网络
虚拟私有云 VPC
弹性公网IP EIP
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
虚拟专用网络 VPN
云连接 CC
VPC终端节点 VPCEP
企业路由器 ER
企业交换机 ESW
全球加速 GA
企业连接 EC
云原生应用网络 ANC
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
威胁检测服务 MTD
态势感知 SA
认证测试中心 CTC
边缘安全 EdgeSec
应用中间件
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
分布式消息服务RocketMQ版
API网关 APIG
分布式缓存服务 DCS
多活高可用服务 MAS
事件网格 EG
管理与监管
统一身份认证服务 IAM
消息通知服务 SMN
云监控服务 CES
应用运维管理 AOM
应用性能管理 APM
云日志服务 LTS
云审计服务 CTS
标签管理服务 TMS
配置审计 Config
应用身份管理服务 OneAccess
资源访问管理 RAM
组织 Organizations
资源编排服务 RFS
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
解决方案
高性能计算 HPC
SAP
混合云灾备
开天工业工作台 MIW
Haydn解决方案工厂
数字化诊断治理专家服务
云生态
云商店
合作伙伴中心
华为云开发者学堂
华为云慧通差旅
开发与运维
软件开发生产线 CodeArts
需求管理 CodeArts Req
流水线 CodeArts Pipeline
代码检查 CodeArts Check
编译构建 CodeArts Build
部署 CodeArts Deploy
测试计划 CodeArts TestPlan
制品仓库 CodeArts Artifact
移动应用测试 MobileAPPTest
CodeArts IDE Online
开源镜像站 Mirrors
性能测试 CodeArts PerfTest
应用管理与运维平台 ServiceStage
云应用引擎 CAE
开源治理服务 CodeArts Governance
华为云Astro轻应用
CodeArts IDE
Astro工作流 AstroFlow
代码托管 CodeArts Repo
漏洞管理服务 CodeArts Inspector
联接 CodeArtsLink
软件建模 CodeArts Modeling
Astro企业应用 AstroPro
CodeArts盘古助手
华为云Astro大屏应用
计算
弹性云服务器 ECS
Flexus云服务
裸金属服务器 BMS
云手机服务器 CPH
专属主机 DeH
弹性伸缩 AS
镜像服务 IMS
函数工作流 FunctionGraph
云耀云服务器(旧版)
VR云渲游平台 CVR
Huawei Cloud EulerOS
云化数据中心 CloudDC
网络
虚拟私有云 VPC
弹性公网IP EIP
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
虚拟专用网络 VPN
云连接 CC
VPC终端节点 VPCEP
企业路由器 ER
企业交换机 ESW
全球加速 GA
企业连接 EC
云原生应用网络 ANC
CDN与智能边缘
内容分发网络 CDN
智能边缘云 IEC
智能边缘平台 IEF
CloudPond云服务
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
威胁检测服务 MTD
态势感知 SA
认证测试中心 CTC
边缘安全 EdgeSec
大数据
MapReduce服务 MRS
数据湖探索 DLI
表格存储服务 CloudTable
可信智能计算服务 TICS
推荐系统 RES
云搜索服务 CSS
数据可视化 DLV
数据接入服务 DIS
数据仓库服务 GaussDB(DWS)
数据治理中心 DataArts Studio
湖仓构建 LakeFormation
智能数据洞察 DataArts Insight
应用中间件
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
分布式消息服务RocketMQ版
API网关 APIG
分布式缓存服务 DCS
多活高可用服务 MAS
事件网格 EG
开天aPaaS
应用平台 AppStage
开天企业工作台 MSSE
开天集成工作台 MSSI
API中心 API Hub
云消息服务 KooMessage
交换数据空间 EDS
云地图服务 KooMap
云手机服务 KooPhone
组织成员账号 OrgID
云空间服务 KooDrive
管理与监管
统一身份认证服务 IAM
消息通知服务 SMN
云监控服务 CES
应用运维管理 AOM
应用性能管理 APM
云日志服务 LTS
云审计服务 CTS
标签管理服务 TMS
配置审计 Config
应用身份管理服务 OneAccess
资源访问管理 RAM
组织 Organizations
资源编排服务 RFS
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
区块链
区块链服务 BCS
数字资产链 DAC
华为云区块链引擎服务 HBS
解决方案
高性能计算 HPC
SAP
混合云灾备
开天工业工作台 MIW
Haydn解决方案工厂
数字化诊断治理专家服务
价格
成本优化最佳实践
专属云商业逻辑
云生态
云商店
合作伙伴中心
华为云开发者学堂
华为云慧通差旅
其他
管理控制台
消息中心
产品价格详情
系统权限
客户关联华为云合作伙伴须知
公共问题
宽限期保留期
奖励推广计划
活动
云服务信任体系能力说明
开发与运维
软件开发生产线 CodeArts
需求管理 CodeArts Req
流水线 CodeArts Pipeline
代码检查 CodeArts Check
编译构建 CodeArts Build
部署 CodeArts Deploy
测试计划 CodeArts TestPlan
制品仓库 CodeArts Artifact
移动应用测试 MobileAPPTest
CodeArts IDE Online
开源镜像站 Mirrors
性能测试 CodeArts PerfTest
应用管理与运维平台 ServiceStage
云应用引擎 CAE
开源治理服务 CodeArts Governance
华为云Astro轻应用
CodeArts IDE
Astro工作流 AstroFlow
代码托管 CodeArts Repo
漏洞管理服务 CodeArts Inspector
联接 CodeArtsLink
软件建模 CodeArts Modeling
Astro企业应用 AstroPro
CodeArts盘古助手
华为云Astro大屏应用
存储
对象存储服务 OBS
云硬盘 EVS
云备份 CBR
高性能弹性文件服务 SFS Turbo
弹性文件服务 SFS
存储容灾服务 SDRS
云硬盘备份 VBS
云服务器备份 CSBS
数据快递服务 DES
云存储网关 CSG
专属分布式存储服务 DSS
数据工坊 DWR
地图数据 MapDS
键值存储服务 KVS
容器
云容器引擎 CCE
云容器实例 CCI
容器镜像服务 SWR
云原生服务中心 OSC
应用服务网格 ASM
华为云UCS
数据库
云数据库 RDS
数据复制服务 DRS
文档数据库服务 DDS
分布式数据库中间件 DDM
云数据库 GaussDB
云数据库 GeminiDB
数据管理服务 DAS
数据库和应用迁移 UGO
云数据库 TaurusDB
人工智能
AI开发平台ModelArts
华为HiLens
图引擎服务 GES
图像识别 Image
文字识别 OCR
自然语言处理 NLP
内容审核 Moderation
图像搜索 ImageSearch
医疗智能体 EIHealth
企业级AI应用开发专业套件 ModelArts Pro
人脸识别服务 FRS
对话机器人服务 CBS
语音交互服务 SIS
人证核身服务 IVS
视频智能分析服务 VIAS
城市智能体
自动驾驶云服务 Octopus
盘古大模型 PanguLargeModels
IoT物联网
设备接入 IoTDA
全球SIM联接 GSL
IoT数据分析 IoTA
路网数字化服务 DRIS
IoT边缘 IoTEdge
设备发放 IoTDP
企业应用
域名注册服务 Domains
云解析服务 DNS
企业门户 EWP
ICP备案
商标注册
华为云WeLink
华为云会议 Meeting
隐私保护通话 PrivateNumber
语音通话 VoiceCall
消息&短信 MSGSMS
云管理网络
SD-WAN 云服务
边缘数据中心管理 EDCM
云桌面 Workspace
应用与数据集成平台 ROMA Connect
ROMA资产中心 ROMA Exchange
API全生命周期管理 ROMA API
政企自服务管理 ESM
视频
实时音视频 SparkRTC
视频直播 Live
视频点播 VOD
媒体处理 MPC
视频接入服务 VIS
数字内容生产线 MetaStudio
迁移
主机迁移服务 SMS
对象存储迁移服务 OMS
云数据迁移 CDM
迁移中心 MGC
专属云
专属计算集群 DCC
开发者工具
SDK开发指南
API签名指南
DevStar
华为云命令行工具服务 KooCLI
Huawei Cloud Toolkit
CodeArts API
云化转型
云架构中心
云采用框架
用户服务
账号中心
费用中心
成本中心
资源中心
企业管理
工单管理
客户运营能力
国际站常见问题
支持计划
专业服务
合作伙伴支持计划
我的凭证
华为云公共事业服务云平台
工业软件
工业数字模型驱动引擎
硬件开发工具链平台云服务
工业数据转换引擎云服务
本文导读

