Kubernetes容器调度深度解析：从Pod放置策略到自定义调度器开发

引言

Kubernetes已成为容器编排的事实标准，其调度系统是整个集群的"大脑"。理解kube-scheduler的工作原理，对于优化集群性能、保障服务可靠性至关重要。本文从调度框架出发，深入Pod放置策略与优先级机制，并展示如何开发自定义调度器来满足特定业务需求。

调度器核心流程

kube-scheduler的调度周期分为两阶段：

1. 过滤阶段（Predicates）：筛选出所有可调度Node，排除不满足硬性约束的节点
2. 打分阶段（Priorities）：对通过过滤的节点评分，选出最优放置目标

这两个阶段通过Scheduling Framework暴露为Extender插件接口，每个阶段都有对应的Extension Points供扩展。

Pod放置策略

• nodeSelector/nodeAffinity：基于标签的简单/灵活调度约束
• podAntiAffinity：保障多副本分散部署，提升可用性
• Taints/Tolerations：节点排斥特定Pod，实现专用节点池
• Topology Spread Constraints：按拓扑域均匀分布Pod

优先级与抢占

PriorityClass定义Pod调度优先级。当高优先级Pod无法调度时，抢占机制会驱逐低优先级Pod以释放资源。需注意抢占可能引发级联驱逐，建议配合PDB（PodDisruptionBudget）和优雅终止来规避风险。

自定义调度器开发

Scheduling Framework v1（1.18 稳定）允许通过插件扩展调度逻辑：

// PreFilter: 预计算Pod调度所需信息
func (pl *CustomScheduler) PreFilter(ctx context.Context, state *CycleState, pod *v1.Pod) *Status {
    // 检查前置条件
    return nil
}
// Filter: 节点过滤
func (pl *CustomScheduler) Filter(ctx context.Context, state *CycleState, pod *v1.Pod, nodeInfo *framework.NodeInfo) *Status {
    // 自定义过滤逻辑
    return nil
}
// Score: 节点评分
func (pl *CustomScheduler) Score(ctx context.Context, state *CycleState, pod *v1.Pod, nodeName string) (int64, *Status) {
    return calculateScore(pod, nodeName), nil
}

开发自定义调度器适用于：特定硬件亲和（GPU拓扑感知）、成本优化、QoS保障等场景。

最佳实践建议

合理设置Resource Requests/Limits是调度效率的基石；合理利用亲和/反亲和策略可显著提升应用韧性；调度器扩展优先级从简单到复杂依次尝试：Scheduler Profile → Scheduler Extender → 独立自定义调度器。