装箱调度（Binpack）

前提条件

• 已创建v1.19及以上版本的集群，详情请参见购买Standard/Turbo集群。
• 已安装Volcano插件，详情请参见Volcano调度器。

Binpack功能介绍

Binpack调度算法的目标是最大限度地填满现有节点，尽量避免将Pod调度至空闲节点。具体实现中，调度器会对所有满足条件的节点进行打分，资源利用率越高，得分越高，调度优先级也越高。Binpack算法能够尽可能填满节点，将应用负载靠拢在部分节点，这非常有利于集群节点的自动扩缩容功能。

Binpack为Volcano调度器的多个调度插件之一，与其他调度插件协同工作，共同影响节点的最终得分。用户可自定义Binpack插件的全局权重，并分别为CPU、内存基础资源以及 GPU、NPU等扩展资源配置打分权重，从而控制Binpack在调度决策中的影响程度。在计算Binpack得分时，调度器会综合考虑Pod所请求的各类资源，并基于各资源的打分权重进行加权平均，以确定节点的最终得分。

Binpack算法原理

在对节点打分时，Binpack会结合插件的全局权重和各资源维度（如CPU、内存、GPU等）的权重值，计算出节点Binpack得分。节点Binpack得分的计算流程如下：

首先，对Pod请求资源中的每类资源依次打分，以CPU为例，CPU资源在待调度节点的得分信息如下：

CPU.weight * (request + used) / allocatable

即CPU权重值越高，得分越高，节点资源使用量越满，得分越高。Memory、GPU等资源原理类似。其中：

• CPU.weight为用户设置的CPU权重
• request为当前Pod请求的CPU资源量
• used为当前节点已经分配使用的CPU量
• allocatable为当前节点CPU可用总量

通过Binpack策略的节点总得分如下：

binpack.weight * (CPU.score + Memory.score + GPU.score) / (CPU.weight+ Memory.weight+ GPU.weight) * 100

即binpack插件的权重值越大，得分越高，某类资源的权重越大，该资源在打分时的占比越大。其中：

• binpack.weight为用户设置的装箱调度策略权重
• CPU.score为CPU资源得分，CPU.weight为CPU权重
• Memory.score为Memory资源得分，Memory.weight为Memory权重
• GPU.score为GPU资源得分，GPU.weight为GPU权重

图1 Binpack策略示例

配置装箱调度策略

安装Volcano后，Binpack策略默认生效。如果默认配置无法达到您降低资源碎片的目标，可以通过“配置中心 > 调度配置”页面自定义Binpack策略权重和各资源维度权重值，增加或降低Binpack策略在整体调度中的影响力。

1. 登录CCE控制台，单击集群名称进入集群。
2. 在左侧选择“配置中心”，在右侧选择“调度配置”页签。
3. 在“资源利用率优化调度”配置中，启用装箱策略 (binpack)。

   表1 装箱策略权重配置

   名称	说明	默认值
   装箱调度策略权重	增大该权重值，可提高装箱策略在整体调度中的影响力。	10
   CPU权重	增大该权重值，优先提高集群CPU利用率。	1
   内存权重	增大该权重值，优先提高集群Memory利用率。	1
   自定义资源类型	指定Pod请求的其他自定义资源类型，例如nvidia.com/gpu。增大该权重值，优先提高指定资源的利用率。	-

   图2 资源利用率优化调度
   

4. 修改完成后，单击“确认配置”。