Kubernetes 中的 Pod 资源调度策略深度解析与实战优化

在现代云原生架构中，Kubernetes（简称 K8s） 已成为容器编排的事实标准。然而，随着集群规模扩大和应用复杂度提升，如何高效、合理地调度 Pod 成为运维与开发人员的核心挑战之一。本文将围绕 Kubernetes 的资源调度机制，深入剖析其底层逻辑，并结合实际案例展示如何通过自定义调度器和优先级策略实现精细化控制。

一、默认调度器的工作原理

Kubernetes 默认使用 kube-scheduler 进行节点选择，其过程包含以下关键步骤：

1. 过滤阶段（Filtering）：排除不满足条件的节点（如资源不足、标签不匹配等）
2. 2. 打分阶段（Scoring）：对候选节点按权重评分（如亲和性、负载均衡等）
3. 3. 绑定阶段（Binding）：将 Pod 绑定到最优节点
      我们可以用一个简单示例来验证这一流程：

apiVersion: v1
kind: Pod
metadata:
  name: test-pod
  spec:
    containers:
      - name: nginx
      -     image: nginx
      -     resources:
      -       requests:
      -         memory: "64Mi"
      -         cpu: "250m"
      -       limits:
      -         memory: "128Mi"
      -         cpu: "500m"
      - ```
执行命令：
```bash
kubectl apply -f pod.yaml
kubectl describe pod test-pod | grep -A 10 Events

输出会显示类似：

Events:
  Type    Reason                 Age   From               Message
    ----    ------                 ----  ----               -------
      Normal  Scheduled              2m    default-scheduler  Successfully assigned default/test-pod to node-01
      ```
这说明默认调度器已成功完成分配任务。

---

### 二、自定义调度器实践：让调度更“懂你”

若需满足特定业务需求（如 GPU 节点优先、跨可用区分布、冷热数据分离），可以编写**自定义调度器插件**。以下是基于 `k8s.io/kubernetes/pkg/scheduler/framework/plugins/` 的一个轻量级例子：

#### 步骤 1：创建调度器配置文件 `scheduler-config.yaml`

```yaml
apiVersion: kubescheduler.config.k8s.io/v1beta2
kind: KubeSchedulerConfiguration
profiles:
- schedulerName: my-custom-scheduler
-   plugins:
-     queueSort:
-       enabled:
-       - name: PrioritySort
-     preFilter:
-       enabled:
-       - name: NodeResourcesFit
-     filter:
-       enabled:
-       - name: NodeAffinity
-       - name: NodePorts
-     score:
-       enabled:
-       - name: InterPodAffinity
-       - name: BalancedResourceAllocation
-     postScore:
-       enabled:
-       - name: CustomScorePlugin  # 自定义插件名称
- ```
> ⚠️ 注意：此配置必须注册到 kube-scheduler 的启动参数中，例如：
> ```bash
> --leader-elect=false --config=/etc/kubernetes/scheduler-config.yaml
> ```
#### 步骤 2：实现 Score 插件（Go 示例）

```go
func (p *CustomScorePlugin) Score(ctx context.Context, state *framework.CycleState, pod *v1.Pod, nodeName string) (int64, *framework.Status) {
    nodeInfo, err := state.ReadNodeInfo(nodeName)
        if err != nil {
                return 0, framework.NewStatus(framework.Error, err.Error())
                    }
    // 示例规则：优先选择内存利用率低的节点
        usage := nodeInfo.Allocatable.MilliCPU - nodeInfo.Requested.MilliCPU
            score := int64(usage / 100) // 简化计算，实际应考虑百分比
                return score, nil
                }
                ```
#### 步骤 3：在 Pod 中指定调度器名称

```yaml
apiVersion: v1
kind: Pod
metadata:
  name: custom-sched-pod
  spec:
    schedulerName: my-custom-scheduler  # 关键字段！
      containers:
        - name: app
        -     image: busybox
        -     command: ['sh', '-c', 'sleep 3600']
        - ```
这样，该 Pod 就会被你的自定义调度器接管，不再走默认流程。

---

### 三、结合 Taints & Tolerations 实现隔离部署

为了防止普通应用误占用高性能节点（如 GPU 或 SSD 存储），可使用污点（Taint）机制：

```bash
# 给特定节点添加污点
kubectl taint nodes gpu-node gpu=true:NoSchedule

# 在 Pod 中设置容忍（Toleration）
tolerations:
- key: "gpu"
-   operator: "Equal"
-   value: "true"
-   effect: "NoSchedule"
- ```
这样一来，只有明确声明容忍的 Pod 才能被调度到该节点上。

---

### 四、可视化调度决策路径（流程图建议）

虽然 Markdown 不支持直接绘图，但你可以用如下方式描述调度路径（适合贴图）：

[pod 创建] → [Default Scheduler] → Filter Nodes 9Memory/CPU/Labels) → Score Nodes → Bind to Best Node
↳ 若启用 Custom Scheduler → 执行 Plugin Logic → 再次 Score → Binding
```
也可以使用 Mermaid 格式嵌入文章（CSDN 支持）：