Kueue项目新增工作负载调度耗时监控指标的设计分析
2025-07-08 12:42:31作者:谭伦延
在Kubernetes批处理队列管理系统Kueue中,工作负载的调度过程监控一直是系统可观测性的重要组成部分。最近社区讨论并实现了一项增强功能,通过新增两个关键耗时指标来完善调度过程的监控体系。
监控指标设计背景
Kueue作为Kubernetes的批调度器,需要处理大量工作负载的排队和调度。在实际生产环境中,管理员经常需要了解以下关键信息:
- 工作负载从创建到被调度器接纳的耗时
- 工作负载从被接纳到所有Pod就绪的耗时
原有的监控体系虽然已经部分覆盖了这些需求,但存在以下不足:
- 指标定义不够明确
- 部分场景下的监控缺失
- 缺乏直方图类型的指标支持
新增指标详解
1. 工作负载接纳时间(admission_wait_time_seconds)
该指标记录工作负载从创建到被Kueue接纳的时间跨度。具体实现要点包括:
- 开始时间点:工作负载创建时间或最后一次重新排队时间
- 结束时间点:工作负载被调度器接纳的时间
- 指标类型:直方图(Histogram)
- 标签维度:包含队列名称、优先级等关键属性
2. 工作负载就绪时间(admitted_until_ready_wait_time_seconds)
该指标记录工作负载从被接纳到所有Pod就绪的时间跨度,实现考虑:
- 开始时间点:工作负载被接纳的时间
- 结束时间点:所有关联Pod达到Ready状态的时间
- 与waitForPodsReady特性的关系:初期仅在该特性启用时记录,后续可扩展
- 异常处理:明确未启用waitForPodsReady时的指标语义
技术实现要点
在Kueue控制器中,这些指标的记录主要发生在以下关键路径:
- 工作负载接纳流程:在完成资源分配和配额检查后记录admission_wait_time_seconds
- Pod就绪检查流程:在Reconciler检测到所有Pod就绪时记录admitted_until_ready_wait_time_seconds
实现时特别注意了线程安全和性能影响:
- 使用原子操作更新指标
- 避免在关键路径上进行复杂计算
- 指标采集间隔可配置
监控价值与应用场景
新增的这两个直方图指标为集群管理员提供了以下价值:
- 系统性能分析:识别调度瓶颈是在接纳阶段还是实际部署阶段
- 容量规划:根据历史数据评估工作负载的调度耗时趋势
- 异常检测:及时发现调度延迟异常增长的情况
- 服务质量评估:验证不同优先级工作负载的调度延迟SLA
典型的使用场景包括:
- 在Grafana中绘制调度耗时趋势图
- 设置调度延迟的Prometheus告警规则
- 进行调度性能的基准测试和对比
未来演进方向
当前实现已经满足了基本需求,但仍有优化空间:
- 统一指标采集策略:无论waitForPodsReady是否启用都记录就绪时间
- 增加更多维度标签:如工作负载类型、资源需求大小等
- 支持动态配置:允许运行时调整直方图的分桶策略
这些监控指标的加入显著提升了Kueue在大型集群中的可观测性,为系统调优和问题诊断提供了有力工具。随着Kueue在更多生产环境中的部署,这些指标将帮助运维团队更好地理解和优化批处理工作负载的调度行为。
登录后查看全文
热门项目推荐
Hunyuan3D-Part
腾讯混元3D-Part00Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0277community
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息011Hunyuan3D-2
Hunyuan3D 2.0:高分辨率三维生成系统,支持精准形状建模与生动纹理合成,简化资产再创作流程。Python00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
154
1.98 K

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
508
44

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
194
279

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
992
395

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
940
554

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
339
11

openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70