Kubernetes 系统化学习之 集群调度篇(六)
Kubernetes 属于主从分布式架构,主要由 Master 节点和 Node 节点组成。Master 节点作为控制节点,对集群进行调度管理;Node 节点作为真正的工作节点,运行容器。
Master节点
Kube-Apiserver: 所有服务访问的统一入口,各组件的协调者
Kube-controller-manager: 控制器,主要维护 k8s 资源对象
Kube-scheduler: 调度器,为 Pod 选择一个 Node 节点
Etcd: 分布式数据库来储存集群中的重要信息,比如 pod、service 等对象信息
Node节点
Pod: Pod 是一个非常重要的概念。它是 k8s 的最小的服务单位,可以理解为把一组关系紧密的容器放在一起,它们共享了同一个 Network Namespace,并且可以声明共享一个 Volume。所以,Pod 其实是一组共享了某些资源的容器。
Kubelet: 主要来执行关于资源操作的指令,负责 pod 的维护。比如创建容器、Pod 挂载数据卷、获取节点信息和状态等工作。
Kube-proxy: 负责代理服务,在多个 pod 之间做负载均衡。
1. 调度器
Scheduler 是 kubernetes 的调度器,它的主要任务是 为新创建出来的pod寻找一个最佳node 节点,听起来非常简单,但有很多要考虑的问题:
公平:如何保证每个节点都能被分配资源
资源高效利用:集群资源能被最大化的使用
效率:调度的性能要好,能够尽快地对大批量的pod完成调度工作
灵活:允许用户根据自己的需求控制调度的逻辑
Scheduler 是作为单独的程序运行的,它启动之后会一直监听 API server ,获取 Spec.NodeName 为空的 pod。调度执行完之后,调度器会将 Pod 对象的 NodeName 字段的值,修改为 Node 的名字,表明 pod 应该放在哪个节点上,这个步骤在 k8s 中称为 Bind。
调度过程
调度分为几个部分:首先是过滤掉不满足条件的节点,这个过程称为 predicate;然后对通过的节点按照优先级排序,这个是 priority;最后从中选出优先级最高的节点作为最终的结果。
Predicate 有一系列算法可以使用,比如:
PodFitResources:节点上剩余的资源是否大于 pod 请求的资源
PodFitHostPorts:节点上已经使用的 port 是否和 pod 申请的 port 冲突
PodSelectorMatches:过滤掉和 pod 指定的 label 不匹配的节点
如果在 predicate 过程中没有合适的节点,pod 会一直在 pending 状态,不断重试调度,直到有节点满足条件;经过这个步骤,如果有多个节点满足条件,就继续 priority过程。
priority 由一系列键值对组成,键是优先级项的名称,值是它的权重。这些优先级包括:
LeastRequestedPriority:通过计算 CPU 和 Memory 的使用率来决定它的权重,换句话说就是选择空闲资源最多的节点
BalancedResourceAllocation:节点上的 CPU 和 Memory 使用率越接近,权重越高
ImageLocalityPriority:倾向于已经有要使用镜像的节点,镜像总大小值越大,权重越高
可以看到,Kubernetes 调度器的核心,实际上就是两个相互独立的控制循环。
Imformer Path
第一个控制循环称为 Imformer Path , 它主要目的是启动一系列 imformer,来监听 Etcd 中 Pod、Node、Service 等与调度相关的对象的变化。比如当一个待调度 Pod(即:它的 nodeName 字段是空的)被创建出来之后,调度器就会通过 Pod Informer 的 Handler,将这个待调度 Pod 添加进调度队列。
同时,调度器的 informer 还要负责对调度器缓存( scheduler cache)进行更新。Kubernetes 调度部分进行性能优化的一个最根本原则,就是尽最大可能将集群信息 Cache 化,以便从根本上提高 Predicate 和 Priority 调度算法的执行效率。
Scheduling Path
第二个控制循环称为 Scheduling Path ,是调度器负责 pod 调度的主循环。这部分的主要逻辑,就是不断地从调度队列里出队一个 Pod。然后,调用 Predicates 算法进行“过滤”。这一步“过滤”得到的一组 Node,就是所有可以运行这个 Pod 的宿主机列表。
接下来,调度器就会再调用 Priorities 算法为上述列表里的 Node 打分,分数从 0 到 10。得分最高的 Node,就会作为这次调度的结果。当然,上面两个调度算法所需的 node 数据,都是从 Scheduler Cache 里直接拿到的,这是调度器保证算法执行效率的主要手段。
