Kubernetes Descheduler 项目教程
2024-08-11 20:09:41作者:蔡怀权
1. 项目的目录结构及介绍
Kubernetes Descheduler 项目的目录结构如下:
descheduler/
├── cmd/
│ └── descheduler/
│ └── main.go
├── pkg/
│ ├── api/
│ ├── descheduler/
│ ├── evictions/
│ ├── metrics/
│ ├── strategies/
│ └── utils/
├── config/
│ └── examples/
│ └── policy.yaml
├── charts/
│ └── descheduler/
│ ├── templates/
│ ├── values.yaml
│ └── Chart.yaml
├── Dockerfile
├── Makefile
└── README.md
目录结构介绍
cmd/: 包含项目的入口文件,即main.go。pkg/: 包含项目的核心逻辑,如 API、调度策略、驱逐逻辑等。config/: 包含示例配置文件。charts/: 包含 Helm Chart 相关文件,用于部署 Descheduler。Dockerfile: 用于构建 Docker 镜像。Makefile: 包含项目的构建和测试命令。README.md: 项目的说明文档。
2. 项目的启动文件介绍
项目的启动文件位于 cmd/descheduler/main.go。该文件是 Descheduler 的入口点,负责初始化并启动 Descheduler 进程。
main.go 文件介绍
package main
import (
"os"
"sigs.k8s.io/descheduler/cmd/descheduler"
)
func main() {
command := descheduler.NewDeschedulerCommand()
if err := command.Execute(); err != nil {
os.Exit(1)
}
}
main函数是程序的入口点。descheduler.NewDeschedulerCommand()创建一个命令对象,该对象包含了 Descheduler 的所有子命令和参数。command.Execute()执行命令,启动 Descheduler。
3. 项目的配置文件介绍
Descheduler 的配置文件通常位于 config/examples/policy.yaml。该文件定义了 Descheduler 的策略和行为。
policy.yaml 文件介绍
apiVersion: "descheduler/v1alpha2"
kind: "DeschedulerPolicy"
strategies:
"RemoveDuplicates":
enabled: true
"LowNodeUtilization":
enabled: true
params:
nodeResourceUtilizationThresholds:
thresholds:
"cpu": 20
"memory": 20
"pods": 20
targetThresholds:
"cpu": 50
"memory": 50
"pods": 50
apiVersion: 指定配置文件的 API 版本。kind: 指定配置文件的类型为DeschedulerPolicy。strategies: 定义了 Descheduler 的策略,如RemoveDuplicates和LowNodeUtilization。enabled: 指定策略是否启用。params: 包含策略的具体参数,如资源阈值。
通过修改 policy.yaml 文件,可以自定义 Descheduler 的行为和策略。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
764
4.98 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
684
1.33 K
Ascend Extension for PyTorch
Python
719
882
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++
1.08 K
1.1 K
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
457
439
用户可使用该项目在 OpenHarmony 平台开发应用,支持通过 IDE 或终端用 Flutter Tools 指令编译构建,基于 Flutter 3.27.4 版本,新增 impeller-vulkan 渲染模式,兼容多种开发指令与环境配置。
Dart
1.01 K
261
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
998
609