WRITING / 2022.04.12

工程日志:用 Kubernetes 承载混部任务的平台边界

从工作负载分级、节点标签、资源治理和逐阶段迁移出发,讨论混部容器平台应负责什么。

把在线服务和离线任务迁入 Kubernetes,不会自动获得安全混部。调度器理解的是资源请求、约束和优先级,业务必须先把工作负载语义表达出来。

工作负载分级

定义在线、准实时和离线等级,每级对应优先级、可抢占性、资源上限和允许节点。不能让团队随意填写一个高优先级数字。

节点能力显式化

内核、磁盘、加速卡和网络能力通过标签与污点表达。任务通过亲和性选择节点,平台准入检查阻止不兼容组合。

资源声明要经过校准

请求值决定调度,限制值决定运行边界。平台采集历史用量给出建议,但变更仍需要灰度,避免根据平均值压缩掉高峰余量。

分阶段迁移

先迁移无状态在线服务,再接入可中断离线任务,最后开放自动抢占和弹性。每一阶段都保留原资源池作为回退。

平台的职责是把隔离、准入、观测和回滚做成统一能力,而不是替业务决定所有资源策略。