Paws调度器原理解析：智能资源分配背后的算法与实现

【免费下载链接】pawsPerformance Aware System is a system for precise resource recommendation and intelligent scheduling.项目地址: https://gitcode.com/openeuler/paws

前往项目官网免费下载：https://ar.openeuler.org/ar/

Paws（Performance Aware System）是openEuler社区推出的智能资源推荐与调度系统，通过精准的资源预测和动态调度算法，实现容器集群的高效资源利用。本文将深入解析Paws调度器的核心原理、算法实现及架构设计，帮助读者理解智能资源分配的底层逻辑。

一、Paws调度器核心功能：从预测到决策的全流程

Paws调度器通过时间利用率（Temporal Utilization）插件实现智能资源分配，其核心功能包括：

1.1 历史数据驱动的资源模板提取

系统通过Prometheus收集容器CPU使用率（container_cpu_usage_total）等指标，结合cAdvisor暴露的容器标签，构建应用的资源使用特征模板。这些模板存储在UsageTemplate CRD中，包含资源类型、评估周期和过滤规则等配置。

1.2 动态资源推荐与调度

基于资源模板，Paws调度器每6小时（可配置）执行一次评估，通过峰谷填充算法实现节点资源的精细化分配。调度过程中会参考节点的scheduling.x-k8s.io/<resource>-overcommit-ratio注解，动态调整资源超配比例，在保证服务质量的前提下提升集群利用率。

二、架构解析：垂直Pod自动扩缩器如何工作？

Paws调度器的资源推荐能力依赖于垂直Pod自动扩缩器（VPA）组件，其架构如图所示：

2.1 核心组件协作流程

• VPA对象：定义资源推荐策略，包括更新间隔、目标工作负载等配置
• Recommender：通过DRIFT算法分析历史指标，生成资源推荐值
• Updater：监控VPA对象变化，触发Pod资源更新
• Admission Hook：在Pod创建时注入推荐的资源配置

2.2 数据流向

1. Prometheus采集容器 metrics 并存储
2. Recommender从Prometheus拉取历史数据，进行特征提取和预测
3. 推荐结果通过DRIFT算法补丁更新至VPA对象
4. Updater检测到VPA变化后，协调Pod资源调整

三、关键算法：时间利用率插件的实现逻辑

时间利用率插件是Paws调度器的核心，位于scheduler/pkg/temporalutilization/目录，其工作原理包括以下步骤：

3.1 标签关联与资源模板生成

用户通过标签scheduling.x-k8s.io/usage-template将Pod与UsageTemplate关联，系统根据标签筛选同类应用的容器 metrics。例如：

labels: scheduling.x-k8s.io/usage-template: product-svc-app1 app.kubernetes.io/part-of: product-svc-app1

3.2 超配与过滤机制

为最大化资源利用率，Paws建议禁用默认的NodeResourcesFit和NodeResourcesBalancedAllocation插件，开启EnableOvercommit参数。调度时通过节点超配注解实现资源弹性分配，关键配置如下：

pluginConfig: - name: TemporalUtilization args: hotSpotThreshold: 60 # 热点阈值百分比 enableOvercommit: true

3.3 评估周期与QoS保障

插件每6小时执行一次资源评估，通过配置qualityOfServiceClass: Guaranteed确保关键应用的服务质量。评估结果存储在UsageTemplate中，作为后续调度决策的依据。

四、部署与使用：快速上手Paws调度器

4.1 环境准备

部署Paws调度器前需确保集群已安装：

• Prometheus（指标收集）
• cAdvisor（容器监控）
• 配置cAdvisor存储容器标签：--store_container_labels=true或通过白名单指定关键标签

4.2 安装步骤

1. 克隆仓库：git clone https://gitcode.com/openeuler/paws
2. 部署CRD：kubectl apply -f scheduler/manifests/crds/scheduling.x-k8s.io_usagetemplates.yaml
3. 安装控制器：helm install paws scheduler/manifests/install/paws-system

4.3 验证与监控

通过查看UsageTemplate状态验证资源推荐结果：

kubectl get usagetemplates scheduling.x-k8s.io product-svc-app1 -o yaml

监控指标可通过scheduler/pkg/metrics/prometheus.go暴露的接口查看。

五、总结与展望

Paws调度器通过历史数据建模、动态资源推荐和智能调度算法，有效解决了容器集群资源利用率低的问题。其核心优势在于：

• 数据驱动：基于实际运行指标优化资源分配
• 弹性伸缩：支持资源超配与动态调整
• 易于集成：兼容Kubernetes生态，支持自定义资源模板

未来，Paws将进一步优化预测算法，支持更多资源类型（如内存、GPU），并增强多云环境下的调度能力，为用户提供更智能、更高效的资源管理体验。

【免费下载链接】pawsPerformance Aware System is a system for precise resource recommendation and intelligent scheduling.项目地址: https://gitcode.com/openeuler/paws