负载感知调度

更新时间:2025-02-18 GMT+08:00
分享

Volcano调度器提供节点CPU、Memory的负载感知调度能力,感知集群内节点CPU、Memory的负载情况,将Pod优先调度到负载较低的节点,实现节点负载均衡,避免出现因单个节点负载过高而导致的应用程序或节点故障。

前提条件

功能介绍

原生Kubernetes调度器只能基于资源的申请值进行调度,然而Pod的真实资源使用率,往往与其所申请资源的Request/Limit差异很大,这直接导致了集群负载不均的问题:

  1. 集群中的部分节点,资源的真实使用率远低于资源申请值的分配率,却没有被调度更多的Pod,这造成了比较大的资源浪费。
  2. 集群中的另外一些节点,其资源的真实使用率事实上已经过载,却无法为调度器所感知到,这极大可能影响到业务的稳定性。

Volcano提供基于真实负载调度的能力,在资源满足的情况下,Pod优先被调度至真实负载低的节点,集群各节点负载趋于均衡。

随着集群状态,工作负载流量与请求的动态变化,节点的利用率也在实时变化,为防止Pod调度完成后,集群再次出现负载极端不均衡的情况下,Volcano同时提供重调度能力,通过负载感知和热点打散重调度结合使用,可以获得集群最佳的负载均衡效果。关于热点打散重调度能力的使用请参见重调度(Descheduler)

工作原理

负载感知调度能力由Volcano与CCE云原生监控插件配合完成,开启该能力时,按照Prometheus adapt规则定义负载感知调度所需的CPU、Memory指标信息,CCE云原生监控系统按照定义的指标规则采集并保存各节点的CPU、Memory的真实负载信息,Volcano根据CCE云原生监控系统提供的CPU、Memory真实负载信息对节点进行打分排序,优先选择负载更低的节点参与调度。

负载感知调度能力考虑CPU和Memory两个维度,采用加权平均的方式对各节点打分,包括CPU、Memory资源维度权重和负载感知策略自身权重,优先选择得分最高的节点参与调度。CPU、Memory和插件自身权重可以通过“配置中心>调度配置”自定义配置。

节点得分计算公式: 负载感知策略权重 *((1 - CPU资源利用率) * CPU权重 + (1 - Memory资源利用率) * 内存权重)/(CPU权重 + 内存权重)

