K8s 1.31 版本上新超酷新功能： 跨核分发CPU

发布时间:2024-11-25 10:55

Kubernetes 1.31版本带来了一项引人注目的新特性：CPUManager静态策略中的distribute-cpus-across-cores选项。这项功能目前处于alpha测试阶段，意味着它可能还在开发中，尚未完全稳定。尽管如此，它已经展现出潜力——通过智能分配CPU资源到不同的处理器核心上，提高CPU的工作效率。尽管默认情况下这个选项暂时不可用，但它的引入预示着未来Kubernetes在资源调度方面的进一步优化。

接下来我们来看看Kubernetes的CPUManager是如何实现CPU资源分配的?

想象一下，Kubernetes的CPUManager就像个智能的管家，它负责把CPU资源分配给需要的容器。这整个过程是这样的：

资源请求：每个容器在启动时都会告诉CPUManager，它需要多少CPU资源，就像是说'嘿，我需要这么多CPU来干活'。

资源配额：CPUManager会看看集群的资源配额和限制，就像是看看家里有多少资源，然后决定能分给容器多少。

CPU亲和性：有时候，容器可能更喜欢某些特定的CPU core，CPUManager会记下来，尽量满足它们的需求。

静态策略：在静态策略下，CPUManager会尝试把容器的CPU资源请求固定到特定的CPU core 上，就像是给每个容器分配一个固定的座位。

动态策略：动态策略就更灵活了，容器可以根据需要随时请求或释放CPU资源，就像是可以临时换座位。

资源调度：Kubernetes的调度器在分配容器到节点时，会看看哪个节点的CPU资源够用，确保每个容器都能得到它需要的资源。

资源监控：CPUManager还会时刻监控容器的CPU使用情况，确保它们不会超用。

资源回收：如果容器用得太多，CPUManager可能会限制它，保证其他容器也能正常运行。

通过这些办法，CPUManager确保了每个容器都能公平、高效地使用CPU资源，让整个集群的性能达到最佳。

但是如果分配CPU资源的时候，总把它们挤在一起，尽量用最少的物理core来处理的话，这样做会引发一个问题，就是不同的CPU如果用同一个物理core，它们需共享一些资源，比如缓存，执行单元等，这就可能会影响效率。

于是，Kubernetes的1.31新版本中增加了distribute-cpus-across-cores特性。即让CPUManager在分配CPU的时候，尽量把它们分散开，让每个CPU都能用不同的物理core。这样一来，每个CPU都有自己的空间，不用和其他CPU抢资源，运行起来自然就更顺畅，性能也能有所提升。

要启用Kubernetes中的distribute-cpus-across-cores新功能，首先需要确保CPUManager使用静态策略来管理CPU。这可以通过两种方式设置：一是在启动kubelet时添加启动参数--cpu-manager-policy=static;二是在kubelet的配置文件中添加cpuManagerPolicy: static。

接下来，为了启用分散CPU到不同核心的策略，需要在配置中添加--cpu-manager-policy-options="distribute-cpus-across-cores=true"参数，或者在配置文件中直接设置distributeCpusAcrossCores: true。

需要注意的是，distribute-cpus-across-cores策略不能与full-pcpus-only或distribute-cpus-across-numa等其他CPU分配策略同时使用，以避免混淆。

此外，由于distribute-cpus-across-cores特性目前仍处于测试阶段，存在一些限制，特别是与其他可能存在冲突的CPU分配策略的兼容性问题。这可能会给需要特定资源管理或特定部署环境的应用带来一些挑战。

然而，不必过于担心。社区正在积极改进这一特性，未来的更新将解决这些兼容性问题，使得distribute-cpus-across-cores策略能够与其他CPUManager策略更好地协同工作。这将有助于构建一个既灵活又强大的CPU分配系统，以满足多样化的工作需求和性能目标。

那么，哪些场景适合使用 distribute-cpus-across-cores这个特性呢?

多核处理器优化：类似于在厨房中分配多个帮手，如果大家都挤在一起工作，效率会降低。这个特性确保每个容器都能独立使用不同的CPU核心，从而提高整体效率。

缓存局部性：类似于将工具分散放置，便于快速取用。通过分散CPU任务，可以减少缓存未命中，加快处理速度。

避免资源征用：类似于在交通高峰期避免拥堵，这个特性通过分配不同的CPU核心给不同的容器，减少资源征用，提高系统流畅性。

异构工作负载：对于需要处理多种类型任务的场景，这个特性可以帮助更均匀地分配资源，确保每个任务都能高效运行。

性能敏感型应用：对于需要快速响应的应用，如在线游戏或股票交易，这个特性可以确保它们获得必要的CPU资源。

避免NUMA效应：在复杂的系统中，CPU和内存可能不在同一个地方，这个特性可以减少因NUMA导致的延迟。

测试和开发：开发者可以使用这个特性来测试不同的CPU分配策略，就像进行实验一样，以找到最优解。

集群资源管理：管理员可以利用这个特性来优化资源分配，类似于家庭房间的合理规划，确保每个用户都能获得舒适的体验。

总的来说，distribute-cpus-across-cores特性是一个智能的资源分配工具，特别适合那些需要精确控制CPU资源以提高系统性能和稳定性的场景。