算法执行完后,调度器会执行 Bind 操作,将 Pod 对象的 nodeName 字段的值,修改为上述 Node 的名字。但是,为了不在这个关键调度步骤中远程访问 API server,在 Bind 阶段,调度器只会更新 Scheduler Cache 里的 Pod 和 Node 信息。这种基于“乐观”假设的 API 对象更新方式,在 Kubernetes 里被称作 Assume。
等 Assume 之后,调度器才会创建一个 Goroutine 来异步向 API server 发起更新 Pod 的请求,来完成真正的 Bind 操作。对应节点的 kubelet 会进行一个 Admit 的操作,再次确认该 pod 能否运行在该节点上。
无锁化
除了上面所说的,k8s 调度器还有一个重要设计,那就是 无锁化。
在 Scheduling Path 上,调度器会启动多个 Goroutine 并发执行 Predicates 算法,从而提高这一阶段的执行效率。而与之类似的,Priorities 算法也会以 MapReduce 的方式并行计算然后再进行汇总。而在这些所有需要并发的路径上,调度器会避免设置任何全局的竞争资源,从而免去了使用锁进行同步带来的巨大的性能损耗。
总结一下,调度的具体过程,以及提升调度效率的三个方法:Cache化、乐观假设、无锁化。
2. 亲和性调度
亲和性包括:节点亲和性, Pod 亲和性
亲和性简而言之就是,表示我们部署的服务更加趋向于运行那些节点上面,增加了服务的部署可控性。
节点亲和性
pod.spec.nodeAffinity 分为软策略和硬策略
preferredDuringSchedulingIgnoredDuringExecution:软策略
requredDuringSchedulingIgnoredDuringExecution:硬策略
当硬亲和性规则不满足时,Pod会置于Pending状态,软亲和性规则不满足时,会选择一个不匹配的节点。 当节点标签改变而不再符合此节点亲和性规则时,不会将Pod从该节点移出,仅对新建的Pod对象生效。 对于软策略,会使用权重 weight 定义优先级,1~100 值越大优先级越高。
apiVersion: v1 kind: Pod metadata: name: node-affinity namespace: dev spec: containers: - name: nginx-pod image: nginx:latest affinity: # 节点亲和 nodeAffinity: # 硬策略,条件必须成立 requiredDuringSchedulingIgnoredDuringExecution: nodeSelectorTerms: # 要调度到node的标签是kubernetes.io/hostname=node01的节点上 - matchExpressions: - key: kubernetes.io/hostname operator: NotIn values: - node01 # 软策略,条件尽量要成立 preferredDuringSchedulingIgnoredDuringExecution: # 多个软策略的权重,范围在1-100内,越大计算的得分越高 - weight: 1 preference: matchExpressions: # 要调度到node的标签是area=beijing的节点上 - key: area operator: NotIn values: - beijing 复制代码
键值运算关系:
键值 | 运算关系 |
---|---|
In | label 的值在某个列表中 |
NotIn | label 的值不在某个列表中 |
Gt | label 的值大于某个值 |
Lt | label 的值小于某个值 |
Exists | 某个 label 存在 |
DoesNotExist | 某个 label 不存在 |
Pod 亲和性
pod 亲和性主要解决 pod 可以和哪些 pod 部署在同一个拓扑域中的问题(其中拓扑域用主机标签实现,可以是单个主机,也可以是多个主机组成的 cluster、zone 等等),而 pod 反亲和性主要是解决 pod 不能和哪些 pod 部署在同一个拓扑域中的问题,它们都是处理的 pod 与 pod 之间的关系。
同理,pod.spec.affinity.podAffinity/podAntiAffinity 也分为软策略和硬策略。
preferredDuringSchedulingIgnoredDuringExecution:软策略
requredDuringSchedulingIgnoredDuringExecution:硬策略
