Scheduler中在进行node选举的时候会首先进行一轮预选流程，即从当前集群中选择一批node节点，本文主要分析k8s在预选流程上一些优秀的筛选设计思想，欢迎大佬们指正

1. 基础设计

1.1 预选场景

预选顾名思义就是从当前集群中的所有的node中，选择出满足当前pod资源和亲和性等需求的node节点，如何在集群中快速选择这样的节点，是个复杂的问题

1.2 平均分布

平均分布主要是通过让一个分配索引来进行即只有当所有的node都在本轮分配周期内分配一次后，才开始从头进行分配，从而保证集群的平均分布

1.3 预选中断

预选终端即在预选的过程中如果发现node已经不能满足当前pod资源需求的时候，就进行中断预选流程，尝试下一个节点

1.4 并行筛选

在当前k8s版本中，默认会启动16个goroutine来进行并行的预选，从而提高性能,从而提高预选的性能

1.5 局部最优解

预选流程需要从当前集群中选择一台符合要求的node随着集群规模的增长，如果每次遍历所有集群node则会必然导致性能的下降，于是通过局部最优解的方式，缩小筛选节点的数量

2. 源码分析

预选的核心流程是通过findNodesThatFit来完成，其返回预选结果供优选流程使用

2.1 取样逻辑

取样是通过当前集群中的node数量和默认的最小值来决定本次预选阶段需要获取的node节点数量

		// 获取所有的节点数量，并通过计算百分比，获取本次选举选择的节点数量

		allNodes := int32(g.cache.NodeTree().NumNodes())

		// 确定要查找node数量

		numNodesToFind := g.numFeasibleNodesToFind(allNodes)

2.2 取样算法

取样算法很简单从集群中获取指定百分比的节点默认是50%，如果50%的节点数量小于minFeasibleNodesToFind则按照minFeasibleNodesToFind(最小取样节点数量)来取样，

func (g *genericScheduler) numFeasibleNodesToFind(numAllNodes int32) (numNodes int32) {

	// 如果当前节点数量小于minFeasibleNodesToFind即小于100台node

    // 同理百分比如果大于100就是全量取样

    // 这两种情况都直接遍历整个集群中所有节点

    if numAllNodes < minFeasibleNodesToFind || g.percentageOfNodesToScore >= 100 {

		return numAllNodes

	}

	adaptivePercentage := g.percentageOfNodesToScore

	if adaptivePercentage <= 0 {

		adaptivePercentage = schedulerapi.DefaultPercentageOfNodesToScore - numAllNodes/125

		if adaptivePercentage < minFeasibleNodesPercentageToFind {

			adaptivePercentage = minFeasibleNodesPercentageToFind

		}

	}

    // 正常取样计算：比如numAllNodes为5000，而adaptivePercentage为50%

    // 则numNodes=50000*0.5/100=250

	numNodes = numAllNodes * adaptivePercentage / 100

	if numNodes < minFeasibleNodesToFind { // 如果小于最少取样则按照最少取样进行取样

		return minFeasibleNodesToFind

	}

	return numNodes

}

2.3 取样元数据准备

通过filtered来进行预选结果的存储，通过filteredLen来进行原子保护协作多个取样goroutine, 并通过predicateMetaProducer和当前的snapshot来进行元数据构建

		filtered = make([]*v1.Node, numNodesToFind)

		errs := errors.MessageCountMap{}

		var (

			predicateResultLock sync.Mutex

			filteredLen         int32

		)

		ctx, cancel := context.WithCancel(context.Background())

		// We can use the same metadata producer for all nodes.

		meta := g.predicateMetaProducer(pod, g.nodeInfoSnapshot.NodeInfoMap)

2.4 通过channel协作并行取样

并行取样主要通过调用下面的函数来启动16个goroutine来进行并行取样，并通过ctx来协调退出

workqueue.ParallelizeUntil(ctx, 16, int(allNodes), checkNode)

通过channel来构建取样索引的管道，每个worker会负责从channel获取的指定索引取样node的填充

func ParallelizeUntil(ctx context.Context, workers, pieces int, doWorkPiece DoWorkPieceFunc) {

	var stop <-chan struct{}

	if ctx != nil {

		stop = ctx.Done()

	}

    // 生成指定数量索引，worker通过索引来进行预选成功节点的存储

	toProcess := make(chan int, pieces)

	for i := 0; i < pieces; i++ {

		toProcess <- i

	}

	close(toProcess)

	if pieces < workers {

		workers = pieces

	}

	wg := sync.WaitGroup{}

	wg.Add(workers)

	for i := 0; i < workers; i++ {

        // 启动多个goroutine

		go func() {

			defer utilruntime.HandleCrash()

			defer wg.Done()

			for piece := range toProcess {

				select {

				case <-stop:

					return

				default:

                    //获取索引，后续会通过该索引来进行结果的存储

					doWorkPiece(piece)

				}

			}

		}()

	}

    // 等待退出

	wg.Wait()