  • CPU资源利用率:所有节点最近10分钟的CPU平均利用率,采集频率可通过Prometheus adapt规则进行修改。
  • Memory资源利用率:所有节点最近10分钟的Memory平均利用率
  1. 安装CCE云原生监控插件后,您需要开启Metrics API以提供容器资源指标的能力,如CPU、内存使用量。

    说明:

    仅云原生监控插件开启本地数据存储时,可通过Metrics API提供资源指标。

    首先执行以下命令查询集群中是否已开启Metrics API,如果已开启则可跳过本步骤。

    kubectl get APIServices | grep v1beta1.metrics.k8s.io

    若存在回显,则表示Metrics API已开启,可跳过本步骤进行下一步添加指标采集规则。

    若未查询到Metrics API,要将其开启,可手动创建对应APIService对象。

    1. 创建一个文件,命名为metrics-apiservice.yaml。文件内容如下:
      apiVersion: apiregistration.k8s.io/v1
      kind: APIService
      metadata:
        labels:
          app: custom-metrics-apiserver
          release: cceaddon-prometheus
        name: v1beta1.metrics.k8s.io
      spec:
        group: metrics.k8s.io
        groupPriorityMinimum: 100
        insecureSkipTLSVerify: true
        service:
          name: custom-metrics-apiserver
          namespace: monitoring
          port: 443
        version: v1beta1
        versionPriority: 100
    2. 然后执行以下命令创建对应APIService对象。
      kubectl create -f metrics-apiservice.yaml
    3. 再次执行以下命令查询集群中是否已开启Metrics API。
      kubectl get APIServices | grep v1beta1.metrics.k8s.io
      说明:

      开启Metrics API后,如果需要卸载云原生监控插件,请执行以下kubectl命令,同时删除APIService对象,否则残留的APIService资源将导致Kubernetes Metrics Server插件安装失败。

      kubectl delete APIService v1beta1.metrics.k8s.io

  2. 添加自定义指标采集规则。

    1. 修改user-adapter-config配置项。
      kubectl edit configmap user-adapter-config -n monitoring
    2. 在rules字段下添加自定义指标采集规则。
      自定义指标采集规则如下,红色为本次添加的指标采集规则,黑色为已有规则,在已有规则基础上添加红色规则即可。
      ...
      data:
        config.yaml: >
          rules:
          - seriesQuery: '{__name__=~"node_cpu_seconds_total"}'
            resources:
              overrides:
                instance:
                  resource: node
            name:
              matches: node_cpu_seconds_total
              as: node_cpu_usage_avg
            metricsQuery: avg_over_time((1 - avg (irate(<<.Series>>{mode="idle"}[5m])) by (instance))[10m:30s])
          - seriesQuery: '{__name__=~"node_memory_MemTotal_bytes"}'
            resources:
              overrides:
                instance:
                  resource: node
            name:
              matches: node_memory_MemTotal_bytes
              as: node_memory_usage_avg
            metricsQuery: avg_over_time(((1-node_memory_MemAvailable_bytes/<<.Series>>))[10m:30s])
          resourceRules:
            cpu:
              containerQuery: sum(rate(container_cpu_usage_seconds_total{<<.LabelMatchers>>,container!="",pod!=""}[1m])) by (<<.GroupBy>>)
              nodeQuery: sum(rate(container_cpu_usage_seconds_total{<<.LabelMatchers>>, id='/'}[1m])) by (<<.GroupBy>>)
              resources:
                overrides:
                  instance:
                    resource: node
                  namespace:
                    resource: namespace
                  pod:
                    resource: pod
              containerLabel: container
            memory:
              containerQuery: sum(container_memory_working_set_bytes{<<.LabelMatchers>>,container!="",pod!=""}) by (<<.GroupBy>>)
              nodeQuery: sum(container_memory_working_set_bytes{<<.LabelMatchers>>,id='/'}) by (<<.GroupBy>>)
              resources:
                overrides:
                  instance:
                    resource: node
                  namespace:
                    resource: namespace
                  pod:
                    resource: pod
              containerLabel: container
            window: 1m
      ...
      • CPU平均利用率采集规则
        • node_cpu_usage_avg:表示节点的CPU平均利用率,该指标名不可修改。
        • metricsQuery: avg_over_time((1 - avg (irate(<<.Series>>{mode="idle"}[5m])) by (instance))[10m:30s]):为节点CPU平均利用率的查询语句。

          当前metricsQuery表示查询所有节点最近10分钟的CPU平均利用率,如果希望调整平均值的计算周期为最近5分钟或者30分钟,可以修改上述标红的10m为5m或者30m即可。

      • Memory平均利用率采集规则
        • node_memory_usage_avg:表示节点的Memory利用率,该指标名不可修改。
        • metricsQuery: avg_over_time(((1-node_memory_MemAvailable_bytes/<<.Series>>))[10m:30s]):为节点Memory平均利用率的查询语句。

          当前metricsQuery表示查询所有节点最近10分钟的Memory平均利用率,如果希望调整平均值的计算周期为最近5分钟或者30分钟,可以修改上述标红的10m为5m或者30m即可。

    3. 重新部署monitoring命名空间下的custom-metrics-apiserver工作负载。
      kubectl rollout restart deployment custom-metrics-apiserver -n monitoring
    4. 验证自定义规则配置成功。
      1. 执行以下命令,若可以正常返回自定义指标信息,表示Prometheus侧指标采集配置成功。
        kubectl get --raw=/apis/custom.metrics.k8s.io/v1beta1

