Kubernetes调度由浅入深：框架

今天zouyee先带各位盘点CNCF上周的一些有趣的事情：

Kubernetes社区GB代表选举结束 Paris Pittman当选
CNCF孵化项目OPA进入毕业流程
上周helm项目发布v3.5.0功能性版本
CoreDNS项目通过Docker镜像仓库放开拉取限制的申请

书接上文《Kubernetes调度系统由浅入深系列：初探》，今天zouyee为大家带来《kuberneter调度由浅入深：框架》，该系列对应版本为1.20.+.

一、前文回顾

在《Kubernetes调度系统由浅入深系列：初探》中，给出整体的交互图，来构建Pod调度的直观感受，我们拓展了一下交互图，如下所示。

注：该交互图非专业UML，还请谅解。

图1 交互流程图

上述以创建一个Pod为例，简要介绍调度流程：

用户通过命令行创建Pod(选择直接创建Pod而不是其他workload，是为了省略kube-controller-manager)
kube-apiserver经过对象校验、admission、quota等准入操作，写入etcd
kube-apiserver将结果返回给用户
同时kube-scheduler一直监听节点、Pod事件等（流程1）
kube-scheduler将spec.nodeName的pod加入到调度队列中，调度系统选择pod，进入调度周期（本文介绍内容）（流程2-3）
kube-scheduler将pod与得分最高的节点进行binding操作（流程4）
kube-apiserver将binding信息写入etcd
kubelet监听分配给自己的Pod，调用CRI接口进行Pod创建（该部分内容后续出系列，进行介绍）
kubelet创建Pod后，更新Pod状态等信息，并向kube-apiserver上报
kube-apiserver写入数据

二、框架背景

Kubernetes 随着功能的增多，代码与逻辑也日益复杂。代码体量及复杂度的提升必然带来维护成本的增加，隐形的增加错误定位和修复的难度。旧版本的Kubernetes调度程序（1.16前）提供了webhooks进行扩展。但有以下缺陷：

用户可以扩展的点比较有限，位置比较固定，无法支持灵活的扩展与调配，例如只能在执行完默认的 Filter 策略后才能调用。
调用扩展接口使用 HTTP 请求，其受到网络影响，性能远低于本地的函数调用。同时每次调用都需要将 Pod 和 Node 的信息进行序列化与反序列化操作，会进一步降低性能。
Pod当前的相关信息，无法及时传递（利用调度Cache）。

为了解决上述问题，使调度系统代码精简、扩展性更好，社区从 Kubernetes 1.16 版本开始, 引入了一种新的调度框架- Scheduling Framework 。

Scheduling Framework 在原有调度流程的基础之上, 定义了丰富的扩展点接口，开发者可以通过实现扩展点所定义的接口来实现插件，将插件注册到扩展点。Scheduling Framework 在执行调度流程时，运行到相应的扩展点时，执行用户注册的插件，生成当前阶段的结果。通过这种方式来将用户的调度逻辑集成到 Scheduling Framework 中。Scheduling Framework明确了以下目标：

扩展性：调度更具扩展性
维护性：将调度器的一些特性移到插件中
功能性
- 框架提供扩展
- 提供一种机制来接收插件结果并根据接收到的结果继续或终止
- 提供一种机制处理错误与插件通信

三、框架原理

Framework 的调度流程是分为两个阶段：

调度阶段是同步执行的，同一个周期内只有一个 scheduling cycle，线程安全
绑定阶段(gouroutine)是异步执行的，同一个周期内可能会有多个 binding cycle在运行，线程不安全

在介绍Framework 的调度流程之前，先介绍上图的调度流程，即schedulerOne的处理逻辑：

a. 调度阶段

1. **过滤**操作即findNodesThatFitPod函数
 - 执行PreFilterPlugins
 - 执行FilterPlugins
 - 执行扩展 Filter
 - 若出现FitError，执行PostFilter
2. **评分**操作即prioritizeNodes函数
 	- 执行PreScorePlugins
 	- 执行ScorePlugins
 	- 执行扩展Prioritize
3. 挑选节点即select函数（符合条件节点，按照评分排序及采样选择）
4. 节点预分配即assume（只是预先分配，可收回）
5. 相关调度数据缓存即RunReservePlugins，从该节点开始，后续阶段发生错误，需要调用UnReserve，进行回滚（类似事务）
6.  执行准入操作即RunPermitPlugins

b. 绑定阶段

1. 执行WaitOnPermit，失败时调用RunReservePluginsUnreserve
2. 执行预绑定即RunPreBindPlugins，失败时调用RunReservePluginsUnreserve
3. 执行扩展bingding即extendersBinding，失败时调用RunReservePluginsUnreserve
4. 执行绑定收尾工作即RunPostBindPlugins

扩展点介绍

上述涉及到的各类Plugins（图中紫色部分），针对下图，各位应该看了很多篇了，需要注意的是Unreserve的时机，各插件功能说明如下：

pkg/scheduler/framework/interface.go

扩展点	用途说明
QueueSort	用来支持自定义 Pod 的排序。如果指定 QueueSort 的排序算法，在调度队列里面就会按照指定的排序算法来进行排序，只能enable一个
Prefilter	对 Pod 信息的预处理，比如 Pod 的缓存等
Filter	对应旧式的Predicate ，过滤不满足要求的节点
PostFilter	用于处理当 Pod 在 Filter 阶段失败后的操作，例如抢占等行为
PreScore	用于在 Score 之前进行一些信息生成，也可以在此处生成一些日志或者监控信息
Score	对应旧式的Priority，根据扩展点定义的评分策略挑选出最优的节点(打分与归一化处理)
Reserver	调度阶段的最后一个插件, 防止调度成功后资源的竞争, 确保集群的资源信息的准确性
Permit	主要提供了Pod绑定的拦截功能，根据条件对pod进行allow、reject或者wait。
PreBind	在真正 bind node 之前，执行一些操作
Bind	一个 Pod 只会被一个 BindPlugin 处理，创建Bind对象
PostBind	bind 成功之后执行的逻辑
Unreserve	在 Permit 到 Bind 这几个阶段只要报错就回滚数据至初始状态，类似事务。

四、使用场景

下述为一些关于如何使用调度框架来解决常见调度场景的示例。

联合调度

类似kube-batch，允许调度以一定数量的Pod为整体的任务。其能够将一个训练任务的多个worker当做一个整体进行调度，只有当任务所有worker的资源都满足，才会将容器在节点上启动。
集群资源的动态绑定

Volume topology-aware调度可以通过filter和prebind方式实现。
调度拓展

该框架允许自定义插件，以main函数封装scheduler方式运行。

关于框架部分，该文就介绍到此处，接下里将进入源码阶段，后续内容为调度配置及第三方调度集成的相关内容，敬请关注。

后续相关内容，请查看公众号：DCOS

五、参考资料

1. https://kubernetes.io/docs/concepts/scheduling-eviction/kube-scheduler/
2. https://kubernetes.io/docs/concepts/scheduling-eviction/scheduling-framework/
3. https://github.com/kubernetes/enhancements/blob/master/keps/sig-scheduling/624-scheduling-framework/README.md