k8s教程說明

prometheus全元件的教程

go語言課程

告警的ql


histogram_quantile(0.99, sum(rate(scheduler_e2e_scheduling_duration_seconds_bucket{job="kube-scheduler"}[5m])) without(instance, pod)) > 3 for 1m

含義：排程耗時超過3秒
追蹤這個 histogram的metrics
程式碼版本 v1.20
位置 D:\go_path\src\github.com\kubernetes\kubernetes\pkg\scheduler\metrics\metrics.go
追蹤呼叫方，在observeScheduleAttemptAndLatency的封裝中，位置 D:\go_path\src\github.com\kubernetes\kubernetes\pkg\scheduler\metrics\profile_metrics.go
這裡可看到排程的三種結果都會記錄相關的耗時

追蹤呼叫方

位置 D:\go_path\src\github.com\kubernetes\kubernetes\pkg\scheduler\scheduler.go + 608
在函式 Scheduler.scheduleOne中，用來記錄排程每個pod的耗時
可以看到具體的呼叫點，在非同步bind函式的底部

由此得出結論 e2e 是統計整個scheduleOne的耗時

go func() {
      err := sched.bind(bindingCycleCtx, fwk, assumedPod, scheduleResult.SuggestedHost, state)
      if err != nil {
          metrics.PodScheduleError(fwk.ProfileName(), metrics.SinceInSeconds(start))
          // trigger un-reserve plugins to clean up state associated with the reserved Pod
          fwk.RunReservePluginsUnreserve(bindingCycleCtx, state, assumedPod, scheduleResult.SuggestedHost)
          if err := sched.SchedulerCache.ForgetPod(assumedPod); err != nil {
              klog.Errorf("scheduler cache ForgetPod failed: %v", err)
          }
          sched.recordSchedulingFailure(fwk, assumedPodInfo, fmt.Errorf("binding rejected: %w", err), SchedulerError, "")
      } else {
          // Calculating nodeResourceString can be heavy. Avoid it if klog verbosity is below 2.
          if klog.V(2).Enabled() {
              klog.InfoS("Successfully bound pod to node", "pod", klog.KObj(pod), "node", scheduleResult.SuggestedHost, "evaluatedNodes", scheduleResult.EvaluatedNodes, "feasibleNodes", scheduleResult.FeasibleNodes)
          }
          metrics.PodScheduled(fwk.ProfileName(), metrics.SinceInSeconds(start))
          metrics.PodSchedulingAttempts.Observe(float64(podInfo.Attempts))
          metrics.PodSchedulingDuration.WithLabelValues(getAttemptsLabel(podInfo)).Observe(metrics.SinceInSeconds(podInfo.InitialAttemptTimestamp))

          // Run "postbind" plugins.
          fwk.RunPostBindPlugins(bindingCycleCtx, state, assumedPod, scheduleResult.SuggestedHost)
      }
}

scheduleOne從上到下都包含哪幾個過程

01 排程演算法耗時

例項程式碼

// 呼叫排程演算法給出結果
scheduleResult, err := sched.Algorithm.Schedule(schedulingCycleCtx, fwk, state, pod)
// 處理錯誤
if err != nil{}
// 記錄排程演算法耗時
metrics.SchedulingAlgorithmLatency.Observe(metrics.SinceInSeconds(start
}))

從上面可以看出主要分3個步驟
- 呼叫排程演算法給出結果
- 處理錯誤
- 記錄排程演算法耗時

那麼我們首先應該演算法的耗時，對應的histogram metrics為

histogram_quantile(0.99, sum(rate(scheduler_scheduling_algorithm_duration_seconds_bucket{job="kube-scheduler"}[5m])) by (le))

將e2e和algorithm 99分位耗時再結合告警時間的曲線發現吻合度較高
但是發現99分位下 algorithm > e2e ，但是按照e2e作為兜底來看，應該是e2e要更高，所以調整999分位發現2者差不多
造成上述問題的原因跟prometheus histogram線性插值法的誤差有關係，具體可以看我的文章 histogram線性插值法原理

Algorithm.Schedule具體流程

在Schedule中可以看到兩個主要的函式呼叫


feasibleNodes, filteredNodesStatuses, err := g.findNodesThatFitPod(ctx, fwk, state, pod)
priorityList, err := g.prioritizeNodes(ctx, fwk, state, pod, feasibleNodes)

其中 findNodesThatFitPod 對應的是filter流程，對應的metrics有 scheduler_framework_extension_point_duration_seconds_bucket

histogram_quantile(0.999, sum by(extension_point,le) (rate(scheduler_framework_extension_point_duration_seconds_bucket{job="kube-scheduler"}[5m])))

相關的截圖可以看到

prioritizeNodes對應的是score流程，對應的metrics有

histogram_quantile(0.99, sum by(plugin,le) (rate(scheduler_plugin_execution_duration_seconds_bucket{job="kube-scheduler"}[5m])))

相關的截圖可以看到
上述具體的演算法流程可以和官方文件給出的流程圖對得上

02 排程演算法耗時

再回過頭來看bind的過程

其中的核心就在bind這裡

err := sched.bind(bindingCycleCtx, fwk, assumedPod, scheduleResult.SuggestedHost, state)

可以看到在bind函式內部是單獨計時的

func (sched *Scheduler) bind(ctx context.Context, fwk framework.Framework, assumed *v1.Pod, targetNode string, state *framework.CycleState) (err error) {
  start := time.Now()
  defer func() {
      sched.finishBinding(fwk, assumed, targetNode, start, err)
  }()

  bound, err := sched.extendersBinding(assumed, targetNode)
  if bound {
      return err
  }
  bindStatus := fwk.RunBindPlugins(ctx, state, assumed, targetNode)
  if bindStatus.IsSuccess() {
      return nil
  }
  if bindStatus.Code() == framework.Error {
      return bindStatus.AsError()
  }
  return fmt.Errorf("bind status: %s, %v", bindStatus.Code().String(), bindStatus.Message())
}

