CNCF Atlas

日本語

English

日本語

English

Appearance

内部実装 ​

コミット 8c64324b のソースを読んだもの。ここでの主張はすべてファイルと行を指す。

コードマップ ​

パス責務
cmd/Cobra コマンドへ委譲する薄い実行バイナリ (apiserver, scheduler, controller-manager, kubelet, kubectl)
pkg/schedulerスケジューラ: キュー、キャッシュ、framework、Pod ごとのスケジューリングサイクル
pkg/kubelet割当 Pod を CRI 経由で動かすノードエージェント
pkg/controller上位オブジェクトを収束させる組み込みコントローラ群
pkg/controlplane, pkg/kubeapiserverAPI サーバの組み立てとストレージ配線
staging/src/k8s.io/*独立モジュールとして公開されるライブラリ (k8s.io/api, k8s.io/client-go, k8s.io/apimachinery)

中核データ構造 ​

Scheduler 構造体はスケジューリングの状態を保持する: ノード/Pod キャッシュ、スケジューリングキュー、Pod ごとの profile、差し替え可能な SchedulePod 関数 (scheduler.go:68)。SchedulePod を構造体のフィールドにしている (scheduler.go:87) ことで、テストや別アルゴリズムが中核の判断を差し替えられる。

QueuedPodInfo は PodInfo に queueing パラメータと Pod signature を重ねたもので、スケジューリングキューに乗る単位だ (types.go:719)。Gated() メソッドが gating プラグインにまだ止められているかを返す (types.go:747)。

CycleState は 1 スケジューリングサイクル限定のスクラッチだ。sync.Map で裏打ちされ、プラグインが使う write-once-read-many パターン (PreFilter/PreScore で 1 度書き、Filter/Score で何度も読む) に最適化されている (cycle_state.go:28)。

追う価値のあるパス ​

Pod 1 個のスケジューリング、すべて pkg/scheduler/schedule_one.go 内。schedulePod が判断の中核だ: ノードを feasible な集合へ絞り、0 件なら FitError で失敗し、1 件ならそのまま採用し、複数ならスコアリングして最良を pop する (schedule_one.go:564)。フィルタ自体は findNodesThatFitPod の中でまず PreFilter プラグインを走らせる (schedule_one.go:622, PreFilter 呼び出しは :632)。

text
ScheduleOne (:67)
  -> scheduleOnePod (:93)            profile 解決, 新しい CycleState
    -> schedulingCycle (:169)
      -> UpdateSnapshot (:177)
      -> schedulingAlgorithm -> schedulePod (:564)
           findNodesThatFitPod -> RunPreFilterPlugins (:632) -> Filter
           prioritizeNodes -> 最高スコアを pop
      -> prepareForBindingCycle (:196)  assume + Reserve + Permit
  -> go runBindingCycle (:141)          非同期 bind
       -> bind (:1142) -> RunBindPlugins -> DefaultBinder.Bind

実際のクラスタ変更は既定の binder で起きる。選択ノードを指す v1.Binding を構築し、API サーバへ POST する (default_binder.go:52)。

読んで驚いた点 ​

スケジューラは大規模クラスタで全ノードを評価しない。numFeasibleNodesToFind が候補集合を適応的に絞る (schedule_one.go:858)。percentageOfNodesToScore が未指定のとき percentage = 50 - numAllNodes/125 を計算し、下限でクランプする (schedule_one.go:871)。そして minFeasibleNodesToFind = 100 を下回らない (schedule_one.go:57)。クラスタが大きいほど見るノードの割合は小さくなる。最適配置をスケジューリングのレイテンシと引き換えにしている。

2 つ目の驚きは楽観的な assume とそれに続く非同期 bind だ (schedule_one.go:141)。API サーバが binding を確定する前に Pod はキャッシュ上で配置済みと記され、次の Pod はネットワーク往復を待たずにスケジューリングできる。