K8s 集群节点 CPU 使用率高！内存溢出（OOM）！宕机！导致大量微服务瘫痪怎么办？可能是调度策略没做好，看完这篇文章掌握提高集群稳定性的管理诀窍。
Kubernetes（K8s）是一个开源的容器编排工具，而容器调度是其非常重要的特性，所谓的调度是指将容器（Pod）分配到集群中的节点上运行的过程。为了更好地控制容器的调度，K8s 提供了多种调度策略，其中包括定向调度和亲和性策略。在实际的 K8s 集群维护场景中，合理使用这些调度策略，对集群的稳定性至关重要。本文将通过分享实践案例，帮助你更好地理解和使用这些功能。
定向调度
定向调度通过 nodeName 和 nodeSelector 来声明 Pod 期望调度的目标节点，这种方式的调度是强制性的，不管节点是否存在，是否宕机，都会往声明的节点上去调度，当目标不存在或不可调度时，将会导致 Pod 无法运行。
- nodeName
强制将 Pod 调度到指定主机名的节点上，这种方式简单粗暴，没有经过 Scheduler 的调度逻辑。
示例：我有一个机器学习的应用，需要调度到集群中唯一的 GPU 节点上，可以这样做。
apiVersion: apps/v1
kind: Deployment
metadata:
name: athena
spec:
replicas: 1
selector:
matchLabels:
app: athena
template:
metadata:
labels:
app: athena
spec:
containers:
- name: athena
image: athena:2.0.0
nodeName: k8s-node-gpu-1
- NodeSelector
强制将 Pod 调度到指定标签的节点上，这种方式通过 Label-selector 机制实现，在 Pod 创建之前，会由 Schedule 的 MatchNodeSelector 调度策略根据 Label 匹配节点，再将 Pod 调度到目标节点上。
示例：我有一个机器学习的应用，需要调度到集群中带有 hardware-type:gpu 标签的节点上，带有该标签的节点有多台，可以这样做。
apiVersion: apps/v1
kind: Deployment
metadata:
name: athena
spec:
replicas: 1
selector:
matchLabels:
app: athena
template:
metadata:
labels:
app: athena
spec:
containers:
- name: athena
image: athena:2.0.0
nodeSelector:
hardware-type: gpu
# gpu-type: T4 (允许有多label匹配)
定向调度比较简单粗暴，那有没有相对温和、灵活点的调度策略呢？当然是有的，接下来让我们来看看亲和性调度策略。
亲和性调度
亲和性调度（Affinity）在定向调度的基础上，通过灵活的节点亲和性（nodeAffinity）、Pod 亲和性（podAffinity）、Pod 反亲和性（podAntiAffinity）规则，满足更多样化的调度场景。
- nodeAffinity
比 nodeSelector 更加强大和灵活，可以让 Pod 满足更多样化的条件调度到指定的节点上，支持"软性调度"（PreferredDuringSchedulingIgnoreDuringExecution）和"硬性调度"（RequiredDuringSchedulingIgnoredDuringExecution）"，硬性调度比较强硬，不满足条件则调度不成功，而软性调度相对温和，属于倾向性优先选择满足条件的节点，并不强求。
让我们来看两个示例，加深理解：
示例 1：我有一个机器学习的应用，必须调度到集群中带有 hardware-type: gpu，且区域 kubernetes.io/zone 的值为 cn-shenzhen-1 或 cn-shenzhen-2 标签的节点上。我们可以通过亲和性的硬性调度实现，具体如下：
apiVersion: apps/v1
kind: Deployment
metadata:
name: athena
spec:
replicas: 2
selector:
matchLabels:
app: athena
template:
metadata:
labels:
app: athena
spec:
containers:
- name: athena
image: athena:2.0.0
affinity:
nodeAffinity:
# 硬性调度，节点必须满足所有条件才可以调度
requiredDuringSchedulingIgnoredDuringExecution:
nodeSelectorTerms:
- matchExpressions:
- key: hardware-type
# 运算
operator: In
values:
- gpu
- key: kubernetes.io/zone
operator: In
values:
- cn-shenzhen-1
- cn-shenzhen-2
Operator 支持的运算符还有：
Exists(key必须存在，value可以是任意的)
DoesNotExist（key不能存在）
In（key的value必须在提供的值列表中）
NotIn（key的value不能在提供的值列表中）
Gt（key的value必须大于提供的值，仅支持整数）
Lt（key的value必须小于提供的值）
示例 2：我有一个机器学习的应用，倾向于调度到集群中带有 hardware-type: gpu，且区域 kubernetes.io/zone 的值为 cn-shenzhen-1 或 cn-shenzhen-2 标签的节点上。我们可以通过亲和性的软性调度实现，如果不能满足条件，他也会尝试去调度其他节点，具体如下：
apiVersion: apps/v1
kind: Deployment
metadata:
name: athena
spec:
replicas: 2
selector:
matchLabels:
app: athena
template:
metadata:
labels:
app: athena
spec:
containers:
- name: athena
image: athena:2.0.0
affinity:
nodeAffinity:
preferredDuringSchedulingIgnoredDuringExecution:
# 满足条件的节点会加分，值支持（1-100），分数越高，优先级越高
# 不加的话，满足条件的节点权重也为0，不能保证其优先级。
- weight: 1
preference:
matchExpressions:
- key: hardware-type
# 运算，支持的运算符跟硬性调度一致
operator: In
values:
- gpu
- key: kubernetes.io/zone
operator: In
values:
- cn-shenzhen-1
- cn-shenzhen-2
- Pod 亲和性（podAffinity）和反亲和性（podAntiAffinity）
顾名思义，Pod 亲和性用来指定哪些 Pod 应该跟哪些 Pod 更加靠近，而 Pod 反亲和性通常用来打散 Pod，让某些 Pod 不在同一节点或区域，同样也有"软性调度"（PreferredDuringSchedulingIgnoreDuringExecution）"和"硬性调度" （RequiredDuringSchedulingIgnoredDuringExecution），接下来我将用一个示例，加深对 Pod 亲和性和反亲和性的理解：
示例：有两个微服务 zeus 和 athena 相互调用比较频繁，他们都有两个副本，出于提升效率和可用性考虑，我想将 zeus 和 athena 的副本打散到两个不同的可用区（zone），并让他们的副本必须部署到同一个节点上，假设 zeus 已经部署好了，那 athena 的部署可以这样实现。
apiVersion: apps/v1
kind: Deployment
metadata:
name: athena
spec:
replicas: 2
selector:
matchLabels:
app: athena
template:
metadata:
labels:
app: athena
spec:
containers:
- name: athena
image: athena:2.0.0
affinity:
# Pod亲和性
podAffinity:
requiredDuringSchedulingIgnoredDuringExecution:
- labelSelector:
matchLabels:
app: zeus
# 拓扑键，表示在相同主机上调度
topologyKey: kubernetes.io/hostname
# Pod反亲和性
podAntiAffinity:
requiredDuringSchedulingIgnoredDuringExecution:
- labelSelector:
matchLabels:
app: athena
# 拓扑键，表示在不同区域上调度
topologyKey: topology.kubernetes.io/zone
结 语
在文章开头我们提到如何借助调度策略来提升 K8s 集群的可用性，相信看完全文的小伙伴都可以悟出其中奥妙，我们可以将高计算、高内存的 Pod 调度到指定的节点，避免影响关键服务运行，另外为了保障微服务的高可用性，我们通常会打散副本到不同的节点或者可用区。
本文首发：SRE运维手记，作者：亦零一。
本文由博客一文多发平台 OpenWrite 发布！