关于kubernetes:k8s默认调度器关于pod申请资源过滤的源码细节

思考 Q1 k8s 的默认调度器是在哪个环节过滤满足这个 pod 资源的节点的？

• 如果问你是否理解 k8s 的调度原理，大家预计都会滔滔不绝说一通
• 然而是否真正的理解其中的细节预计就不好说了
• 上面是我浏览 k8s 调度器的源码剖析的全过程

我的 23 个课程举荐

k8s 零根底入门运维课程

• k8s 零根底入门运维课程，计算存储网络和常见的集群相干操作

k8s 纯源码解读教程 (3 个课程内容合成一个大课程)

• k8s 底层原理和源码解说之精髓篇
• k8s 底层原理和源码解说之进阶篇
• k8s 纯源码解读课程，助力你变成 k8s 专家

k8s 运维进阶调优课程

• k8s 运维巨匠课程

k8s 治理运维平台实战

• k8s 治理运维平台实战前端 vue 后端 golang

k8s 二次开发课程

• k8s 二次开发之基于实在负载的调度器
• k8s-operator 和 crd 实战开发 助你成为 k8s 专家

cicd 课程

• tekton 全流水线实战和 pipeline 运行原理源码解读

prometheus 全组件的教程

• 01_prometheus 零根底入门，grafana 根底操作，支流 exporter 采集配置
• 02_prometheus 全组件配置应用、底层原理解析、高可用实战
• 03_prometheus-thanos 应用和源码解读
• 04_kube-prometheus 和 prometheus-operator 实战和原理介绍
• 05_prometheus 源码解说和二次开发
• 06_prometheus 监控 k8s 的实战配置和原理解说，写 go 我的项目裸露业务指标

go 语言课程

• golang 根底课程
• golang 实战课，一天编写一个工作执行零碎，客户端和服务端架构
• golang 运维开发我的项目之 k8s 网络探测实战
• golang 运维平台实战，服务树, 日志监控，工作执行，分布式探测
• golang 运维开发实战课程之 k8s 巡检平台

直播答疑 sre 职业倒退布局

• k8s-prometheus 课程答疑和运维开发职业倒退布局

官网调度框架文档地址

• https://kubernetes.io/zh-cn/d…

01 默认调度器何时 依据 pod 的容器 资源 request 量筛选节点

• 默认调度器的源码地位 D:\go_path\src\github.com\kubernetes\kubernetes\pkg\scheduler\scheduler.go
• 由调度 一个 pod 的办法入口 , 其中 sched.Algorithm.Schedule 代表算法调度

func (sched *Scheduler) scheduleOne(ctx context.Context) {scheduleResult, err := sched.Algorithm.Schedule(schedulingCycleCtx, sched.Extenders, fwk, state, pod)
}

剖析 Schedule 办法

• 默认调度 Schedule 办法的源码地位 D:\go_path\src\github.com\kubernetes\kubernetes\pkg\scheduler\generic_scheduler.go

• 从它的办法正文能够看到

  // Schedule tries to schedule the given pod to one of the nodes in the node list.
  // If it succeeds, it will return the name of the node.
  // If it fails, it will return a FitError error with reasons.

• 翻译过去就是 Schedule 办法 尝试从给出的节点列表中抉择一个调度这个 pod
• 如果胜利，会返回节点的名称
• 如果失败，会返回谬误

来剖析一下 这个办法的返回值

• 这个 ScheduleResult 构造体他的字段定义的很清晰一看就晓得干啥的

(result ScheduleResult, err error)
type ScheduleResult struct {
    // Name of the scheduler suggest host
    SuggestedHost string  后果节点
    // Number of nodes scheduler evaluated on one pod scheduled
    EvaluatedNodes int   参加计算的节点数
    // Number of feasible nodes on one pod scheduled
    FeasibleNodes int  适合的节点数
}

