Crane 调度器介绍——一款在 Kubernetes 集群间迁移应用的调度插件

点击查看目录

前言

原生 Kubernetes 调度器仅基于资源的 Request 进行调度,在生产环境资源的真实使用率和申请率往往相差巨大,造成资源浪费的同时也会造成节点的负载不均衡。crane-sheduler 基于 prometheus 集群真实资源负载进行调度,将其应用于调度过程中的 Filter 和 Score 阶段,能够有效缓解集群资源负载不均的问题,真正实现企业的降本增效。

背景

Kubernetes 集群是现代许多企业的首选方案之一,因为它可以帮助企业实现自动化部署、弹性伸缩和容错处理等功能,从而减少了人工操作和维护工作量,提高了服务的可靠性和稳定性,实现了降本增效。但是 Kubernetes 默认的调度器存在以下问题:

  1. 节点的实际利用率和节点申请率往往相差巨大,造成资源的浪费;
  2. 节点间资源分布不均,会带来负载不均的问题。

crane-scheduler 由腾讯云团队开发,在一定程度上能够解决上述问题,直接基于资源的真实使用率进行调度,能够最大程度地利用资源,并排除了稳定性的后顾之忧,经过了长时间的实践和验证,可以很好地适应不同的场景和需求。开源后,crane-scheduler 受到了业界的广泛关注和支持,为 Kubernetes 社区的发展做出了贡献。(GitHub 链接地址:https://github.com/gocrane/crane-scheduler

Kubernetes 调度框架

Kubernetes 官方提供了可插拔架构的调度框架,能够进一步扩展 Kubernetes 调度器,下图展示了调度框架中的调度上下文及其中的扩展点,一个扩展可以注册多个扩展点,以便可以执行更复杂的有状态的任务。

图 1 Pod 调度流程
图 1 Pod 调度流程

详细流程如下:

  1. Sort - 用于对 Pod 的待调度队列进行排序,以决定先调度哪个 Pod
  2. Pre-filter - 用于对 Pod 的信息进行预处理
  3. Filter - 用于排除那些不能运行该 Pod 的节点
  4. Post-filter - 一个通知类型的扩展点,更新内部状态,或者产生日志
  5. Scoring - 用于为所有可选节点进行打分
  6. Normalize scoring - 在调度器对节点进行最终排序之前修改每个节点的评分结果
  7. Reserve - 使用该扩展点获得节点上为 Pod 预留的资源,该事件发生在调度器将 Pod 绑定到节点前
  8. Permit - 用于阻止或者延迟 Pod 与节点的绑定
  9. Pre-bind - 用于在 Pod 绑定之前执行某些逻辑
  10. Bind - 用于将 Pod 绑定到节点上
  11. Post-bind - 是一个通知性质的扩展
  12. Unreserve - 如果为 Pod 预留资源,又在被绑定过程中被拒绝绑定,则将被调用

对于调度框架插件的启用或者禁用,我们同样可以使用上面的 KubeSchedulerConfiguration 资源对象来进行配置。下面的例子中的配置启用了一个实现了 filterscoring 扩展点的插件,并且禁用了另外一个插件,同时为插件 foo 提供了一些配置信息:

apiVersion: kubescheduler.config.k8s.io/v1alpha1
kind: KubeSchedulerConfiguration
...
plugins:
  filter:
    enabled:
    - name: foo
    - name: bar
    disabled:
    - name: baz
  scoring:
    enabled:
    - name: foo
    disabled:
    - name: baz

pluginConfig:
- name: foo
  args: >
    foo插件可以解析的任意内容    

扩展的调用顺序如下:

  • 如果某个扩展点没有配置对应的扩展,调度框架将使用默认插件中的扩展
  • 如果为某个扩展点配置且激活了扩展,则调度框架将先调用默认插件的扩展,再调用配置中的扩展
  • 默认插件的扩展始终被最先调用,然后按照 KubeSchedulerConfiguration 中扩展的激活 enabled 顺序逐个调用扩展点的扩展
  • 可以先禁用默认插件的扩展,然后在 enabled 列表中的某个位置激活默认插件的扩展,这种做法可以改变默认插件的扩展被调用时的顺序

Kubernetes 调度插件 demo:https://github.com/cnych/sample-scheduler-framework

crane-scheduler 设计与实现

总体架构

图 2 Crane-scheduler 总体架构
图 2 Crane-scheduler 总体架构

动态调度器总体架构如上图所示,主要有两个组件组成:

