Crane-Scheduler 基于真实工作负载的调度插件_当前最新

将服务部署在Kubernetes集群上是当今许多企业的首选方案，其能帮助企业自动化部署、弹性伸缩以及容错处理等工作，减少了人工操作和维护工作量，提高了服务的可靠性和稳定性，有效实现了降本增效。

原生 kubernetes 调度器只能基于资源的 resource request 进行调度，然而 Pod 的真实资源使用率，往往与其所申请资源的 request/limit 差异很大，导致集群负载不均的问题。crane-scheduler基于集群的真实负载数据构造了一个简单却有效的模型，作用于调度过程中的 Filter 与 Score 阶段，并提供了一种灵活的调度策略配置方式，从而有效缓解集群中资源负载不均问题，真正实现将本增效。

(资料图)

背景

将服务部署在Kubernetes集群上是当今许多企业的首选方案，其能帮助企业自动化部署、弹性伸缩以及容错处理等工作，减少了人工操作和维护工作量，提高了服务的可靠性和稳定性，有效实现了降本增效。但kubernetes 的原生调度器只能通过资源请求来调度 pod，这很容易造成一系列负载不均的问题：

集群中的部分节点，资源的真实使用率远低于 resource request，却没有被调度更多的 Pod，这造成了比较大的资源浪费。而集群中的另外一些节点，其资源的真实使用率事实上已经过载，却无法为调度器所感知到，这极大可能影响到业务的稳定性。

这些无疑都与企业上云的最初目的相悖，为业务投入了足够的资源，却没有达到理想的效果。crane-scheduler打破了资源 resource request 与真实使用率之间的鸿沟，着力于调度层面，让调度器直接基于真实使用率进行调度，使用最大化的同时排除了稳定性的后顾之忧，真正实现降本增效。

Kubernetes 调度框架

Kubernetes官方提供了可插拔架构的调度框架，能够进一步扩展Kubernetes调度器，下图展示了调度框架中的调度上下文及其中的扩展点，一个扩展可以注册多个扩展点，以便可以执行更复杂的有状态的任务。

图1 Pod 调度流程

Sort – 用于对 Pod 的待调度队列进行排序，以决定先调度哪个 Pod。Pre-filter – 用于对 Pod 的信息进行预处理。Filter – 用于排除那些不能运行该 Pod 的节点。Post-filter – 一个通知类型的扩展点,更新内部状态，或者产生日志。Scoring – 用于为所有可选节点进行打分。Normalize scoring – 在调度器对节点进行最终排序之前修改每个节点的评分结果。Reserve – 使用该扩展点获得节点上为 Pod 预留的资源，该事件发生在调度器将 Pod 绑定到节点前。Permit – 用于阻止或者延迟 Pod 与节点的绑定。Pre-bind – 用于在 Pod 绑定之前执行某些逻辑。Bind – 用于将 Pod 绑定到节点上。Post-bind – 是一个通知性质的扩展。Unreserve – 如果为 Pod 预留资源，又在被绑定过程中被拒绝绑定，则将被调用。

对于调度框架插件的启用或者禁用，我们同样可以使用上面的KubeSchedulerConfiguration资源对象来进行配置。下面的例子中的配置启用了一个实现了filter和scoring扩展点的插件，并且禁用了另外一个插件，同时为插件 foo 提供了一些配置信息：

apiVersion: kubescheduler.config.k8s.io/v1alpha1kind: KubeSchedulerConfiguration...plugins:  filter:    enabled:    - name: foo    - name: bar    disabled:    - name: baz  scoring:    enabled:    - name: foo    disabled:    - name: bazpluginConfig:- name: foo  args: >    foo插件可以解析的任意内容

扩展的调用顺序如下：

如果某个扩展点没有配置对应的扩展，调度框架将使用默认插件中的扩展。如果为某个扩展点配置且激活了扩展，则调度框架将先调用默认插件的扩展，再调用配置中的扩展。默认插件的扩展始终被最先调用，然后按照KubeSchedulerConfiguration中扩展的激活enabled顺序逐个调用扩展点的扩展。可以先禁用默认插件的扩展，然后在enabled列表中的某个位置激活默认插件的扩展，这种做法可以改变默认插件的扩展被调用时的顺序。

Kubernetes 调度插件demo: https://github.com/cnych/sample-scheduler-framework。

crane-scheduler 设计与实现

总体架构

图2 Crane-scheduler 总体架构

动态调度器总体架构如上图所示，主要有两个组件组成：

Node-annotator定期从 Prometheus 拉取数据，并以注释的形式在节点上用时间戳标记它们。Dynamic plugin直接从节点的注释中读取负载数据，过滤并基于简单的算法对候选节点进行评分。