再剖析一下这个办法的 参数

• (ctx context.Context, extenders []framework.Extender, fwk framework.Framework, state framework.CycleState, pod v1.Pod)
• ctx 上下文
• extenders 应该是扩大的调度插件？
• fwk 为内置的调度框架对象
• state 应该是 调度的后果缓存
• pod 就是待调度的指标 pod

其中外围的内容就是 findNodesThatFitPod

• 代码如 feasibleNodes, diagnosis, err := g.findNodesThatFitPod(ctx, extenders, fwk, state, pod)
• findNodesThatFitPod 就是执行 filter 插件列表中的插件

step01 执行 prefilter 插件们

    // Run "prefilter" plugins.
    s := fwk.RunPreFilterPlugins(ctx, state, pod)
    allNodes, err := g.nodeInfoSnapshot.NodeInfos().List()
    if err != nil {return nil, diagnosis, err}

• 遍历执行的代码如下

  func (f *frameworkImpl) RunPreFilterPlugins(ctx context.Context, state *framework.CycleState, pod *v1.Pod) (status *framework.Status) {startTime := time.Now()
    defer func() {metrics.FrameworkExtensionPointDuration.WithLabelValues(preFilter, status.Code().String(), f.profileName).Observe(metrics.SinceInSeconds(startTime))
    }()
    for _, pl := range f.preFilterPlugins {status = f.runPreFilterPlugin(ctx, pl, state, pod)
        if !status.IsSuccess() {status.SetFailedPlugin(pl.Name())
            if status.IsUnschedulable() {return status}
            return framework.AsStatus(fmt.Errorf("running PreFilter plugin %q: %w", pl.Name(), status.AsError())).WithFailedPlugin(pl.Name())
        }
    }
  
    return nil
  }

• 外围就是执行 各个 PreFilterPlugin 的 PreFilter 办法

type PreFilterPlugin interface {
    Plugin
    // PreFilter is called at the beginning of the scheduling cycle. All PreFilter
    // plugins must return success or the pod will be rejected.
    PreFilter(ctx context.Context, state *CycleState, p *v1.Pod) *Status
    // PreFilterExtensions returns a PreFilterExtensions interface if the plugin implements one,
    // or nil if it does not. A Pre-filter plugin can provide extensions to incrementally
    // modify its pre-processed info. The framework guarantees that the extensions
    // AddPod/RemovePod will only be called after PreFilter, possibly on a cloned
    // CycleState, and may call those functions more than once before calling
    // Filter again on a specific node.
    PreFilterExtensions() PreFilterExtensions}

默认的 PreFilterPlugin 都有哪些呢

• 咱们能够在官网文档中 搜寻 prefilter
• 发现有 8 个 比方 NodePorts、NodeResourcesFit、VolumeBinding 等
• 这跟咱们在 ide 中查看 PreFilter 的实现者根本能对上

挑 1 个 NodeResourcesFit 的 PreFilterPlugin 来看下

• 地位 D:\go_path\src\github.com\kubernetes\kubernetes\pkg\scheduler\framework\plugins\noderesources\fit.go

func (f *Fit) PreFilter(ctx context.Context, cycleState *framework.CycleState, pod *v1.Pod) *framework.Status {cycleState.Write(preFilterStateKey, computePodResourceRequest(pod, f.enablePodOverhead))
    return nil
}

• 从下面的办法来看 只是计算了 pod 的资源状况，写入缓存 为前面的过滤做筹备
• 其中的数据统计来自 computePodResourceRequest，咱们不必看具体代码，看正文就能分明这个办法的含意
• 从 pod 的 init 和 app 容器中汇总，求最大的资源应用状况
• 其中 init 和 app 容器的解决形式不统一
• 比方正文中给出的样例，init 容器按程序执行，那么找其中最大的资源就能够 也就是 2c 3G
• app 容器要求同时启动，所以需要求 sum 也就是 3c 3G
• 最初再求 2 者的 max 也就是 3c 3G

