网站的注册上一步下一步怎么做,西昌市做网站的公司,h5混搭php建设网站,果洛wap网站建设多少钱文章目录 0. 引言1. 回顾2. PrioritizeNodes3. 有哪些优选算法4. selectHost5. 总结6. 参考 0. 引言 欢迎关注本专栏#xff0c;本专栏主要从 K8s 源码出发#xff0c;深入理解 K8s 一些组件底层的代码逻辑#xff0c;同时借助 debug Minikube 来进一步了解 K8s 底层的代码… 文章目录 0. 引言1. 回顾2. PrioritizeNodes3. 有哪些优选算法4. selectHost5. 总结6. 参考 0. 引言 欢迎关注本专栏本专栏主要从 K8s 源码出发深入理解 K8s 一些组件底层的代码逻辑同时借助 debug Minikube 来进一步了解 K8s 底层的代码运行逻辑细节帮助我们更好了解不为人知的运行机制让自己学会如何调试源码玩转 K8s。 本专栏适合于运维、开发以及希望精进 K8s 细节的同学。同时本人水平有限尽量将本人理解的内容最大程度的展现给大家 前情提要 《K8s 源码剖析及debug实战一Minikube 安装及源码准备》 《K8s 源码剖析及debug实战二debug K8s 源码》 《K8s 源码剖析及debug实战之 Kube-Scheduler一启动流程详解》 《K8s 源码剖析及debug实战之 Kube-Scheduler二终于找到了调度算法的代码入口》 《K8s 源码剖析及debug实战之 Kube-Scheduler三debug 到预选算法门口了》 《K8s 源码剖析及debug实战之 Kube-Scheduler四预选算法详解》 文中采用的 K8s 版本是 v1.16。上篇介绍了预选算法的主要逻辑本文继续介绍 K8s 的 Kube-Scheduler 源码的优选算法的具体逻辑。 1. 回顾 还记得这张图吗目前我们在看「执行调度算法」这里并且这里的预选算法的主要逻辑已经讲解完了。 再来看下调度的大体流程重点关注的只剩下一个 PrioritizeNodes 方法了 func (g *genericScheduler) Schedule(pod *v1.Pod, pluginContext *framework.PluginContext) (result ScheduleResult, err error) {// 1. 检查pvc是否存在不是很重要if err : podPassesBasicChecks(pod, g.pvcLister); // 2. 运行预过滤插件一般不需要关注preFilterStatus : g.framework.RunPreFilterPlugins(pluginContext, pod)// 3. 更新node的信息以最新的node缓存信息作为后续过滤、计算优先级的基础if err : g.snapshot(); err ! nil {return result, err}// 4. 重要关键方法调度预选predicate过滤不符合的nodefilteredNodes, failedPredicateMap, filteredNodesStatuses, err : g.findNodesThatFit(pluginContext, pod)// 5. 运行后置过滤插件一般不需要关注postfilterStatus : g.framework.RunPostFilterPlugins(pluginContext, pod, filteredNodes, filteredNodesStatuses)// 6. 没找到一个符合要求的node报错if len(filteredNodes) 0 {}// 7. 只找到一个符合要求的node直接返回if len(filteredNodes) 1 {}// 8. 重要上面如果找到多个node那需要按照priority策略筛选priorityList, err : PrioritizeNodes(pod, g.nodeInfoSnapshot.NodeInfoMap, metaPrioritiesInterface, g.prioritizers, filteredNodes, g.extenders, g.framework, pluginContext)// 9. 好了最终选一个node吧host, err : g.selectHost(priorityList) }注意这里在 debug 代码的时候需要把上面的代码第7点 if len(filteredNodes) 1 {} 注释掉因为 Minikube 目前只创建了一个 node在这里就返回了。如果需要 debug PrioritizeNodes 这个方法需要注释第7点。 2. PrioritizeNodes 老规矩我把这个方法的主要逻辑提炼一下方便看清楚全貌 func PrioritizeNodes(pod *v1.Pod, nodeNameToInfo map[string]*schedulernodeinfo.NodeInfo, meta interface{}, priorityConfigs []priorities.PriorityConfig, nodes []*v1.Node, extenders []algorithm.SchedulerExtender, framework framework.Framework, pluginContext *framework.PluginContext (schedulerapi.HostPriorityList, error) {// 用了 Map-Reduce 模式简单来说是分布式计算的分离归约思想先并行计算然后再聚集产生最终结果// 1. 定义了优先级打分的func直接执行for i : range priorityConfigs {if priorityConfigs[i].Function ! nil {...}}// 2. 并行执行 Map 方法计算打分workqueue.ParallelizeUntil(context.TODO(), 16, len(nodes), func(index int) {for i : range priorityConfigs {// 注意只有没有定义func的才用 Map-Reduce 模式if priorityConfigs[i].Function ! nil {continue}results[i][index], err priorityConfigs[i].Map(pod, meta, nodeInfo)...}})// 3. 