核心职责与设计目标

Scheduler 是 Kubernetes 的核心调度组件，负责将未绑定的 Pod 分配到最优 Node 上运行。其设计目标包括：

• 公平性：确保每个节点都有被分配资源的机会
• 资源高效利用：最大化集群资源利用率（CPU/内存/存储等）
• 调度效率：快速完成大规模 Pod 调度（支持数千节点）
• 灵活性：支持自定义调度策略和扩展机制

核心架构组件

1. 调度队列（Scheduling Queue）
   • 存储待调度 Pod，按优先级排序（高优先级优先调度）
   • 支持抢占机制（高优先级 Pod 可驱逐低优先级 Pod）
2. 调度框架（Scheduler Framework）
   • 提供 14 个可插拔的扩展点：
     • PreFilter → Filter → PostFilter → PreScore → Score → Reserve → Permit → PreBind → Bind → PostBind
   • 关键扩展点：
     • Filter：执行预选策略（原 Predicates）
     • Score：执行优选策略（原 Priorities）
     • Bind：执行节点绑定操作
3. 调度缓存（Scheduler Cache）
   • 缓存集群实时状态（Node 资源、Pod 分布等）
   • 通过 List-Watch 机制监听 API Server 的 Node/Pod 变更

调度流程（两阶段机制）

阶段 1：预选（Filtering） - 过滤不满足条件的节点

• 一票否决制：任一策略失败即排除节点
• 主要过滤策略：
  • NodeResourcesFit：检查节点剩余资源是否 ≥ Pod 请求资源
  • PodFitsHostPorts：检查节点端口是否被占用
  • NodeAffinity：检查节点标签是否匹配 Pod 的 nodeSelector
  • TaintToleration：检查 Pod 是否容忍节点污点

阶段 2：优选（Scoring） - 对候选节点打分排序

• 权重加权计算：最终得分 = Σ(策略权重 × 策略得分)
• 主要评分策略：
  • LeastRequestedPriority：优化目标为资源剩余最多（计算公式：(NodeCapacity - Requested)/NodeCapacity）
  • BalancedResourceAllocation：优化目标为 CPU/内存使用均衡（计算公式：1 - |CPU利用率-内存利用率|）
  • InterPodAffinity：优化目标为同类型 Pod 拓扑分布

阶段 3：绑定（Binding） - 异步执行绑定

1. Reserve：临时预留节点资源（防止并发冲突）
2. PreBind：执行前置操作（如存储卷挂zai）
3. Bind：向 API Server 提交绑定请求（更新 Pod 的 nodeName 字段）
4. PostBind：清理缓存等收尾工作

异常处理：若绑定失败，触发 Unreserve 释放资源，Pod 重回调度队列

性能优化机制

1. 局部最优策略：大型集群（>5000 节点）仅评估部分节点，规避全局调度带来的大量性能开销
2. 并发调度：
   • 预选/优选阶段并行处理多个 Pod
   • 绑定阶段异步执行（通过 Goroutine 实现）
3. 调度缓存：减少对 API Server 的直接访问

扩展机制

1. 自定义调度策略：
   • 通过 KubeSchedulerConfiguration 配置文件
   • 可自定义 Filter 和 Score 插件
2. 多调度器共存：
   • 在 Pod Spec 中指定 schedulerName
   • 默认值为 default-scheduler

异常处理场景

1. 无节点满足预选条件：持续重试调度，Pod 保持 Pending 状态
2. 资源不足触发抢占：驱逐低优先级 Pod，被抢占 Pod 重新调度
3. 绑定过程失败：回滚资源预留，Pod 重新入队调度