      2. 执行以下命令,查询集群内节点信息。
        kubectl get nodes 

        然后任选一个节点执行以下命令,其中xxxx替换为查询到的node_name,如果需要查询所有节点资源信息,可以使用*代替xxxx

        kubectl get --raw=/apis/custom.metrics.k8s.io/v1beta1/nodes/xxxx/node_cpu_usage_avg

        查询结果示例如下:

  3. 开启负载感知调度能力。

    安装Volcano后,您可通过“配置中心 > 调度配置”选择开启或关闭负载感知调度能力,默认关闭。
    1. 登录CCE控制台。
    2. 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。
    3. 在“资源利用率优化调度”配置中,修改负载感知调度配置。
      说明:

      为达到最优的负载感知调度效果,可以选择关闭装箱(binpack)策略。装箱策略(binpack)根据Pod的Request资源信息,将Pod优先调度到资源消耗较多的节点,在一定程度上会影响负载感知调度的效果。多种策略的结合使用案例可参考资源利用率优化调度配置案例

      参数

      说明

      默认值

      负载感知调度策略权重

      增大该权重值,可提高负载感知策略在整体调度中的影响力。

      5

      CPU权重

      增大该权重值,优先均衡CPU资源。

      1

      内存权重

      增大该权重值,优先均衡内存资源。

      1

      真实负载阈值生效方式

      • 软约束:节点CPU、内存真实负载达到阈值后,新的任务优先被分配至真实负载未达到阈值的节点,但是该节点依然允许调度。
      • 硬约束:节点CPU、内存真实负载达到阈值后,该节点不允许调度新的任务。

      硬约束

      CPU真实负载阈值

      节点CPU真实利用率超过该阈值后,会根据真实负载阈值生效方式中的约束调度工作负载。新下发的工作负载将被优先或强制调度到其他节点,节点中已经运行的工作负载不受影响。

      80

      内存真实负载阈值

      节点内存真实利用率超过该阈值后,会根据真实负载阈值生效方式中的约束调度工作负载。新下发的工作负载将被优先或强制调度到其他节点,节点中已经运行的工作负载不受影响。

      80

  1. 在集群中安装prometheus-adapter。

    1. 执行如下命令安装:
      git clone https://github.com/kubernetes-sigs/prometheus-adapter.git
      cd prometheus-adapter/deploy/manifests
      kubectl apply -f .
    2. 修改prometheus-adapter负载连接prometheus-server的配置。
      kubectl edit deployment prometheus-adapter -n monitoring

      修改prometheus-url参数值如下:

      • HTTPS协议修改为HTTP协议。
      • 默认域名修改为Prometheus Service的IP和端口,可通过kubectl get service -n monitoring命令查询。
      ...
            containers:
              - name: prometheus-adapter
                image: registry.k8s.io/prometheus-adapter/prometheus-adapter:v0.12.0
                args:
                  - --cert-dir=/var/run/serving-cert
                  - --config=/etc/adapter/config.yaml
                  - --prometheus-url=http://10.21.72.124:9090/
                  - --secure-port=6443
                  - --tls-cipher-suites=TLS_ECDHE_RSA_WITH_CHACHA20_POLY1305,TLS_ECDHE_ECDSA_WITH_CHACHA20_POLY1305,TLS_ECDHE_RSA_WITH_AES_128_GCM_SHA256,TLS_ECDHE_RSA_WITH_AES_256_GCM_SHA384,TLS_ECDHE_ECDSA_WITH_AES_128_GCM_SHA256,TLS_ECDHE_ECDSA_WITH_AES_256_GCM_SHA384,TLS_ECDHE_RSA_WITH_AES_128_CBC_SHA,TLS_ECDHE_ECDSA_WITH_AES_128_CBC_SHA256,TLS_ECDHE_ECDSA_WITH_AES_128_CBC_SHA,TLS_ECDHE_RSA_WITH_AES_256_CBC_SHA,TLS_ECDHE_ECDSA_WITH_AES_256_CBC_SHA,TLS_RSA_WITH_AES_128_GCM_SHA256,TLS_RSA_WITH_AES_256_GCM_SHA384,TLS_RSA_WITH_AES_128_CBC_SHA,TLS_RSA_WITH_AES_256_CBC_SHA
      ...
    3. 确认在Prometheus可以查询到原生的node_cpu_seconds_total和node_memory_MemAvailable_bytes指标。

  2. 开启自定义指标Metrics API以提供容器资源指标的能力。

    首先执行以下命令查询集群中是否已开启自定义指标Metrics API,如果已开启则可跳过本步骤。

    kubectl get APIServices | grep v1beta1.custom.metrics.k8s.io

    若存在回显,表示已开启自定义指标Metrics API;若不存在回显,则按照以下方式进行APIService对象注册(这里需要注意Service的名称prometheus-adapter和命名空间要与实际安装的环境对应,如下是kube-prometheus默认安装值)。

    1. 创建一个文件,命名为custom-metrics-apiservice.yaml。文件内容如下:
      apiVersion: apiregistration.k8s.io/v1
      kind: APIService
      metadata:
        labels:
          app.kubernetes.io/component: metrics
          app.kubernetes.io/name: prometheus-adapter
          app.kubernetes.io/part-of: prometheus-adapter
        name: v1beta1.custom.metrics.k8s.io
      spec:
        group: custom.metrics.k8s.io
        groupPriorityMinimum: 100
        insecureSkipTLSVerify: true
        service:
          name: prometheus-adapter
          namespace: monitoring
          port: 443
        version: v1beta1
        versionPriority: 100
    2. 然后执行以下命令创建对应APIService对象。
      kubectl create -f custom-metrics-apiservice.yaml
    3. 再次执行以下命令查询集群中是否已开启自定义指标Metrics API。
      kubectl get APIServices | grep v1beta1.custom.metrics.k8s.io