执行 Reduce 方法聚合、归一化结果for i : range priorityConfigs {go func(index int) {if err : priorityConfigs[index].Reduce(pod, meta, nodeNameToInfo, results[index]); err ! nil {}...}(i)}// 4. 一般不需要关注。执行额外的打分插件默认的K8s没有除非自己定义scoresMap, scoreStatus : framework.RunScorePlugins(pluginContext, pod, nodes)// 5. 按照func的权重计算结果for i : range nodes {for j : range priorityConfigs {result[i].Score results[j][i].Score * priorityConfigs[j].Weight}...}// 6. 一般不需要关注。这是扩展点允许用户通过自定义逻辑来增强或替代默认调度器功能。它主要用于满足那些需要更复杂、定制化调度策略的场景。if len(extenders) ! 0 nodes ! nil {...}return result, nil }从上面的第5步可以看到打分关注两个地方一个是 priority-func 计算出来的 score一个是 priority-func 本身的 weight其中 results 是一个二维表格如下 打分函数Node0Node1Node2…Priority-Func0s(0,0)s(0,1)s(0,2)…Priority-Func1s(1,0)s(1,1)s(1,2)………………Priority-Funcns(n,0)s(n,1)s(n,2)… 其中 s(x,y) 表示第 x 个 Priority-Func 给 第 y 个 Node 打分的结果。 因此对于一个 Node他的最终得分就是所有的 Priority-Func 得分 * weight 之和的结果。例如假设Priority-Funci 的 权重是 Wi上表中 Node1 最终的得分如下 finalNode1 s(0,1)*W0 s(1,1)*W1 ... s(n,1)*Wn下面展示一下中间的 debug 的过程 results 值 最终得分 3. 有哪些优选算法 在pkg/scheduler/algorithm/priorities 目录下有优选算法的实现当然看 pkg/scheduler/algorithm/priorities/priorities.go 有全部的定义 LeastRequestedPriority最低请求优先级。根据 CPU 和内存的使用率来决定优先级使用率越低优先级越高也就是说优先调度到资源利用率低的节点这个优先级函数能起到把负载尽量平均分到集群的节点上。默认权重为1 BalancedResourceAllocation资源平衡分配。这个优先级函数会把 pod 分配到 CPU 和 memory 利用率差不多的节点计算的时候会考虑当前 pod 一旦分配到节点的情况。默认权重为 1 SelectorSpreadPriority尽量把同一个 service、replication controller、replicaSet 的 pod 分配到不同的节点这些资源都是通过 selector 来选择 pod 的。默认权重为 1 CalculateAntiAffinityPriority尽量把同一个 service 下面 label 相同的 pod 分配到不同的节点 ImageLocalityPriority根据镜像是否已经存在的节点上来决定优先级节点上存在要使用的镜像而且镜像越大优先级越高。这个函数会尽量把 pod 分配到下载镜像花销最少的节点 NodeAffinityPriorityNodeAffinity默认权重为 1 InterPodAffinityPriority根据 pod 之间的亲和性决定 node 的优先级默认权重为 1 NodePreferAvoidPodsPriority默认权重是 10000把这个权重设置的那么大就以为这一旦该函数的结果不为 0就由它决定排序结果 TaintTolerationPriority默认权重是 1 4. selectHost PrioritizeNodes 优选方法执行完成之后会返回 node列表在 selectHost 方法需要选择一个最终的节点作为调度的结果。这里的方法非常简单 func (g *genericScheduler) selectHost(priorityList schedulerapi.HostPriorityList) (string, error) {if len(priorityList) 0 {return , fmt.Errorf(empty priorityList)}maxScore : priorityList[0].Scoreselected : priorityList[0].HostcntOfMaxScore : 1for _, hp : range priorityList[1:] {if hp.Score maxScore {maxScore hp.Scoreselected hp.HostcntOfMaxScore 1} else if hp.Score maxScore {cntOfMaxScoreif rand.Intn(cntOfMaxScore) 0 {// Replace the candidate with probability of 1/cntOfMaxScoreselected hp.Host}}}return selected, nil }简单看一下就明白选择 score 最大的如果存在多个 score 一样都是最大则随机选一个作为 host 节点 5. 总结 到目前为止预选和优选的流程就讲解完了我把到目前为止的整体调度流程大致展示下 后续把调度计算后的其他流程讲解下 6. 参考 《K8s 源码剖析及debug实战一Minikube 安装及源码准备》 《K8s 源码剖析及debug实战二debug K8s 源码》 《K8s 源码剖析及debug实战之 Kube-Scheduler一启动流程详解》 《K8s 源码剖析及debug实战之 Kube-Scheduler二终于找到了调度算法的代码入口》 《K8s 源码剖析及debug实战之 Kube-Scheduler三debug 到预选算法门口了》 《K8s 源码剖析及debug实战之 Kube-Scheduler四预选算法详解》 欢迎关注本人我是喜欢搞事的程序猿 一起进步一起学习 也欢迎关注我的wx公众号一个比特定乾坤