同时动态调度器提供了一个默认值调度策略并支持用户自定义策略。默认策略依赖于以下指标：

cpu_usage_avg_5mcpu_usage_max_avg_1hcpu_usage_max_avg_1dmem_usage_avg_5mmem_usage_max_avg_1hmem_usage_max_avg_1d

在调度的Filter阶段，如果该节点的实际使用率大于上述任一指标的阈值，则该节点将被过滤。而在Score阶段，最终得分是这些指标值的加权和。

在生产集群中，可能会频繁出现调度热点，因为创建 Pod 后节点的负载不能立即增加。因此定义了一个额外的指标，名为Hot Value，表示节点最近几次的调度频率。并且节点的最终优先级是最终得分减去Hot Value。

关键代码实现

Node-annotation：定期从 Prometheus 拉取数据，并以注释的形式在节点上用时间戳标记它们。

// /pkg/controller/annotator/node.gofunc (n *nodeController) syncNode(key string) (bool, error) {  startTime := time.Now()  defer func() {    klog.Infof("Finished syncing node event %q (%v)", key, time.Since(startTime))  }()  // 获取 nodeName, metricName  nodeName, metricName, err := splitMetaKeyWithMetricName(key)  // 通过 nodeName 获取 node 的具体信息  node, err := n.nodeLister.Get(nodeName)  // 通过 nodeIP 或者 nodeName 获取并更新 node 的监控指标  err = annotateNodeLoad(n.promClient, n.kubeClient, node, metricName)  // 获取 node hotVaule，并更新  err = annotateNodeHotValue(n.kubeClient, n.bindingRecords, node, n.policy)  return true, nil}func annotateNodeLoad(promClient prom.PromClient, kubeClient clientset.Interface, node *v1.Node, key string) error {  // 通过 nodeIp 查询  value, err := promClient.QueryByNodeIP(key, getNodeInternalIP(node))  if err == nil && len(value) > 0 {    return patchNodeAnnotation(kubeClient, node, key, value)  }  // 通过 nodeName 查询  value, err = promClient.QueryByNodeName(key, getNodeName(node))  if err == nil && len(value) > 0 {    return patchNodeAnnotation(kubeClient, node, key, value)  }  return fmt.Errorf("failed to get data %s{%s=%s}: %v", key, node.Name, value, err)}

Dynamic plugin：Dynamic plugin 修改 filter 和 score 阶段。

// /pkg/plugins/dynamic/plugins.go// Filter - 检查一个节点的实际负载是否过高func (ds *DynamicScheduler) Filter(ctx context.Context, state *framework.CycleState, pod *v1.Pod, nodeInfo *framework.NodeInfo) *framework.Status {    node := nodeInfo.Node()  // 读取 nodeAnnotation, nodeName  nodeAnnotations, nodeName := nodeInfo.Node().Annotations, nodeInfo.Node().Name  // filter - 过滤  for _, policy := range ds.schedulerPolicy.Spec.Predicate {    // 获取采样时间    activeDuration, err := getActiveDuration(ds.schedulerPolicy.Spec.SyncPeriod, policy.Name)    // 根据指标，判断 node 是否过载    if isOverLoad(nodeName, nodeAnnotations, policy, activeDuration) {      return framework.NewStatus(framework.Unschedulable, fmt.Sprintf("Load[%s] of node[%s] is too high", policy.Name, nodeName))    }  }  return framework.NewStatus(framework.Success, "")}// Score - 它从节点注释中获取度量数据，并支持实际资源使用最少的节点func (ds *DynamicScheduler) Score(ctx context.Context, state *framework.CycleState, p *v1.Pod, nodeName string) (int64, *framework.Status) {  // 通过 nodeName，获取 node 具体信息  nodeInfo, err := ds.handle.SnapshotSharedLister().NodeInfos().Get(nodeName)  node := nodeInfo.Node()  nodeAnnotations := node.Annotations  // 计算得分和 hotValue  score, hotValue := getNodeScore(node.Name, nodeAnnotations, ds.schedulerPolicy.Spec), getNodeHotValue(node)  score = score - int(hotValue*10)    // 计算总得分 finalScore  finalScore := utils.NormalizeScore(int64(score), framework.MaxNodeScore, framework.MinNodeScore)  return finalScore, nil}

