首页
/ Kueue v0.12.0 版本深度解析:Kubernetes 批处理队列系统的重大升级

Kueue v0.12.0 版本深度解析:Kubernetes 批处理队列系统的重大升级

2025-06-26 21:42:02作者:冯爽妲Honey

Kueue 是 Kubernetes 社区中一个专注于批处理工作负载管理的项目,它通过智能队列机制为集群资源提供公平高效的调度能力。最新发布的 v0.12.0 版本带来了多项重要改进和新功能,本文将深入解析这些技术演进。

核心架构改进

本次版本在 API 层面进行了重要调整。Topology CRD 的注解问题得到修复,解决了 Helm 安装时可能出现的拓扑列表错误。值得注意的是,LocalQueue 类型中 status.flavors[].topology 字段从 Topology 变更为 TopologyInfo,这对集成 Kueue 的自定义控制器开发者来说需要特别注意适配。

API Priority and Fairness 配置现在默认包含可见性端点支持,这对使用 Kubernetes 1.28 及以下版本的用户需要特别注意兼容性问题。同时移除了 IntegrationCallbacks 结构体中的 IsManagingObjectsOwner 字段,简化了集成接口。

关键新特性

资源预配请求增强

新版本引入了 ProvisioningRequestConfig API,这是一个重大创新。它允许 Kueue 根据用户创建的 Workload(如 PyTorchJob)中多个 PodSet 的聚合资源来创建包含单个 PodSet 的 ProvisioningRequest。这种机制特别适合需要复杂资源组合的机器学习训练场景。

TopologyAwareScheduling(TAS)功能现在支持 ProvisioningRequests,并增加了节点替换能力。通过 nodeToReplace 注解,TAS 工作负载可以在不重新排队的情况下更新拓扑分配,这在节点维护场景下特别有价值。

监控与可观测性

监控能力得到显著增强,新增了多个关键指标:

  • 工作负载就绪等待时间(按集群队列和本地队列细分)
  • 准入后到就绪的等待时间
  • 唯一工作负载驱逐计数 这些指标为集群管理员提供了更精细的队列性能洞察。

公平调度算法

新引入的 alpha 特性"Admission Fair Sharing"实现了更智能的公平调度算法。它基于本地队列近期资源使用情况来排序工作负载,使得资源使用历史比单纯的工作负载优先级更能影响调度决策。这种机制可以防止资源被少数高优先级工作负载长期独占。

稳定性与可靠性改进

v0.12.0 修复了多个关键问题:

  • 修复了删除 ClusterQueue 时可能导致的竞态条件崩溃
  • 解决了 TAS 工作负载在控制器重启后可能被错误准入的问题
  • 修正了多 PodSet 工作负载的 TAS 使用量计算错误
  • 修复了 LeaderWorkerSet 与 manageJobsWithoutQueueName 功能的兼容性问题

新增的 FinishedWorkloadRetention 标志允许配置工作负载保留策略,自动清理过期的工作负载记录,这对长期运行的集群尤为重要。

部署与运维优化

Helm 图表进行了多项改进:

  • 增加了对 metrics 端点自签名证书的支持
  • 修复了 ServiceMonitor 选择错误服务的问题
  • 改进了 webhook 的命名空间选择器配置
  • 增加了 Kueue 变异 webhook 的 reinvocationPolicy 配置选项

安全方面,现在默认启用 readOnlyRootFilesystem 加强容器安全。KueueViz 可视化组件也进行了品牌重塑,采用了 CNCF 设计团队提供的新 logo。

总结

Kueue v0.12.0 通过增强的调度算法、更完善的监控指标和多项稳定性改进,进一步巩固了其作为 Kubernetes 批处理工作负载管理解决方案的地位。特别是对机器学习训练场景的深度优化,使得它在大规模 AI 基础设施中展现出独特价值。对于已经使用或考虑采用 Kueue 的团队,这个版本值得认真评估和升级。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
203
2.18 K
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
208
285
pytorchpytorch
Ascend Extension for PyTorch
Python
62
94
RuoYi-Vue3RuoYi-Vue3
🎉 (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
977
575
nop-entropynop-entropy
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
9
1
ops-mathops-math
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++
550
84
openHiTLSopenHiTLS
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
1.02 K
399
communitycommunity
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
393
27
MateChatMateChat
前端智能化场景解决方案UI库,轻松构建你的AI应用,我们将持续完善更新,欢迎你的使用与建议。 官网地址:https://matechat.gitcode.com
1.2 K
133