  1. Node-annotator定期从 Prometheus 拉取数据,并以注释的形式在节点上用时间戳标记它们。
  2. Dynamic plugin直接从节点的注释中读取负载数据,过滤并基于简单的算法对候选节点进行评分。

同时动态调度器提供了一个默认值调度策略并支持用户自定义策略。默认策略依赖于以下指标:

cpu_usage_avg_5m
cpu_usage_max_avg_1h
cpu_usage_max_avg_1d
mem_usage_avg_5m
mem_usage_max_avg_1h
mem_usage_max_avg_1d

在调度的Filter阶段,如果该节点的实际使用率大于上述任一指标的阈值,则该节点将被过滤。而在Score阶段,最终得分是这些指标值的加权和。

在生产集群中,可能会频繁出现调度热点,因为创建 Pod 后节点的负载不能立即增加。因此定义了一个额外的指标,名为Hot Value,表示节点最近几次的调度频率。并且节点的最终优先级是最终得分减去Hot Value

关键代码实现

Node-annotation

定期从 Prometheus 拉取数据,并以注释的形式在节点上用时间戳标记它们

// /pkg/controller/annotator/node.go
func (n *nodeController) syncNode(key string) (bool, error) {
	startTime := time.Now()
	defer func() {
		klog.Infof("Finished syncing node event %q (%v)", key, time.Since(startTime))
	}()

	// 获取 nodeName, metricName
	nodeName, metricName, err := splitMetaKeyWithMetricName(key)

	// 通过 nodeName 获取 node 的具体信息
	node, err := n.nodeLister.Get(nodeName)

	// 通过 nodeIP 或者 nodeName 获取并更新 node 的监控指标
	err = annotateNodeLoad(n.promClient, n.kubeClient, node, metricName)

	// 获取 node hotVaule,并更新
	err = annotateNodeHotValue(n.kubeClient, n.bindingRecords, node, n.policy)

	return true, nil
}

func annotateNodeLoad(promClient prom.PromClient, kubeClient clientset.Interface, node *v1.Node, key string) error {
	// 通过 nodeIp 查询
	value, err := promClient.QueryByNodeIP(key, getNodeInternalIP(node))
	if err == nil && len(value) > 0 {
		return patchNodeAnnotation(kubeClient, node, key, value)
	}

	// 通过 nodeName 查询
	value, err = promClient.QueryByNodeName(key, getNodeName(node))
	if err == nil && len(value) > 0 {
		return patchNodeAnnotation(kubeClient, node, key, value)
	}
	return fmt.Errorf("failed to get data %s{%s=%s}: %v", key, node.Name, value, err)
}

Dynamic plugin

Dynamic plugin 修改 filter 和 score 阶段

// /pkg/plugins/dynamic/plugins.go
// Filter - 检查一个节点的实际负载是否过高
func (ds *DynamicScheduler) Filter(ctx context.Context, state *framework.CycleState, pod *v1.Pod, nodeInfo *framework.NodeInfo) *framework.Status {
    node := nodeInfo.Node()
	// 读取 nodeAnnotation, nodeName
	nodeAnnotations, nodeName := nodeInfo.Node().Annotations, nodeInfo.Node().Name

	// filter - 过滤
	for _, policy := range ds.schedulerPolicy.Spec.Predicate {
		// 获取采样时间
		activeDuration, err := getActiveDuration(ds.schedulerPolicy.Spec.SyncPeriod, policy.Name)

		// 根据指标,判断 node 是否过载
		if isOverLoad(nodeName, nodeAnnotations, policy, activeDuration) {
			return framework.NewStatus(framework.Unschedulable, fmt.Sprintf("Load[%s] of node[%s] is too high", policy.Name, nodeName))
		}
	}
	return framework.NewStatus(framework.Success, "")
}

// Score - 它从节点注释中获取度量数据,并支持实际资源使用最少的节点
func (ds *DynamicScheduler) Score(ctx context.Context, state *framework.CycleState, p *v1.Pod, nodeName string) (int64, *framework.Status) {
	// 通过 nodeName,获取 node 具体信息
	nodeInfo, err := ds.handle.SnapshotSharedLister().NodeInfos().Get(nodeName)
	node := nodeInfo.Node()
	nodeAnnotations := node.Annotations

	// 计算得分和 hotValue
	score, hotValue := getNodeScore(node.Name, nodeAnnotations, ds.schedulerPolicy.Spec), getNodeHotValue(node)
	score = score - int(hotValue*10)
	