對應的metric為

histogram_quantile(0.999, sum by(le) (rate(scheduler_binding_duration_seconds_bucket{job="kube-scheduler"}[5m])))

這裡我們對比e2e和bind的999分位值
發現相比於alg，bind和e2e吻合度更高
同時發現bind內部主要兩個流程 sched.extendersBinding執行外部binding外掛
fwk.RunBindPlugins 執行內部的繫結外掛

內部繫結外掛

程式碼如下，主要流程就是執行繫結外掛

// RunBindPlugins runs the set of configured bind plugins until one returns a non `Skip` status.
func (f *frameworkImpl) RunBindPlugins(ctx context.Context, state *framework.CycleState, pod *v1.Pod, nodeName string) (status *framework.Status) {
  startTime := time.Now()
  defer func() {
      metrics.FrameworkExtensionPointDuration.WithLabelValues(bind, status.Code().String(), f.profileName).Observe(metrics.SinceInSeconds(startTime))
  }()
  if len(f.bindPlugins) == 0 {
      return framework.NewStatus(framework.Skip, "")
  }
  for _, bp := range f.bindPlugins {
      status = f.runBindPlugin(ctx, bp, state, pod, nodeName)
      if status != nil && status.Code() == framework.Skip {
          continue
      }
      if !status.IsSuccess() {
          err := status.AsError()
          klog.ErrorS(err, "Failed running Bind plugin", "plugin", bp.Name(), "pod", klog.KObj(pod))
          return framework.AsStatus(fmt.Errorf("running Bind plugin %q: %w", bp.Name(), err))
      }
      return status
  }
  return status
}

那麼預設的繫結外掛為呼叫 pod的bind方法繫結到指定的node上，binding是pods的子資源

// Bind binds pods to nodes using the k8s client.
func (b DefaultBinder) Bind(ctx context.Context, state *framework.CycleState, p *v1.Pod, nodeName string) *framework.Status {
  klog.V(3).Infof("Attempting to bind %v/%v to %v", p.Namespace, p.Name, nodeName)
  binding := &v1.Binding{
      ObjectMeta: metav1.ObjectMeta{Namespace: p.Namespace, Name: p.Name, UID: p.UID},
      Target:     v1.ObjectReference{Kind: "Node", Name: nodeName},
  }
  err := b.handle.ClientSet().CoreV1().Pods(binding.Namespace).Bind(ctx, binding, metav1.CreateOptions{})
  if err != nil {
      return framework.AsStatus(err)
  }
  return nil
}

執行繫結動作也有相關的metrics統計耗時，

histogram_quantile(0.999, sum by(le) (rate(scheduler_plugin_execution_duration_seconds_bucket{extension_point="Bind",plugin="DefaultBinder",job="kube-scheduler"}[5m])))

同時在 RunBindPlugins中也有defer func負責統計耗時

histogram_quantile(0.9999, sum by(le) (rate(scheduler_framework_extension_point_duration_seconds_bucket{extension_point="Bind",job="kube-scheduler"}[5m])))

從上面兩個metrics看，內部的外掛耗時都很低

extendersBinding 外部外掛

程式碼如下，遍歷Algorithm的Extenders，判斷是bind型別的，然後執行extender.Bind

// TODO(#87159): Move this to a Plugin.
func (sched *Scheduler) extendersBinding(pod *v1.Pod, node string) (bool, error) {
  for _, extender := range sched.Algorithm.Extenders() {
      if !extender.IsBinder() || !extender.IsInterested(pod) {
          continue
      }
      return true, extender.Bind(&v1.Binding{
          ObjectMeta: metav1.ObjectMeta{Namespace: pod.Namespace, Name: pod.Name, UID: pod.UID},
          Target:     v1.ObjectReference{Kind: "Node", Name: node},
      })
  }
  return false, nil
}

extender.Bind對應就是通過http發往外部的排程器

// Bind delegates the action of binding a pod to a node to the extender.
func (h *HTTPExtender) Bind(binding *v1.Binding) error {
  var result extenderv1.ExtenderBindingResult
  if !h.IsBinder() {
      // This shouldn't happen as this extender wouldn't have become a Binder.
      return fmt.Errorf("unexpected empty bindVerb in extender")
  }
  req := &extenderv1.ExtenderBindingArgs{
      PodName:      binding.Name,
      PodNamespace: binding.Namespace,
      PodUID:       binding.UID,
      Node:         binding.Target.Name,
  }
  if err := h.send(h.bindVerb, req, &result); err != nil {
      return err
  }
  if result.Error != "" {
      return fmt.Errorf(result.Error)
  }
  return nil
}

很遺憾的是這裡並沒有相關的metrics統計耗時
目前猜測遍歷 sched.Algorithm.Extenders 執行的耗時
這裡sched.Algorithm.Extenders來自於 KubeSchedulerConfiguration 中的配置
也就是編寫配置檔案，並將其路徑傳給 kube-scheduler 的命令列引數，定製 kube-scheduler 的行為，目前並沒有看到

總結

scheduler 排程過程

單個pod的排程主要分為3個步驟：
- 根據Predict和Priority兩個階段，呼叫各自的演算法外掛，選擇最優的Node
- Assume這個Pod被排程到對應的Node，儲存到cache
- 用extender和plugins進行驗證，如果通過則繫結
e2e 耗時主要來自bind
但目前看到bind執行耗時並沒有很長
待續

從k8s叢集e2e排程慢告警看kube-scheduler原始碼