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