    // 计算总得分 finalScore
	finalScore := utils.NormalizeScore(int64(score), framework.MaxNodeScore, framework.MinNodeScore)
	return finalScore, nil
}

使用流程

配置 prometheus 监测规则

  • syncPolicy: 用户可以自定义负载数据的类型与拉取周期;

  • predicate: Filter 策略,若候选节点的当前负载数据超过了任一所配置的指标阈值,则这个节点将会被过滤;

  • priority:在 Score 策略中配置相关指标的权重,候选节点的最终得分为不同指标得分的加权和;

  • hotValue:定义调度热点规则,最终节点的 Priority 为上一小节中的 Score 减去 Hot Value

apiVersion: scheduler.policy.crane.io/v1alpha1
kind: DynamicSchedulerPolicy
spec:
  syncPolicy:
    ##cpu usage
    - name: cpu_usage_avg_5m
      period: 3m
    - name: cpu_usage_max_avg_1h
      period: 15m
    - name: cpu_usage_max_avg_1d
      period: 3h
    ##memory usage
    - name: mem_usage_avg_5m
      period: 3m
    - name: mem_usage_max_avg_1h
      period: 15m
    - name: mem_usage_max_avg_1d
      period: 3h

  predicate:
    ##cpu usage
    - name: cpu_usage_avg_5m
      maxLimitPecent: 0.65
    - name: cpu_usage_max_avg_1h
      maxLimitPecent: 0.75
    ##memory usage
    - name: mem_usage_avg_5m
      maxLimitPecent: 0.65
    - name: mem_usage_max_avg_1h
      maxLimitPecent: 0.75

  priority:
    ##cpu usage
    - name: cpu_usage_avg_5m
      weight: 0.2
    - name: cpu_usage_max_avg_1h
      weight: 0.3
    - name: cpu_usage_max_avg_1d
      weight: 0.5
    ##memory usage
    - name: mem_usage_avg_5m
      weight: 0.2
    - name: mem_usage_max_avg_1h
      weight: 0.3
    - name: mem_usage_max_avg_1d
      weight: 0.5

  hotValue:
    - timeRange: 5m
      count: 5
    - timeRange: 1m
      count: 2

使用 crane-scheduler

这里有两种方式可供选择:

  1. 作为 k8s 原生调度器之外的第二个调度器

  2. 替代 k8s 原生调度器成为默认的调度器

  3. 作为 k8s 原生调度器之外的第二个调度器

    在 pod spec.schedulerName 指定 crane scheduler

    apiVersion: apps/v1
    kind: Deployment
    metadata:
      name: cpu-stress
    spec:
      selector:
        matchLabels:
          app: cpu-stress
      replicas: 1
      template:
        metadata:
          labels:
            app: cpu-stress
        spec:
          schedulerName: crane-scheduler
          hostNetwork: true
          tolerations:
          - key: node.kubernetes.io/network-unavailable
            operator: Exists
            effect: NoSchedule
          containers:
          - name: stress
            image: docker.io/gocrane/stress:latest
            command: ["stress", "-c", "1"]
            resources:
              requests:
                memory: "1Gi"
                cpu: "1"
              limits:
                memory: "1Gi"
                cpu: "1"
    
  4. 替代 k8s 原生调度器成为默认的调度器

    修改 kube 调度器的配置文件(scheduler config.yaml)以启用动态调度器插件并配置插件参数:

    apiVersion: kubescheduler.config.k8s.io/v1beta2
    kind: KubeSchedulerConfiguration
    ...
    profiles:
    - schedulerName: default-scheduler
      plugins:
        filter:
          enabled:
          - name: Dynamic
        score:
          enabled:
          - name: Dynamic
            weight: 3
      pluginConfig:
      - name: Dynamic
         args:
          policyConfigPath: /etc/kubernetes/policy.yaml
    ...
    

    /etc/kubernetes/policy.yaml 就是 4.3.1 中的 DynamicSchedulerPolicy 资源对象

    修改 kube-scheduler.yaml,并将 kube 调度器映像替换为 Crane schedule

    ...
     image: docker.io/gocrane/crane-scheduler:0.0.23
    ...
    