  3. 添加自定义指标采集规则。

    1. 修改adapter-config配置项。
      kubectl edit configmap adapter-config -n monitoring
    2. 在rules字段下添加自定义指标采集规则。
      自定义指标采集规则如下:
      ...
      data:
        config.yaml: >
          rules:
          - seriesQuery: '{__name__=~"node_cpu_seconds_total"}'
            resources:
              overrides:
                instance:
                  resource: node
            name:
              matches: node_cpu_seconds_total
              as: node_cpu_usage_avg
            metricsQuery: avg_over_time((1 - avg (irate(<<.Series>>{mode="idle"}[5m])) by (instance))[10m:30s])
          - seriesQuery: '{__name__=~"node_memory_MemTotal_bytes"}'
            resources:
              overrides:
                instance:
                  resource: node
            name:
              matches: node_memory_MemTotal_bytes
              as: node_memory_usage_avg
            metricsQuery: avg_over_time(((1-node_memory_MemAvailable_bytes/<<.Series>>))[10m:30s])
      ...
    3. 重新部署monitoring命名空间下的prometheus-adapter工作负载。
      kubectl rollout restart deployment prometheus-adapter -n monitoring
    4. 验证自定义规则配置成功。
      1. 执行以下命令,若可以正常返回自定义指标信息,表示Prometheus侧指标采集配置成功。
        kubectl get --raw=/apis/custom.metrics.k8s.io/v1beta1

      2. 执行以下命令,查询集群内节点信息。
        kubectl get nodes 

        然后任选一个节点执行以下命令,其中xxxx替换为查询到的node_name,如果需要查询所有节点资源信息,可以使用*代替xxxx

        kubectl get --raw=/apis/custom.metrics.k8s.io/v1beta1/nodes/xxxx/node_cpu_usage_avg

        查询结果示例如下:

  4. 开启负载感知调度能力。

    1. 登录CCE控制台。
    2. 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。
    3. 在专家模式配置中单击“开始使用”。

    4. 修改专家模式中的参数配置,配置负载感知调度策略,红色字体为开启负载感知调度能力增加的配置项,详情如下:
      admission_kube_api_qps: 200
      admissions: /jobs/mutate,/jobs/validate,/podgroups/mutate,/pods/validate,/pods/mutate,/queues/mutate,/queues/validate,/eas/pods/mutate,/eas/pods/validate,/npu/jobs/validate,/resource/validate,/resource/mutate,/workloadbalancer/balancer/validate,/workloadbalancer/balancerpolicytemplate/validate
      annotations: {}
      colocation_enable: "true"
      controller_kube_api_qps: 200
      default_scheduler_conf:
        actions: allocate, backfill, preempt
        metrics:
          interval: 30s
          type: prometheus_adaptor
        tiers:
          - plugins:
              - name: priority
              - enableJobStarving: false
                enablePreemptable: false
                name: gang
              - name: conformance
              - name: oversubscription
          - plugins:
              - enablePreemptable: false
                name: drf
              - name: predicates
              - name: nodeorder
              - arguments:
                   cpu.weight: 1
                   memory.weight: 1
                   thresholds:
                      cpu: 80
                      mem: 80
                  usage.weight: 5
                enablePredicate: true
                name: usage
          - plugins:
              - name: cce-gpu-topology-predicate
              - name: cce-gpu-topology-priority
              - name: xgpu
          - plugins:
              - name: nodelocalvolume
              - name: nodeemptydirvolume
              - name: nodeCSIscheduling
              - name: networkresource
      deschedulerPolicy:
        profiles:
          - name: ProfileName
            pluginConfig:
              - args:
                  nodeFit: true
                name: DefaultEvictor
              - args:
                  evictableNamespaces:
                    exclude:
                      - kube-system
                  thresholds:
                    cpu: 20
                    memory: 20
                name: HighNodeUtilization
              - args:
                  evictableNamespaces:
                    exclude:
                      - kube-system
                  metrics:
                    type: prometheus_adaptor
                  nodeFit: true
                  targetThresholds:
                    cpu: 80
                    memory: 85
                  thresholds:
                    cpu: 30
                    memory: 30
                name: LoadAware
            plugins:
              balance:
                enabled: null
      descheduler_enable: "false"
      deschedulingInterval: 10m
      enable_workload_balancer: false
      oversubscription_method: nodeResource
      oversubscription_profile_period: 300
      oversubscription_ratio: 60
      recommendation_enable: ""
      scheduler_kube_api_qps: 200
      update_pod_status_qps: 50
      workload_balancer_score_annotation_key: ""
      workload_balancer_third_party_types: ""

      集群负载感知调度关键参数如下:

      • usage.weight:表示负载感知调度策略权重,增大该权重值,可提高负载感知策略在整体调度中的影响力。
      • cpu.weight:表示CPU权重,增大该权重值,优先均衡CPU资源。
      • memory.weight:表示内存权重,增大该权重值,优先均衡内存资源。
      • thresholds:
        • cpu:表示CPU真实负载阈值。
        • mem:表示内存真实负载阈值。
      • enablePredicate:表示真实负载阈值生效方式。
        • 为true时表示硬约束:节点CPU、内存真实负载达到阈值后,该节点不允许调度新的任务。
        • 为false时表示软约束:节点CPU、内存真实负载达到阈值后,新的任务优先被分配至真实负载未达到阈值的节点,但是该节点依然允许调度。