apiVersion: v1 kind: Pod metadata: name: pod-affinity namespace: dev spec: containers: - name: nginx-pod image: nginx:latest affinity: # pod亲和 要求与指定的pod在同一个拓扑域 podAffinity: # 硬策略 requiredDuringSchedulingIgnoredDuringExecution: - labelSelector: matchExpressions: - key: app operator: In values: - nginx01 # 拓扑域(node上的标签key) topologyKey: kubernetes.io/hostname # pod亲和 要求与指定的pod不在同一个拓扑域 podAntiAffinity: # 软策略 preferredDuringSchedulingIgnoredDuringExecution: - weight: 1 podAffinityTerm: labelSelector: matchExpressions: - key: app operator: In values: - nginx02 # 拓扑域(node上的标签key) topologyKey: kubernetes.io/hostname 复制代码
3. 污点和容忍度
上面说的节点亲和性,可以理解为 pod 的一种偏好(或者是硬性的)属性,它使得 pod 被吸引到一类特定的节点。Taint(污点)则相反,它使得节点能排斥一类特定的 pod。
Taint 和 Toleration 相互配合,可以用来避免 pod 被分配到不合适的节点上。每个节点都可以有一个或多个污点,而对于不能容忍这些污点的 pod,是不会被该节点接受的。如果将 Toleration 应用于 pod 上,则表示这些 pod 可以(但不要求)被调度到具有匹配 taint 的节点上。
污点(Taint)
通过kubctl taint
命令可以给某一个 node 节点设置污点,node 上设置了污点之后,pod 可以拒绝 node 的调度,甚至可以将 node 上已经存在的 pod 驱逐出去。污点可以用于集群节点迁移准备工作,通过打污点来使当前节点上的 pod 迁移出去。k8s 的 master节点自带污点。
污点的组成为:
key = value : effect 复制代码
每个污点有一个 key 和 value 作为污点的标签,其中 value 可以为空,effect 描述污点的作用。当前 taint 的 effect 支持如下三个选项:
NoSchedule:k8s 不会把 pod 调度到该节点上
PreferNoSchedule:k8s 尽量不会把 pod 调度到该节点上
NoExecute:k8s 不会把 pod 调度到该节点上,同时会把已有节点驱逐出去
# 设置污点 kubectl taint nodes node1 key1=value:NoSchedule # 去除污点 Kubectl taint nodes node1 key1:NoSchedule- 复制代码
容忍(Toleration)
pod 可以设置容忍,即使 node 有污点,也可以分配。
spec: tolerations: - key: "key1" operator: "Equal" value: "value1" effect: "NoSchedule" tolerationSeconds: 3600 - key: "key1" operator: "Equal" value: "value1" effect: "NoExecute" - key: "key2" operator: "Exists" effect: "NoSchedule" 复制代码
其中 operator 的值为 Exists 将会忽略 value 值
其中 key,vaule,effect 要与 Node 中设置的 taint 保持一致
tolerationSeconds 用于描述当 Pod 需要被驱逐时可以在 Pod 上继续保留运行的时间
k8s 的 namespace 可以提供资源的逻辑隔离,但是无法提供物理隔离。物理隔离可以通过污点与容忍来实现。如想隔离不同产品线的服务,可以提前给 node 打上不同的污点,不同的产品线的 pod 容忍对应的污点即可。
4. 调度器的可扩展设计
默认调度器的可扩展机制,在 Kubernetes 里面叫作 Scheduler Framework。这个设计的主要目的,就是在调度器生命周期的各个关键点上,为用户暴露出可以进行扩展和实现的接口,从而实现由用户自定义调度器的能力。
每一个绿色的箭头都是一个可以插入自定义逻辑的接口。比如, 上面的 Queue 部分, 就意味着你可以在这一部分提供一个自己的调度队列的实现, 从而控制每个 Pod 开始被调度(出队)的时机。 Predicates 部分, 则意味着你可以提供自己的过滤算法实现, 根据自己的需求, 来决定选择哪些机器。
作者:白菜说技术
链接:https://juejin.cn/post/7168283760658497550