在 Kubernetes 叢集中，Kube-Scheduler 扮演著至關重要的角色，其主要職責是將 Pod 正確地分配到叢集中的節點上。

在上一篇文章中，我們簡要介紹了 Kube-Scheduler 的基本功能和運作原理。

今天，我們將深入探討 Kube-Scheduler

• Filtering
• Scoring
• 調度策略

Kube-Scheduler 的調度過程

Kube-Scheduler 的調度過程可以分為以下三個主要階段：

1. Filtering
2. Scoring
3. Selection

1. Filtering

第一步是過濾階段，目的是從所有節點中選擇出符合 Pod 要求的候選節點。

主要過濾條件包括：

• 資源需求
  Pod 需要的資源（如 CPU、內存）必須小於或等於節點的可用資源。Kube-Scheduler 會檢查每個節點的資源使用狀況，以確保 Pod 能夠在節點上順利運行。

• 親和性和反親和性
  根據 Pod 的親和性（Affinity）和反親和性（Anti-Affinity）要求，Kube-Scheduler 會篩選出符合要求的節點。例如，如果 Pod 要求與某些特定的 Pod 在同一節點上運行，Scheduler 會選擇滿足這一要求的節點。

• 污點和容忍度
  節點上的污點（Taints）會影響 Pod 的調度。Kube-Scheduler 會檢查 Pod 的容忍度（Tolerations），確保它能夠接受節點上的污點，從而避免不適合的節點。

• 其他條件
  包括節點的標籤（Labels）、Pod 的優先級（Priority）、節點的健康狀況等，Kube-Scheduler 會綜合考慮這些條件來過濾節點。

2. Scoring

在過濾階段完成後，Kube-Scheduler 會進入評分階段，對於每個符合條件的節點，Kube-Scheduler 會根據一定的評分策略為其分配分數。

主要的評分因素包括：

• 資源利用率
  Kube-Scheduler 會根據節點的資源利用率（如 CPU 和內存的使用情況）來評分。節點的資源利用率越低，其評分可能越高，以確保 Pod 能夠得到充分的資源。

• 親和性和反親和性
  根據 Pod 的親和性和反親和性策略，Kube-Scheduler 會為符合要求的節點評分。例如，Pod 與指定節點的親和性越強，該節點的得分可能越高。

• 自定義評分策略
  用戶可以根據具體需求設置自定義的評分策略。這些策略可以基於特定的業務需求或環境條件進行調整，以實現更靈活的調度。

3. Selection

在完成評分後，Kube-Scheduler 會根據評分結果選擇得分最高的節點來調度 Pod，確保 Pod 能夠在最佳的節點上運行，以實現資源的最佳利用和應用程式的最佳性能。

高級調度策略

除了基本的過濾和評分，Kube-Scheduler 還支援一些高級的調度策略，以應對更複雜的調度需求：

• 延遲調度（Delay Scheduling）
  延遲調度策略允許 Pod 在特定條件下等待一定時間再進行調度。這可以幫助調整叢集中的資源使用，避免瞬間的資源短缺。

• 預留資源（Resource Reservation）
  某些應用程式需要保證一定量的資源。Kube-Scheduler 支援預留資源策略，以確保關鍵應用程式可以獲得所需的資源。

• 調度擴展（Scheduling Extensions）
  Kube-Scheduler 支援插件機制，允許用戶根據實際需求擴展調度功能。例如，通過自定義調度插件，可以實現更靈活的調度策略。