  1. 安装CCE云原生监控插件后,您需要开启Metrics API以提供容器资源指标的能力,如CPU、内存使用量。

    说明:

    仅云原生监控插件开启本地数据存储时,可通过Metrics API提供资源指标。

    首先执行以下命令查询集群中是否已开启Metrics API,如果已开启则可跳过本步骤。

    kubectl get APIServices | grep v1beta1.metrics.k8s.io

    若存在回显,则表示Metrics API已开启,可跳过本步骤进行下一步添加指标采集规则。

    若未查询到Metrics API,要将其开启,可手动创建对应APIService对象。

    1. 创建一个文件,命名为metrics-apiservice.yaml。文件内容如下:
      apiVersion: apiregistration.k8s.io/v1
      kind: APIService
      metadata:
        labels:
          app: custom-metrics-apiserver
          release: cceaddon-prometheus
        name: v1beta1.metrics.k8s.io
      spec:
        group: metrics.k8s.io
        groupPriorityMinimum: 100
        insecureSkipTLSVerify: true
        service:
          name: custom-metrics-apiserver
          namespace: monitoring
          port: 443
        version: v1beta1
        versionPriority: 100
    2. 然后执行以下命令创建对应APIService对象。
      kubectl create -f metrics-apiservice.yaml
    3. 再次执行以下命令查询集群中是否已开启Metrics API。
      kubectl get APIServices | grep v1beta1.metrics.k8s.io
      说明:

      开启Metrics API后,如果需要卸载云原生监控插件,请执行以下kubectl命令,同时删除APIService对象,否则残留的APIService资源将导致Kubernetes Metrics Server插件安装失败。

      kubectl delete APIService v1beta1.metrics.k8s.io

  2. 添加自定义指标采集规则。

    1. 修改user-adapter-config配置项。
      kubectl edit configmap user-adapter-config -n monitoring
    2. 在rules字段下添加自定义指标采集规则。
      自定义指标采集规则如下,红色为本次添加的指标采集规则,黑色为已有规则,在已有规则基础上添加红色规则即可。
      ...
      data:
        config.yaml: >
          rules:
          - seriesQuery: '{__name__=~"node_cpu_seconds_total"}'
            resources:
              overrides:
                instance:
                  resource: node
            name:
              matches: node_cpu_seconds_total
              as: node_cpu_usage_avg
            metricsQuery: avg_over_time((1 - avg (irate(<<.Series>>{mode="idle"}[5m])) by (instance))[10m:30s])
          - seriesQuery: '{__name__=~"node_memory_MemTotal_bytes"}'
            resources:
              overrides:
                instance:
                  resource: node
            name:
              matches: node_memory_MemTotal_bytes
              as: node_memory_usage_avg
            metricsQuery: avg_over_time(((1-node_memory_MemAvailable_bytes/<<.Series>>))[10m:30s])
          resourceRules:
            cpu:
              containerQuery: sum(rate(container_cpu_usage_seconds_total{<<.LabelMatchers>>,container!="",pod!=""}[1m])) by (<<.GroupBy>>)
              nodeQuery: sum(rate(container_cpu_usage_seconds_total{<<.LabelMatchers>>, id='/'}[1m])) by (<<.GroupBy>>)
              resources:
                overrides:
                  instance:
                    resource: node
                  namespace:
                    resource: namespace
                  pod:
                    resource: pod
              containerLabel: container
            memory:
              containerQuery: sum(container_memory_working_set_bytes{<<.LabelMatchers>>,container!="",pod!=""}) by (<<.GroupBy>>)
              nodeQuery: sum(container_memory_working_set_bytes{<<.LabelMatchers>>,id='/'}) by (<<.GroupBy>>)
              resources:
                overrides:
                  instance:
                    resource: node
                  namespace:
                    resource: namespace
                  pod:
                    resource: pod
              containerLabel: container
            window: 1m
      ...
      • CPU平均利用率采集规则
        • node_cpu_usage_avg:表示节点的CPU平均利用率,该指标名不可修改。
        • metricsQuery: avg_over_time((1 - avg (irate(<<.Series>>{mode="idle"}[5m])) by (instance))[10m:30s]):为节点CPU平均利用率的查询语句。

          当前metricsQuery表示查询所有节点最近10分钟的CPU平均利用率,如果希望调整平均值的计算周期为最近5分钟或者30分钟,可以修改上述标红的10m为5m或者30m即可。

      • Memory平均利用率采集规则
        • node_memory_usage_avg:表示节点的Memory利用率,该指标名不可修改。
        • metricsQuery: avg_over_time(((1-node_memory_MemAvailable_bytes/<<.Series>>))[10m:30s]):为节点Memory平均利用率的查询语句。

          当前metricsQuery表示查询所有节点最近10分钟的Memory平均利用率,如果希望调整平均值的计算周期为最近5分钟或者30分钟,可以修改上述标红的10m为5m或者30m即可。

    3. 重新部署monitoring命名空间下的custom-metrics-apiserver工作负载。
      kubectl rollout restart deployment custom-metrics-apiserver -n monitoring
    4. 验证自定义规则配置成功。
      1. 执行以下命令,若可以正常返回自定义指标信息,表示Prometheus侧指标采集配置成功。
        kubectl get --raw=/apis/custom.metrics.k8s.io/v1beta1

      2. 执行以下命令,查询集群内节点信息。
        kubectl get nodes 

        然后任选一个节点执行以下命令,其中xxxx替换为查询到的node_name,如果需要查询所有节点资源信息,可以使用*代替xxxx

        kubectl get --raw=/apis/custom.metrics.k8s.io/v1beta1/nodes/xxxx/node_cpu_usage_avg

