在 Kubernetes 生产环境中，合理的 Pod 调度策略和资源配额管理是保障集群稳定性和资源利用率的关键。本文将深入探讨 K8s 调度器的核心机制，并通过实际配置演示如何实现精细化资源管控。
一、Kubernetes 调度器工作原理
K8s 调度器通过过滤（Filter）和打分（Score）两个阶段为 Pod 选择最佳节点。过滤阶段排除不满足条件的节点，打分阶段对剩余节点按策略排序，最终选择得分最高的节点。
# 查看 Pod 调度结果和事件
kubectl get pod <pod-name> -o wide
kubectl describe pod <pod-name> | grep -A 10 Events
# 调度器过滤的常见原因
# - PodToleratesNodeTaints: 污点容忍度不匹配
# - Insufficient cpu/memory: 资源不足
# - NodeSelectorNotMatch: 标签选择器不匹配
# - VolumeNodeAffinityConflict: 持久卷亲和性冲突理解调度器行为对排查 Pod Pending 问题至关重要。当 Pod 长时间处于 Pending 状态时，首先检查 Events 中的调度失败原因，再针对性调整配置。
二、节点选择器与亲和性调度
nodeSelector 是最简单的节点选择方式，通过标签匹配将 Pod 调度到特定节点。但对于更复杂的调度需求，应使用 nodeAffinity 和 podAffinity。
apiVersion: apps/v1
kind: Deployment
metadata:
name: api-server
spec:
replicas: 3
selector:
matchLabels:
app: api-server
template:
metadata:
labels:
app: api-server
spec:
affinity:
nodeAffinity:
requiredDuringSchedulingIgnoredDuringExecution:
nodeSelectorTerms:
- matchExpressions:
- key: node-role.kubernetes.io/worker
operator: In
values: ["true"]
preferredDuringSchedulingIgnoredDuringExecution:
- weight: 80
preference:
matchExpressions:
- key: cpu-type
operator: In
values: ["amd"]
- weight: 20
preference:
matchExpressions:
- key: zone
operator: In
values: ["us-east-1a"]
podAntiAffinity:
requiredDuringSchedulingIgnoredDuringExecution:
- labelSelector:
matchLabels:
app: api-server
topologyKey: kubernetes.io/hostname
containers:
- name: api
image: registry.example.com/api:v2.1
resources:
requests:
cpu: "1000m"
memory: "2Gi"
limits:
cpu: "2000m"
memory: "4Gi"上述配置实现了三个调度目标：强制调度到 worker 节点；优先调度到 AMD CPU 且位于 us-east-1a 可用区的节点；通过 podAntiAffinity 确保 3 个副本分散在不同物理节点上，避免单点故障。
三、污点与容忍度机制
Taints 和 Tolerations 提供了反向调度能力：节点通过污点排斥 Pod，Pod 通过容忍度声明可以调度到带有特定污点的节点。这对于专用节点管理非常实用。
# 为节点添加污点：仅允许 GPU 任务调度
kubectl taint nodes gpu-node-01 gpu=true:NoSchedule
# 为节点添加污点：驱逐非专用 Pod
kubectl taint nodes db-node-01 dedicated=db:NoExecute
---
# Pod 配置容忍度
apiVersion: v1
kind: Pod
metadata:
name: gpu-training
spec:
tolerations:
- key: "gpu"
operator: "Equal"
value: "true"
effect: "NoSchedule"
- key: "dedicated"
operator: "Equal"
value: "db"
effect: "NoExecute"
tolerationSeconds: 300 # 容忍 5 分钟后驱逐
containers:
- name: trainer
image: ml/trainer:v1.0NoSchedule 效果阻止新 Pod 调度但不影响已运行的 Pod；NoExecute 则会驱逐不匹配的已运行 Pod。合理组合使用，可以实现节点的优雅排水和专用化。
四、ResourceQuota 与 LimitRange 资源管控
在多租户集群中，ResourceQuota 限制命名空间的总资源使用量，LimitRange 约束单个 Pod 的资源规格，两者配合实现分层资源管控。
apiVersion: v1
kind: ResourceQuota
metadata:
name: team-quota
namespace: team-alpha
spec:
hard:
requests.cpu: "20"
requests.memory: 40Gi
limits.cpu: "40"
limits.memory: 80Gi
persistentvolumeclaims: "10"
count/deployments.apps: "15"
count/pods: "50"
---
apiVersion: v1
kind: LimitRange
metadata:
name: pod-limits
namespace: team-alpha
spec:
limits:
- type: Container
max:
cpu: "4"
memory: 8Gi
min:
cpu: "100m"
memory: 128Mi
default:
cpu: "500m"
memory: 512Mi
defaultRequest:
cpu: "200m"
memory: 256MiLimitRange 的 default 和 defaultRequest 字段会自动为未设置资源限制的 Pod 注入默认值，避免个别 Pod 无限制占用资源而导致整个节点资源耗尽。
五、调度器自定义与优先级
通过 PriorityClass 可以为不同重要级别的 Pod 设置调度优先级。高优先级 Pod 可以抢占低优先级 Pod 的资源，保障核心业务的资源供给。
apiVersion: scheduling.k8s.io/v1
kind: PriorityClass
metadata:
name: high-priority
value: 1000000
globalDefault: false
description: "核心业务 Pods 使用"
---
apiVersion: scheduling.k8s.io/v1
kind: PriorityClass
metadata:
name: low-priority
value: 100
globalDefault: false
description: "批处理任务使用"
preemptionPolicy: Never # 不抢占其他 Pod在 Pod spec 中通过 priorityClassName 引用。当集群资源不足时，调度器会驱逐低优先级 Pod 来为高优先级 Pod 腾出资源。preemptionPolicy 设为 Never 可以防止该优先级类抢占其他 Pod，适用于可容忍排队的批处理任务。
六、生产实践建议
第一，始终为 Pod 设置 resource requests 和 limits。没有资源声明的 Pod 会影响调度器的负载均衡判断，可能导致节点资源超卖。第二，为关键服务配置 podAntiAffinity 和合理的 PriorityClass，确保高可用性和资源优先权。第三，定期*** ResourceQuota 使用情况，使用 kubectl describe resourcequota 及时调整配额。第四，利用调度器扩展（Scheduler Framework）实现更精细的自定义调度逻辑，如基于 GPU 利用率调度或跨可用区均匀分布。
Kubernetes 调度体系是一个多层次、可组合的系统，从节点选择到资源管控再到优先级抢占，每一层都提供了丰富的配置能力。掌握这些调度策略，才能让集群资源得到最优分配。