知识卡片
调度缓存双循环
调度问题在几个、十几个节点的小集群里怎么实现都不难,但在数千节点的 大规模集群里就完全不同:各节点资源状态实时变动,如果每次调度都要发起 数千次远程调用去问各节点”你现在还有多少资源”,调度器本身会先成为 性能瓶颈,而且等信息传回来时状态很可能又变了,调度结果不准确。Google 在Omega论文里总结的解法是”共享状态的双循环调度机制”,后来被Kubernetes 继承。第一个循环叫Informer Loop:一组Informer持续监视etcd中Pod、Node 等资源的变化,一旦有变动就触发对应Handler,更新调度队列(Priority Queue)和调度缓存(Scheduler Cache)——新Pod生成就入队,必要时触发 [[优先级与抢占]]里的抢占;节点 加入或资源变动就同步进调度缓存。第二个循环叫Scheduler Loop:不停地从 调度队列里取出Pod,用Predicate算法(一组节点过滤器)筛选节点——注意 Predicate算法用的数据全部来自调度缓存,绝不会去远程访问节点本身,整个 Scheduler Loop除了最后异步写一次etcd做绑定,其余都是进程内访问。调度 缓存正是两个循环共享的状态(Shared State)——这个设计避免了每次调度 都主动轮询全部节点,是调度器执行效率的关键保证。但共享状态终究会有 同步延迟,所以调度结果出来后、kubelet真正创建Pod前,还要在目标节点上 重新跑一次Predicate算法做Admit二次确认,弥补”调度缓存已经过时”这个 残余风险。
结构图:
flowchart LR
A[etcd资源变化] -->|Informer监视| B[Informer Loop]
B -->|更新| C[调度队列 Priority Queue]
B -->|更新| D[调度缓存 Scheduler Cache]
D -.共享状态, 无远程调用.-> E[Scheduler Loop]
C --> E
E -->|Predicate筛选+Priorities评分, 全用缓存数据| F[选定目标节点]
F -->|异步写etcd做绑定| G[kubelet检测到变化]
G -->|Admit二次确认Predicate| H[真正创建Pod]
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 资源与调度 · 查看原书依据
“状态共享的双循环”中的第一个控制循环可被称为“Informer Loop”,它是一系列Informer[2]的集合,这些Informer持续监视etcd中与调度相关资源(主要是Pod和Node)的变化情况,一旦Po