Kubernetes增强型调度器Volcano算法分析

【摘要】 Volcano 是基于 Kubernetes 的批处理系统，源自于华为云开源出来的。Volcano 方便 AI、大数据、基因、渲染等诸多行业通用计算框架接入，提供高性能任务调度引擎，高性能异构芯片管理，高性能任务运行管理等能力。

1      为什么K8S需要Volcano

    K8S自带的的资源调度器，有一个明显的特点是：依次调度每个容器。但在AI训练或者大数据，这种必须多个容器同时配合执行的情况下，容器依次调度是无法满足需要的。因为这些计算任务包含的容器们想要的是，要么同时都成功，要么就都别执行。

比如，某个大数据应用需要跑1个Driver容器+10个Executor容器(对应AI训练的话，就是1个PS容器+10个Worker容器)。如果容器是一个一个的调度，假设在启动最后一个executor容器(对应AI是Worker容器)时，由于资源不足而调度失败无法启动。那么前面的9个executor容器虽然运行着，其实也是浪费的。AI训练也是一样的道理，必须所有的Worker都同时运行，才能进行训练，坏一个，其他的容器就等于白跑。而GPU被容器霸占着却不能开始计算，成本是非常高的。

所以当你的(1)总体资源需求<集群资源的时候，普通的K8S自带调度器可以跑，没问题。但是当(2)总体资源需求>集群资源的时候，K8S自带调度器会因为随机依次调度容器，使得部分容器无法调度，从而导致业务占着资源又不能开始计算，死锁着浪费资源。那么场景(1)和场景(2)谁说常态呢