        查询结果示例如下:

  3. 开启负载感知调度能力。

    安装Volcano后,您可通过“配置中心 > 调度配置”选择开启或关闭负载感知调度能力,默认关闭。
    1. 登录CCE控制台。
    2. 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。
    3. 在“资源利用率优化调度”配置中,修改负载感知调度配置。
      说明:

      为达到最优的负载感知调度效果,可以选择关闭装箱(binpack)策略。装箱策略(binpack)根据Pod的Request资源信息,将Pod优先调度到资源消耗较多的节点,在一定程度上会影响负载感知调度的效果。多种策略的结合使用案例可参考资源利用率优化调度配置案例

      参数

      说明

      默认值

      负载感知调度策略权重

      增大该权重值,可提高负载感知策略在整体调度中的影响力。

      5

      CPU权重

      增大该权重值,优先均衡CPU资源。

      1

      内存权重

      增大该权重值,优先均衡内存资源。

      1

      真实负载阈值生效方式

      • 软约束:节点CPU、内存真实负载达到阈值后,新的任务优先被分配至真实负载未达到阈值的节点,但是该节点依然允许调度。
      • 硬约束:节点CPU、内存真实负载达到阈值后,该节点不允许调度新的任务。

      硬约束

      CPU真实负载阈值

      节点CPU真实利用率超过该阈值后,会根据真实负载阈值生效方式中的约束调度工作负载。新下发的工作负载将被优先或强制调度到其他节点,节点中已经运行的工作负载不受影响。

      80

      内存真实负载阈值

      节点内存真实利用率超过该阈值后,会根据真实负载阈值生效方式中的约束调度工作负载。新下发的工作负载将被优先或强制调度到其他节点,节点中已经运行的工作负载不受影响。

      80

  1. 在集群中安装prometheus-adapter。

    1. 执行如下命令安装:
      git clone https://github.com/kubernetes-sigs/prometheus-adapter.git
      cd prometheus-adapter/deploy/manifests
      kubectl apply -f .
    2. 修改prometheus-adapter负载连接prometheus-server的配置。
      kubectl edit deployment prometheus-adapter -n monitoring

      修改prometheus-url参数值如下:

      • HTTPS协议修改为HTTP协议。
      • 默认域名修改为Prometheus Service的IP和端口,可通过kubectl get service -n monitoring命令查询。
      ...
            containers:
              - name: prometheus-adapter
                image: registry.k8s.io/prometheus-adapter/prometheus-adapter:v0.12.0
                args:
                  - --cert-dir=/var/run/serving-cert
                  - --config=/etc/adapter/config.yaml
                  - --prometheus-url=http://10.21.72.124:9090/
                  - --secure-port=6443
                  - --tls-cipher-suites=TLS_ECDHE_RSA_WITH_CHACHA20_POLY1305,TLS_ECDHE_ECDSA_WITH_CHACHA20_POLY1305,TLS_ECDHE_RSA_WITH_AES_128_GCM_SHA256,TLS_ECDHE_RSA_WITH_AES_256_GCM_SHA384,TLS_ECDHE_ECDSA_WITH_AES_128_GCM_SHA256,TLS_ECDHE_ECDSA_WITH_AES_256_GCM_SHA384,TLS_ECDHE_RSA_WITH_AES_128_CBC_SHA,TLS_ECDHE_ECDSA_WITH_AES_128_CBC_SHA256,TLS_ECDHE_ECDSA_WITH_AES_128_CBC_SHA,TLS_ECDHE_RSA_WITH_AES_256_CBC_SHA,TLS_ECDHE_ECDSA_WITH_AES_256_CBC_SHA,TLS_RSA_WITH_AES_128_GCM_SHA256,TLS_RSA_WITH_AES_256_GCM_SHA384,TLS_RSA_WITH_AES_128_CBC_SHA,TLS_RSA_WITH_AES_256_CBC_SHA
      ...
    3. 确认在Prometheus可以查询到原生的node_cpu_seconds_total和node_memory_MemAvailable_bytes指标。

  2. 开启自定义指标Metrics API以提供容器资源指标的能力。

    首先执行以下命令查询集群中是否已开启自定义指标Metrics API,如果已开启则可跳过本步骤。

    kubectl get APIServices | grep v1beta1.custom.metrics.k8s.io

    若存在回显,表示已开启自定义指标Metrics API;若不存在回显,则按照以下方式进行APIService对象注册(这里需要注意Service的名称prometheus-adapter和命名空间要与实际安装的环境对应,如下是kube-prometheus默认安装值)。

    1. 创建一个文件,命名为custom-metrics-apiservice.yaml。文件内容如下:
      apiVersion: apiregistration.k8s.io/v1
      kind: APIService
      metadata:
        labels:
          app.kubernetes.io/component: metrics
          app.kubernetes.io/name: prometheus-adapter
          app.kubernetes.io/part-of: prometheus-adapter
        name: v1beta1.custom.metrics.k8s.io
      spec:
        group: custom.metrics.k8s.io
        groupPriorityMinimum: 100
        insecureSkipTLSVerify: true
        service:
          name: prometheus-adapter
          namespace: monitoring
          port: 443
        version: v1beta1
        versionPriority: 100
    2. 然后执行以下命令创建对应APIService对象。
      kubectl create -f custom-metrics-apiservice.yaml
    3. 再次执行以下命令查询集群中是否已开启自定义指标Metrics API。
      kubectl get APIServices | grep v1beta1.custom.metrics.k8s.io