// computePodResourceRequest returns a framework.Resource that covers the largest
// width in each resource dimension. Because init-containers run sequentially, we collect
// the max in each dimension iteratively. In contrast, we sum the resource vectors for
// regular containers since they run simultaneously.
//
// If Pod Overhead is specified and the feature gate is set, the resources defined for Overhead
// are added to the calculated Resource request sum
//
// Example:
//
// Pod:
//   InitContainers
//     IC1:
//       CPU: 2
//       Memory: 1G
//     IC2:
//       CPU: 2
//       Memory: 3G
//   Containers
//     C1:
//       CPU: 2
//       Memory: 1G
//     C2:
//       CPU: 1
//       Memory: 1G
//
// Result: CPU: 3, Memory: 3G

看到这里就会纳闷了，fit 的 prefilter 中并没有过滤节点资源的代码

• 其实相干的逻辑在 filter 插件中
• 因为在 findNodesThatFitPod 函数中执行完 所有 prefilter 插件后该执行 filter 插件了
• 也就是 NodeResourcesFit 的 filter 函数
• 地位 D:\go_path\src\github.com\kubernetes\kubernetes\pkg\scheduler\framework\plugins\noderesources\fit.go

// Filter invoked at the filter extension point.
// Checks if a node has sufficient resources, such as cpu, memory, gpu, opaque int resources etc to run a pod.
// It returns a list of insufficient resources, if empty, then the node has all the resources requested by the pod.
func (f *Fit) Filter(ctx context.Context, cycleState *framework.CycleState, pod *v1.Pod, nodeInfo *framework.NodeInfo) *framework.Status {s, err := getPreFilterState(cycleState)
    if err != nil {return framework.AsStatus(err)
    }

    insufficientResources := fitsRequest(s, nodeInfo, f.ignoredResources, f.ignoredResourceGroups)

    if len(insufficientResources) != 0 {
        // We will keep all failure reasons.
        failureReasons := make([]string, 0, len(insufficientResources))
        for _, r := range insufficientResources {failureReasons = append(failureReasons, r.Reason)
        }
        return framework.NewStatus(framework.Unschedulable, failureReasons...)
    }
    return nil
}

从下面的正文就能够看出，这个是查看一个节点 是否具备满足 指标 pod 申请资源的

• 其中具体的资源计算逻辑在 fitsRequest 中

• 以计算 cpu 为例

    if podRequest.MilliCPU > (nodeInfo.Allocatable.MilliCPU - nodeInfo.Requested.MilliCPU) {
        insufficientResources = append(insufficientResources, InsufficientResource{
            v1.ResourceCPU,
            "Insufficient cpu",
            podRequest.MilliCPU,
            nodeInfo.Requested.MilliCPU,
            nodeInfo.Allocatable.MilliCPU,
        })
    }

思考如果下面有多个节点满足 pod 资源 request 怎么办

• 其实很简略就是：findNodesThatPassFilters 有多个 node 后果

• 而后交给前面的 score 办法打分计算筛选即可

    feasibleNodes, err := g.findNodesThatPassFilters(ctx, fwk, state, pod, diagnosis, allNodes)
    if err != nil {return nil, diagnosis, err}

总结

• NodeResourcesFit 的 PreFilterPlugin 负责计算 pod 的资源申请值，并且计算时解决 init 和 app 容器有所区别
• k8s 的默认调度器是在哪个环节过滤满足这个 pod 资源的节点的：答案是 NodeResourcesFit 的 Filter 函数
• filter 如果返回多个节点，那么交给 score 插件打分计算筛选即可

脑洞

• 如果应用 k8s 的调度框架写个扩大调度器，只实现 Filter 办法依据 节点的实在负载过滤那么会有什么问题
• 答案是：因为跳过了默认的 NodeResourcesFit 可能会导致 被 kubelet 的 admit 拦挡 呈现 OutOfMemory 等谬误
• 因为 kubelet 还是会校验 新 pod 的 request 和本节点已调配的资源

那么基于实在负载调度的调度器该怎么编写呢

• k8s 二次开发之基于实在负载的调度器