}

2.5 取样并行函数

		checkNode := func(i int) {

			// 获取一个节点

			nodeName := g.cache.NodeTree().Next()

            // 取样核心流程是通过podFitsOnNode来确定

			fits, failedPredicates, status, err := g.podFitsOnNode(

				pluginContext,

				pod,

				meta,

				g.nodeInfoSnapshot.NodeInfoMap[nodeName],

				g.predicates, // 传递预选算法

				g.schedulingQueue,

				g.alwaysCheckAllPredicates,

			)

			if err != nil {

				predicateResultLock.Lock()

				errs[err.Error()]++

				predicateResultLock.Unlock()

				return

			}

			if fits {

				// 如果当前以及查找到的数量大于预选的数量，就退出

				length := atomic.AddInt32(&filteredLen, 1)

				if length > numNodesToFind {

					cancel()

					atomic.AddInt32(&filteredLen, -1)

				} else {

					filtered[length-1] = g.nodeInfoSnapshot.NodeInfoMap[nodeName].Node()

				}

			} else {

                // 进行错误状态的保存

				predicateResultLock.Lock()

				if !status.IsSuccess() {

					filteredNodesStatuses[nodeName] = status

				}

				if len(failedPredicates) != 0 {

					failedPredicateMap[nodeName] = failedPredicates

				}

				predicateResultLock.Unlock()

			}

		}

2.6 面向未来的筛选

在kubernetes中经过调度器调度后的pod结果会放入到SchedulingQueue中进行暂存，这些pod未来可能会经过后续调度流程运行在提议的node上，也可能因为某些原因导致最终没有运行，而预选流程为了减少后续因为调度冲突(比如pod之间的亲和性等问题，并且当前pod不能抢占这些pod)，则会在进行预选的时候，将这部分pod考虑进去

如果在这些pod存在的情况下，node可以满足当前pod的筛选条件，则可以去除被提议的pod再进行筛选(如果这些提议的pod最终没有调度到node,则当前node也需要满足各种亲和性的需求)

2.6 取样核心设计

结合上面说的面向未来的筛选，通过两轮筛选在无论那些优先级高的pod是否被调度到当前node上，都可以满足pod的调度需求，在调度的流程中只需要获取之前注册的调度算法，完成预选检测，如果发现有条件不通过则不会进行第二轮筛选，继续选择下一个节点

func (g *genericScheduler) podFitsOnNode(

	pluginContext *framework.PluginContext,

	pod *v1.Pod,

	meta predicates.PredicateMetadata,

	info *schedulernodeinfo.NodeInfo,

	predicateFuncs map[string]predicates.FitPredicate,

	queue internalqueue.SchedulingQueue,

	alwaysCheckAllPredicates bool,

) (bool, []predicates.PredicateFailureReason, *framework.Status, error) {

	var failedPredicates []predicates.PredicateFailureReason

	var status *framework.Status

    // podsAdded主要用于标识当前是否有提议的pod如果没有提议的pod则就不需要再进行一轮筛选了

	podsAdded := false

	for i := 0; i < 2; i++ {

		metaToUse := meta

		nodeInfoToUse := info

		if i == 0 {

			// 首先获取那些提议的pod进行第一轮筛选, 如果第一轮筛选出错，则不会进行第二轮筛选

			podsAdded, metaToUse, nodeInfoToUse = addNominatedPods(pod, meta, info, queue)

		} else if !podsAdded || len(failedPredicates) != 0 {

            // 如果

			break

		}

		for _, predicateKey := range predicates.Ordering() {

			var (

				fit     bool

				reasons []predicates.PredicateFailureReason

				err     error

			)

			//TODO (yastij) : compute average predicate restrictiveness to export it as Prometheus metric

			if predicate, exist := predicateFuncs[predicateKey]; exist {

				// 预选算法计算

				fit, reasons, err = predicate(pod, metaToUse, nodeInfoToUse)

				if err != nil {

					return false, []predicates.PredicateFailureReason{}, nil, err

				}

				if !fit {

					// eCache is available and valid, and predicates result is unfit, record the fail reasons

					failedPredicates = append(failedPredicates, reasons...)

					// if alwaysCheckAllPredicates is false, short circuit all predicates when one predicate fails.

					if !alwaysCheckAllPredicates {

						klog.V(5).Infoln("since alwaysCheckAllPredicates has not been set, the predicate " +

							"evaluation is short circuited and there are chances " +

							"of other predicates failing as well.")

						break

					}

				}

			}

		}

		status = g.framework.RunFilterPlugins(pluginContext, pod, info.Node().Name)

		if !status.IsSuccess() && !status.IsUnschedulable() {

			return false, failedPredicates, status, status.AsError()

		}

	}

	return len(failedPredicates) == 0 && status.IsSuccess(), failedPredicates, status, nil

}

微信号：baxiaoshi2020

关注公告号阅读更多源码分析文章

更多文章关注 www.sreguide.com

本文由博客一文多发平台 OpenWrite 发布

巴特西

图解kubernetes调度器预选设计实现学习