Kubernetes 调度器打分算法详解：LeastAllocated 与 NodeAffinity

乔德亮

1️⃣ NodeResourcesLeastAllocated（资源最少分配）

📌 目标

优先将 Pod 调度到资源使用率最低的节点，防止热点节点，尽量实现负载均衡。

🧠 打分算法原理

对每个节点计算 CPU 和内存的使用率，然后反向打分：

score = (1 - (cpuRequested / cpuCapacity)) * 50 +
        (1 - (memRequested / memCapacity)) * 50

• 分数范围：0 ~ 100

• 使用率越低，得分越高

• CPU 和内存权重各 50%

🧮 每个部分含义

部分	说明	意义
cpuRequested	已被调度的 Pod 请求的 CPU 总和	单位为 millicore
cpuCapacity	节点的 CPU 总容量（allocatable）	单位为 millicore
memRequested	已被调度的 Pod 请求的内存总和	单位为 MiB/GiB
memCapacity	节点的内存总容量	单位为 MiB/GiB
cpuRequested / cpuCapacity	CPU 使用率	越高表示节点越繁忙
1 - (...)	空闲度（反向）	越高表示越适合调度
* 50	权重	CPU 和内存各占一半

📊 示例

节点	CPU已用/总	Mem已用/总	计算得分
node-1	200m / 1000m	500Mi / 2Gi	(1-0.2)*50 + (1-0.25)*50 = 40 + 37.5 = 77.5
node-2	500m / 1000m	1Gi / 2Gi	(1-0.5)*50 + (1-0.5)*50 = 25 + 25 = 50
node-3	800m / 1000m	1.5Gi / 2Gi	(1-0.8)*50 + (1-0.75)*50 = 10 + 12.5 = 22.5

✅ 适用场景

• 高并发场景需要负载均衡

• 多租户系统，防止资源竞争

---

2️⃣ NodeAffinity（节点亲和性）

📌 目标

根据用户在 Pod 中定义的 nodeAffinity 条件打分，优先调度到匹配度高的节点。

🧠 用法示例

affinity:
  nodeAffinity:
    preferredDuringSchedulingIgnoredDuringExecution:
      - weight: 100
        preference:
          matchExpressions:
            - key: zone
              operator: In
              values:
                - us-west1

• 节点 zone=us-west1 → 得 100 分

• 节点 zone=us-east1 → 得 0 分

⚙️ 打分原理

调度器检查 Pod 的 preferredDuringScheduling... 规则：

• 匹配 → 加上对应权重

• 不匹配 → 不加分

• 最终得分范围：0 ~ 100

✅ 适用场景

• 有部署位置偏好（如某个可用区）

• 使用节点标签（如高性能/SSD 节点）

---

🔄 两者对比

维度	LeastAllocated	NodeAffinity
目的	资源均衡使用	匹配节点偏好
核心依据	当前节点资源使用率	Pod 的亲和性配置
控制权	系统自动评估	用户指定策略
打分方式	越空闲分数越高	匹配越多分越高
自定义性	可以调整权重	可以自定义表达式 + 权重

---

来源：https://www.cnblogs.com/xiaogongzi/p/18864917