Kubernetes 1.18集群如何启用RequestedToCapacityRatio装箱调度特性

• 调度插件配置不完整：Kubernetes 1.18版本的kube-scheduler有默认启用的调度插件列表，你在配置中仅显式启用了RequestedToCapacityRatio这一个评分阶段插件，会导致其他所有默认评分插件（如NodeResourcesFit、NodeAffinity等）被自动禁用，调度逻辑链路缺失，无法完成正常的节点筛选和评分。
• 测试Pod未声明资源请求：RequestedToCapacityRatio插件的评分逻辑完全依赖Pod的resources.requests字段计算节点资源利用率，你提供的测试Pod未配置任何CPU、内存或GPU资源请求，调度器无法计算利用率得分，叠加插件权重设置过高的影响，没有符合调度条件的节点，最终Pod卡在Pending状态。
• 可选排查点：可执行journalctl -u kube-scheduler -f查看调度器运行日志，确认配置是否加载成功、是否有其他调度相关报错；同时检查节点是否已正确安装nvidia-device-plugin，执行kubectl describe node <节点名>确认Capacity/Allocatable字段下有nvidia.com/gpu资源上报。

1. 修正调度策略配置文件
   保留所有默认启用的评分插件，再添加RequestedToCapacityRatio插件，参考配置如下：

apiVersion: kubescheduler.config.k8s.io/v1beta1
kind: KubeSchedulerConfiguration
leaderElection:
  leaderElect: true
clientConnection:
  kubeconfig: /etc/kubernetes/kube-scheduler.kubeconfig
profiles:
  - schedulerName: kube-scheduler
    plugins:
      score:
        enabled:
        # 保留默认启用的评分插件
        - name: NodeResourcesFit
          weight: 1
        - name: NodeAffinity
          weight: 1
        - name: PodTopologySpread
          weight: 1
        - name: TaintToleration
          weight: 1
        - name: ImageLocality
          weight: 1
        # 新增bin packing插件，高权重优先生效
        - name: RequestedToCapacityRatio
          weight: 100
    pluginConfig:
    - name: RequestedToCapacityRatio
      args:
        shape:
        # 利用率越高评分越高，实现装箱效果
        - utilization: 0
          score: 0
        - utilization: 100
          score: 10
        resources: 
        - name:  cpu
          weight: 1
        - name:  nvidia.com/gpu
          weight: 100

2. 重启kube-scheduler生效配置
   执行原有重启命令即可，重启后检查调度器日志确认无报错：

systemctl daemon-reload
systemctl stop kube-scheduler
systemctl start kube-scheduler
journalctl -u kube-scheduler -f

3. 修正业务Pod配置
   所有需要参与bin packing调度的Pod必须显式声明resources.requests，GPU资源需要同时配置requests和limits，修正后的测试Pod参考如下：

apiVersion: v1
kind: Pod
metadata:
  name: test
spec:
  containers:
  - command: ["/bin/bash", "-c", "sleep 3600"]
    image: ubuntu:18.04
    name: test
    resources:
      requests:
        cpu: "1"
        memory: "2Gi"
        nvidia.com/gpu: "1"
      limits:
        nvidia.com/gpu: "1"

4. 验证调度效果
   Pod创建后执行kubectl describe pod test查看Events字段的调度记录，确认Pod被调度到GPU利用率更高的节点，符合bin packing策略预期。

内容的提问来源于stack exchange，提问作者Wallace