  3. 添加自定义指标采集规则。

    1. 修改adapter-config配置项。
      kubectl edit configmap adapter-config -n monitoring
    2. 在rules字段下添加自定义指标采集规则。
      自定义指标采集规则如下:
      ...
      data:
        config.yaml: >
          rules:
          - seriesQuery: '{__name__=~"node_cpu_seconds_total"}'
            resources:
              overrides:
                instance:
                  resource: node
            name:
              matches: node_cpu_seconds_total
              as: node_cpu_usage_avg
            metricsQuery: avg_over_time((1 - avg (irate(<<.Series>>{mode="idle"}[5m])) by (instance))[10m:30s])
          - seriesQuery: '{__name__=~"node_memory_MemTotal_bytes"}'
            resources:
              overrides:
                instance:
                  resource: node
            name:
              matches: node_memory_MemTotal_bytes
              as: node_memory_usage_avg
            metricsQuery: avg_over_time(((1-node_memory_MemAvailable_bytes/<<.Series>>))[10m:30s])
      ...
    3. 重新部署monitoring命名空间下的prometheus-adapter工作负载。
      kubectl rollout restart deployment prometheus-adapter -n monitoring
    4. 验证自定义规则配置成功。
      1. 执行以下命令,若可以正常返回自定义指标信息,表示Prometheus侧指标采集配置成功。
        kubectl get --raw=/apis/custom.metrics.k8s.io/v1beta1

      2. 执行以下命令,查询集群内节点信息。
        kubectl get nodes 

        然后任选一个节点执行以下命令,其中xxxx替换为查询到的node_name,如果需要查询所有节点资源信息,可以使用*代替xxxx

        kubectl get --raw=/apis/custom.metrics.k8s.io/v1beta1/nodes/xxxx/node_cpu_usage_avg

        查询结果示例如下:

  4. 开启负载感知调度能力。

    1. 登录CCE控制台。
    2. 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。
    3. 在专家模式配置中单击“开始使用”。

    4. 修改专家模式中的参数配置,配置负载感知调度策略,红色字体为开启负载感知调度能力增加的配置项,详情如下:
      admission_kube_api_qps: 200
      admissions: /jobs/mutate,/jobs/validate,/podgroups/mutate,/pods/validate,/pods/mutate,/queues/mutate,/queues/validate,/eas/pods/mutate,/eas/pods/validate,/npu/jobs/validate,/resource/validate,/resource/mutate,/workloadbalancer/balancer/validate,/workloadbalancer/balancerpolicytemplate/validate
      annotations: {}
      colocation_enable: "true"
      controller_kube_api_qps: 200
      default_scheduler_conf:
        actions: allocate, backfill, preempt
        metrics:
          interval: 30s
          type: prometheus_adaptor
        tiers:
          - plugins:
              - name: priority
              - enableJobStarving: false
                enablePreemptable: false
                name: gang
              - name: conformance
              - name: oversubscription
          - plugins:
              - enablePreemptable: false
                name: drf
              - name: predicates
              - name: nodeorder
              - arguments:
                   cpu.weight: 1
                   memory.weight: 1
                   thresholds:
                      cpu: 80
                      mem: 80
                  usage.weight: 5
                enablePredicate: true
                name: usage
          - plugins:
              - name: cce-gpu-topology-predicate
              - name: cce-gpu-topology-priority
              - name: xgpu
          - plugins:
              - name: nodelocalvolume
              - name: nodeemptydirvolume
              - name: nodeCSIscheduling
              - name: networkresource
      deschedulerPolicy:
        profiles:
          - name: ProfileName
            pluginConfig:
              - args:
                  nodeFit: true
                name: DefaultEvictor
              - args:
                  evictableNamespaces:
                    exclude:
                      - kube-system
                  thresholds:
                    cpu: 20
                    memory: 20
                name: HighNodeUtilization
              - args:
                  evictableNamespaces:
                    exclude:
                      - kube-system
                  metrics:
                    type: prometheus_adaptor
                  nodeFit: true
                  targetThresholds:
                    cpu: 80
                    memory: 85
                  thresholds:
                    cpu: 30
                    memory: 30
                name: LoadAware
            plugins:
              balance:
                enabled: null
      descheduler_enable: "false"
      deschedulingInterval: 10m
      enable_workload_balancer: false
      oversubscription_method: nodeResource
      oversubscription_profile_period: 300
      oversubscription_ratio: 60
      recommendation_enable: ""
      scheduler_kube_api_qps: 200
      update_pod_status_qps: 50
      workload_balancer_score_annotation_key: ""
      workload_balancer_third_party_types: ""

      集群负载感知调度关键参数如下:

      • usage.weight:表示负载感知调度策略权重,增大该权重值,可提高负载感知策略在整体调度中的影响力。
      • cpu.weight:表示CPU权重,增大该权重值,优先均衡CPU资源。
      • memory.weight:表示内存权重,增大该权重值,优先均衡内存资源。
      • thresholds:
        • cpu:表示CPU真实负载阈值。
        • mem:表示内存真实负载阈值。
      • enablePredicate:表示真实负载阈值生效方式。
        • 为true时表示硬约束:节点CPU、内存真实负载达到阈值后,该节点不允许调度新的任务。
        • 为false时表示软约束:节点CPU、内存真实负载达到阈值后,新的任务优先被分配至真实负载未达到阈值的节点,但是该节点依然允许调度。

提示

您即将访问非华为云网站,请注意账号财产安全

文档反馈

文档反馈

意见反馈

0/500

标记内容

同时提交标记内容