装箱调度（Binpack）
装箱调度（Binpack）是一种优化算法，以最小化资源使用量为目标，将资源合理地分配给每个任务，使所有资源都可以实现最大化的利用价值。在集群工作负载的调度过程中使用Binpack调度策略，调度器会优先将Pod调度到资源消耗较多的节点，减少各节点空闲资源碎片，提高集群资源利用率。
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调度算法的目标是尽量把已有的节点填满（即尽量不往空白节点分配）。具体实现上，Binpack调度算法为满足调度条件的节点打分，节点的资源利用率越高得分越高。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为调度器的多个调度插件之一，与其他插件共同为节点打分，用户可以自定义该插件整体权重和各资源维度打分权重，用以提高或降低Binpack在整体调度中的影响力。调度器在计算Binpack策略得分时，会考虑Pod请求的各种资源，如：CPU、Memory和GPU等扩展资源，并根据各种资源所配置的权重做平均。
Binpack算法原理
Binpack在对一个节点打分时，会根据Binpack插件自身权重和各资源设置的权重值综合打分。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
如图所示，集群中存在两个节点，分别为Node 1和Node 2，在调度Pod时，Binpack策略对两个节点分别打分。
假设集群中CPU.weight配置为1，Memory.weight配置为1，GPU.weight配置为2，binpack.weight配置为5。
- Binpack对Node 1的打分信息如下：
- CPU Score：CPU.weight * (request + used) / allocatable = 1 * （2 + 4）/ 8 = 0.75
- Memory Score：Memory.weight * (request + used) / allocatable = 1 * (4 + 8) / 16 = 0.75
- GPU Score： GPU.weight * (request + used) / allocatable = 2 * （4 + 4）/ 8 = 2
节点总得分按照binpack.weight * (CPU.score + Memory.score + GPU.score) / (CPU.weight+ Memory.weight+ GPU.weight) * 100公式进行计算，具体如下：
假设binpack.weight配置为5，Node 1在Binpack策略下的得分：5 * （0.75 + 0.75 + 2）/（1 + 1 + 2）* 100 = 437.5
- Binpack对Node 2的打分信息如下：
- CPU Score：CPU.weight * (request + used) / allocatable = 1 * （2 + 6）/ 8 = 1
- Memory Score：Memory.weight * (request + used) / allocatable = 1 * (4 + 8) / 16 = 0.75
- GPU Score：GPU.weight * (request + used) / allocatable = 2 * （4 + 4）/ 8 = 2
Node 2在Binpack策略下的得分：5 * （1 + 0.75 + 2）/（1 + 1 + 2）* 100 = 468.75
综上，Node 2得分大于Node 1，按照Binpack策略，Pod将会优先调度至Node 2。
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。
- 登录CCE控制台。
- 单击集群名称进入集群，在左侧选择“配置中心”，在右侧选择“调度配置”页签。
- 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
- 修改完成后，单击“确认配置”。
