Kubernetes调度器通过Filter（Predicates）和Score（Priorities）两阶段机制选择最优Node，优化需结合合理Requests/Limits设置、Scheduler Framework插件、TopologySpreadConstraints与Cluster Autoscaler协同。
理解Kubernetes调度器的核心机制
Go语言是Kubernetes调度器（kube-scheduler）的实现语言，其调度逻辑本质上是一组可扩展的过滤（Filter）和打分（Score）函数。默认调度器会遍历所有Node，先用Predicates（如资源是否足够、污点容忍、亲和性规则）筛出可行节点，再用Priorities（如LeastRequested、BalancedResourceAllocation）对候选节点打分，最终选择得分最高的Node。
优化调度效果，首先要清楚哪些环节可干预：自定义调度器、调度框架插件（Scheduler Framework）、Pod拓扑分布约束、以及应用层的资源声明方式。单纯调大CPU Limit并不会提升利用率，反而可能造成资源浪费或抢占失败。
合理设置Requests和Limits，避免“虚报”资源
Kubernetes按Requests分配资源（决定能否调度）和驱逐优先级，而Limits仅用于运行时限制。若只设Limits不设Requests，系统默认Requests=Limits，极易导致调度僵化；若Requests远小于实际使用量，又会引发节点过载。
根据 package.json 中的 engines 字段自动检测 Node.js 版本需求，未安装 nvm 时自动安装并切换至对应版本。支持 Windows、macOS、Linux。适用于 Node.js 项目开发、版本切换和环境配置。
- 用
metrics-server + kubectl top持续观测Pod实际CPU/Memory使用率，建议Requests设为P90使用峰值的1.2–1.5倍 - 对批处理类Job，可使用
resourcePolicy: "burstable"配合低Requests+高Limits，配合QoS保障关键服务 - 启用
VerticalPodAutoscaler (VPA)自动推荐并调整Requests/Limits，但注意VPA不支持Limit自动更新，需配合策略人工审核
用调度框架插件精准控制资源分配行为
Kubernetes v1.21+默认启用Scheduler Framework，允许你在Go中编写扩展插件，插入到调度流水线的特定阶段。相比旧版自定义调度器，它更轻量、易维护，且与默认调度器共存。
立即学习“go语言免费学习笔记（深入）”；
- 在
Filter阶段写插件：例如检查节点当前负载（通过NodeMetrics API），拒绝调度到CPU使用率>70%的节点 - 在
Score阶段写插件：例如给空闲内存多的节点加分，或对同机架Pod降分以分散故障域 - 插件用Go实现，编译进调度器二进制或以Out-of-Tree方式通过gRPC注册；官方示例见kubernetes-sigs/scheduler-plugins仓库
结合拓扑分布与弹性伸缩，提升集群整体水位
单靠单Pod调度优化不够，还需从全局视角平衡负载。Kubernetes原生提供TopologySpreadConstraints和Cluster Autoscaler协同工作：
- 用
topologyKey: topology.kubernetes.io/zone确保Pod跨可用区均匀分布，防止单AZ资源耗尽 - 配置
minDomains和whenUnsatisfiable: DoNotSchedule避免因局部不均导致调度失败 - Cluster Autoscaler根据Pending Pod的Requests自动增减Node，但需配合HPA/VPA——HPA扩副本提升横向密度，VPA调Requests提升纵向密度，二者共同推高节点平均利用率