使用流程

配置 prometheus 监测规则

syncPolicy: 用户可以自定义负载数据的类型与拉取周期。predicate: Filter 策略，若候选节点的当前负载数据超过了任一所配置的指标阈值，则这个节点将会被过滤。priority：在 Score 策略中配置相关指标的权重，候选节点的最终得分为不同指标得分的加权和。hotValue：定义调度热点规则，最终节点的 Priority 为上一小节中的 Score 减去 Hot Value。

apiVersion: scheduler.policy.crane.io/v1alpha1kind: DynamicSchedulerPolicyspec:  syncPolicy:    ##cpu usage    - name: cpu_usage_avg_5m      period: 3m    - name: cpu_usage_max_avg_1h      period: 15m    - name: cpu_usage_max_avg_1d      period: 3h    ##memory usage    - name: mem_usage_avg_5m      period: 3m    - name: mem_usage_max_avg_1h      period: 15m    - name: mem_usage_max_avg_1d      period: 3h  predicate:    ##cpu usage    - name: cpu_usage_avg_5m      maxLimitPecent: 0.65    - name: cpu_usage_max_avg_1h      maxLimitPecent: 0.75    ##memory usage    - name: mem_usage_avg_5m      maxLimitPecent: 0.65    - name: mem_usage_max_avg_1h      maxLimitPecent: 0.75  priority:    ##cpu usage    - name: cpu_usage_avg_5m      weight: 0.2    - name: cpu_usage_max_avg_1h      weight: 0.3    - name: cpu_usage_max_avg_1d      weight: 0.5    ##memory usage    - name: mem_usage_avg_5m      weight: 0.2    - name: mem_usage_max_avg_1h      weight: 0.3    - name: mem_usage_max_avg_1d      weight: 0.5  hotValue:    - timeRange: 5m      count: 5    - timeRange: 1m      count: 2

使用 crane-scheduler

这里有两种方式可供选择：

作为k8s原生调度器之外的第二个调度器。替代k8s原生调度器成为默认的调度器。

作为k8s原生调度器之外的第二个调度器：在 podspec.schedulerName指定 crane scheduler。

apiVersion: apps/v1kind: Deploymentmetadata:  name: cpu-stressspec:  selector:    matchLabels:      app: cpu-stress  replicas: 1  template:    metadata:      labels:        app: cpu-stress    spec:      schedulerName: crane-scheduler      hostNetwork: true      tolerations:      - key: node.kubernetes.io/network-unavailable        operator: Exists        effect: NoSchedule      containers:      - name: stress        image: docker.io/gocrane/stress:latest        command: ["stress", "-c", "1"]        resources:          requests:            memory: "1Gi"            cpu: "1"          limits:            memory: "1Gi"            cpu: "1"

替代k8s原生调度器成为默认的调度器

修改kube调度器的配置文件（scheduler config.yaml）以启用动态调度器插件并配置插件参数：

apiVersion: kubescheduler.config.k8s.io/v1beta2kind: KubeSchedulerConfiguration...profiles:- schedulerName: default-scheduler  plugins:    filter:      enabled:      - name: Dynamic    score:      enabled:      - name: Dynamic        weight: 3  pluginConfig:  - name: Dynamic     args:      policyConfigPath: /etc/kubernetes/policy.yaml...

/etc/kubernetes/policy.yaml就是 4.3.1 中的DynamicSchedulerPolicy资源对象。

修改kube-scheduler.yaml，并将kube调度器映像替换为Crane schedule。

... image: docker.io/gocrane/crane-scheduler:0.0.23...

安装 crane-scheduler-controller。

kubectl apply ./deploy/controller/rbac.yaml && kubectl apply -f ./deploy/controller/deployment.yaml

真实环境测试

crane-sheduler 会将监控指标数据写在 node annotation 上。

node annotation

内存型服务测试

测试服务单副本实际占用 2C 20G ，申请资源 5C 40G。

memory

k8s默认调度器结果（%）。

默认调度器根据 资源申请值request调度服务，且节点间分布不均衡。

当副本数到达12 个时，默认调度器出现了资源分配严重不均的情况。

crane-schedule调度器结果（%）。

当启动11个服务的时候，node03中的mem_usage_avg_5m指标过高，禁止调度：

CPU型服务测试

测试服务单副本实际占用 8C 8G ，申请资源 12C 12G。

k8s默认调度器结果（%）。

当启动9个服务的时候，出现 Insufficient cpu 的情况：

crane-schedule调度器结果（%）。

当启动8服务的时候，node03中的mem_usage_avg_5m指标过高，禁止调度：

参考文献

http://kubernetes.p2hp.com/docs/。https://www.qikqiak.com/post/custom-kube-scheduler/。https://gocrane.io/zh-cn/docs/tutorials/dynamic-scheduler-plugin/。https://github.com/gocrane/crane-scheduler。https://blog.51cto.com/u_14120339/5363877。

关键词：