    安装 crane-scheduler-controller

    kubectl apply ./deploy/controller/rbac.yaml && kubectl apply -f ./deploy/controller/deployment.yaml
    

真实环境测试

crane-sheduler 会将监控指标数据写在 node annotation 上:

metadata:
  annotations: 
    cpu_usage_avg_5m: 0.15079
    cpu_usage_max_avg_ld: 0.16196
    cpuusage_max_avg_lh: 0.15790 
    mem_usage_avg_5m: 0.89633 
    mem_usage_max_avg_ld: 0.89753 
    mem_usage_max_avg_lh: 0.89797 
    node.alpha.kubernetes.io/ttl: '0° 
    node hot value: 0 

内存型服务测试

测试服务单副本实际占用 2C 20G,申请资源 5C 40G:

containers:
- name: stress
  image: stress-ng  # 压力测试镜像工具
  command: ["stress", "-c", "2", "--vm", "1", "--vm-bytes", "20G", "--vm-keep"] 
  resources: 
    requests: 
      memory: "40Gi" 
      cpu: "5" 
    limits: 
      memory: "80Gi" 
      cpu: "5" 

k8s 默认调度器结果(%)

默认调度器根据 资源申请值request 调度服务,且节点间分布不均衡

当副本数到达 12 个时,默认调度器出现了资源分配严重不均的情况,且一些服务被挤占,出现 CrashLoopBackOff 错误:

crone-system prometheus-prometheus-node-exporter-6rjvj           1/1 Running          1 6d18h 
crone-system prometheus-prometheus-node-exporter-g6gfm           0/1 CrashLoopBackOff 9 6d18h 
crane-system prometheus-prometheus-node-exporter-kqbhf           1/1 Running          0 6d18h 
crone-system prometheus-prometheus-pushgoteway-78d668c9bd-91xpz  0/1 CrashLoopBackOff 7 6d17h 
crone-system prometheus-server-6b84bbfc4f-25hpc                  0/2 CrashLoopBackOff 2 2m41s 

crane-schedule 调度器结果(%)

当启动 11 个服务的时候,node03 中的mem_usage_avg_5m指标过高,禁止调度:

Events: 
  Type     Reason              From             Message 
Warning    FailedScheduling    crane-scheduler  0/3 nodes are available:1 Load[mem_usage_avg_5m] of [node-03] is too high, 2 Insufficient memory           

CPU 型服务测试

测试服务单副本实际占用 8C 8G,申请资源 12C 12G

containers:
- name: stress
  image: stress-ng  # 压力测试镜像工具
  command: ["stress", "-c", "8", "--vm", "1", "--vm-bytes", "8G", "--vm-keep"] 
  resources: 
    requests: 
      memory: "12Gi" 
      cpu: "12" 
    limits: 
      memory: "12Gi" 
      cpu: "12" 

k8s 默认调度器结果(%)

当启动 9 个服务的时候,出现 Insufficient cpu 的情况:

Events: 
  Type     Reason              From               Message 
Warning    FailedScheduling    default-scheduler  0/3 nodes are available: 3 Insufficient memory                                

crane-schedule 调度器结果(%)

当启动 8 服务的时候,node03 中的mem_usage_avg_5m指标过高,禁止调度:

Events: 
  Type     Reason              From               Message 
Warning    FailedScheduling    crane-scheduler    0/3 nodes are available: 1 Load[mem_usage_avg_5m] of [node-03] is too high, 2 Insufficient cpu

总结

crane-scheduler 基于 prometheus 集群真实资源负载进行调度,经过在 linux 环境上的压力测试,与 k8s 默认的调度器相比,结果标明:

  1. crane-scheduler 应用于调度过程中的 Filter 和 Score 阶段,能够根据自定义指标实现资源的调度,在一定程度上缓解节点资源负载不均的问题;
  2. crane-scheduler 通过设置水位线和热点限制,能够有效防止节点资源过载的情况发生;
  3. 但是在测试过程中,也发现当节点 request 接近 100% 时,尽管该节点真实使用率很低,crane-scheduler 是不能够调度上去的。为了进一步提高节点的资源利用率,后续需要考虑突破节点 request 值的限制,一种做法是屏蔽 k8s 对节点 request 值的校验,但是这样做法对 k8s 原生组件侵入性较大;另一种可行性较高的做法是通过资源的超卖去实现,利用节点的空闲资源区部署一些不重要的应用。

参考文献

  1. http://kubernetes.p2hp.com/docs/
  2. https://www.qikqiak.com/post/custom-kube-scheduler/
  3. https://gocrane.io/zh-cn/docs/tutorials/dynamic-scheduler-plugin/
  4. https://github.com/gocrane/crane-scheduler
  5. https://blog.51cto.com/u_14120339/5363877
匡澄

匡澄

中国移动云能力中心助理软件研发工程师

专注于云原生、微服务、算力网络等领域。

编辑本页