的建议

1. 合理设置 Node 标签和污点：借助 NodeAffinity 和 TaintToleration 引导 Pod 的调度方向。

2. 优化资源请求配置：精确设置 requests 和 limits，避免资源的浪费。

3. 利用 Pod 间亲和性 / 反亲和性：可将相关 Pod 调度到同一 Node，或者分散到不同 Node。

4. 监控调度性能：通过 metrics 监控调度延迟和成功率，以便及时调整策略。

八、总结

Kubernetes 1.23.6 的 kube-scheduler 凭借多维的打分和排序机制，实现了智能且高效的 Pod 调度。深入理解其默认打分插件的工作原理和权重配置，有助于管理员优化集群资源分配，提升应用运行的稳定性。在实际生产环境中，建议依据业务特点定制调度策略，充分挖掘 Kubernetes 的调度潜力。

九、参考

K8s scheduler 调度：预选和优选策略：https://cloud.tencent.com/developer/news/1075875
k8s基础之schedule调度器：rhttps://blog.csdn.net/qq_23435961/article/details/108713695