Karmada 多云容器编排引擎支持多调度组，助力成本优化-Toy模板网

这篇具有很好参考价值的文章主要介绍了Karmada 多云容器编排引擎支持多调度组，助力成本优化。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

摘要：Karmada 社区也在持续关注云成本的管理，在最近发布的 v1.5 版本中，支持用户在分发策略 PropagationPolicy/ClusterPropagationPolicy 中设置多个集群调度组，实现将业务调度到成本更低的集群组中去。

本文分享自华为云社区《Karmada 多云容器编排引擎支持多调度组，助力成本优化！》，作者：华为云云原生团队

根据 Flexera 最新发布的《2023 年云现状调查报告》，在受访的750家企业中，使用多云的企业比例高达87%：

在使用多云的受访者中，排在前两位的多云挑战分别是：孤立在不同云上的应用程序和云之间的灾难恢复/故障切换。在所有组织中，最常用的多云工具是安全工具，紧随其后的是成本优化（Finops）工具。

此外，云成本的管理取代了安全性话题，成为当下云使用者面临的首要问题：

Karmada 社区也在持续关注云成本的管理，在最近发布的 v1.5 版本中，支持用户在分发策略 PropagationPolicy/ClusterPropagationPolicy 中设置多个集群调度组，实现将业务调度到成本更低的集群组中去。

多调度组

Karmada 的PropagationPolicy 支持声明单组集群，即.spec.placement.clusterAffinity，其 YAML 配置示例为：

apiVersion: policy.karmada.io/v1alpha1
kind: PropagationPolicy
metadata:
 name: nginx
spec:
 resourceSelectors:
 - apiVersion: apps/v1
 kind: Deployment
 name: nginx
 placement:
 clusterAffinitiy:
 - clusterNames:
 - member1
 - member2

Karmada v1.5 版本中，clusterAffinity 向 karmada-scheduler 提供一组候选集群，karmada-scheduler 根据相关限制（例如 spreadConstraint，插件过滤等）在候选集群之间做出调度决策，调度结果要么成功，要么失败。多调度组支持用户设置ClusterAffinities字段，在 PropagationPolicy 中声明多组集群，karmada-scheduler 可以依次来评估每个 clusterAffinity，进而做出决策。此功能允许 Karmada 调度程序在集群故障时首先将应用程序调度到低成本集群组，或将应用程序从主集群迁移到备份集群。

// Placement represents the rule for select clusters.
type Placement struct {
 // ClusterAffinities 表示对 ClusterAffinityTerm 指示的多个集群组的调度限制。
      // 调度程序将按照这些组在规范中出现的顺序逐个评估，不满足调度限制的组将被忽略，
      // 这意味着除非该组中的所有集群也属于下一个组（同一集群可以属于多个组），
      // 否则将不会选择此组中的所有集群。
      // 如果没有一个组满足调度限制，则调度失败，这意味着不会选择集群。
      // 注：ClusterAffinities 不能与 ClusterAffinity 共存。
      // 如果未同时设置 ClusterAffinities 和 ClusterAffinity，则任何集群都可以作为调度候选集群。
 //
 // +optional
 ClusterAffinities []ClusterAffinityTerm `json:"clusterAffinities,omitempty"`
}
// ClusterAffinityTerm selects a set of cluster.
type ClusterAffinityTerm struct {
 // AffinityName 是集群组的名称.
 // +required
 AffinityName string `json:"affinityName"`
 ClusterAffinity `json:",inline"`
}

云成本管理使用场景

用户可以使用多调度组来进行云成本的管理，例如：本地数据中心中的私有集群是主集群组，集群提供商提供的托管集群可以是辅助集群组，因此，Karmada 调度程序更愿意将工作负载调度到主集群组，只有在主集群组不满足限制（如缺乏资源）的情况下，才会考虑辅助集群组。下面我们给出一个针对成本优化进行调度的例子：

apiVersion: policy.karmada.io/v1alpha1
kind: PropagationPolicy
metadata:
  name: nginx
spec:
  resourceSelectors:
    - apiVersion: apps/v1
      kind: Deployment
      name: nginx
  placement:
    clusterAffinities:
      - affinityName: local-clusters
        clusterNames:
          - local-member1
          - local-member2
      - affinityName: cloud-clusters
        clusterNames:
          - huawei-member1
          - huawei-member2

上面例子中配置有本地集群组（local-clusters）和云上集群组（cloud-clusters）共两个集群组，Karmada 在调度 Deployment/nginx 时，会优先尝试调度到本地集群组中的集群，如果失败（如缺乏资源），则继续选择云上集群组，从而实现在本地集群资源足够时，优先选择成本更低的本地集群的目标。

容灾与迁移场景

对于灾难恢复场景，系统管理员也可以定义主集群组和备份集群组，工作负载将首先调度到主集群组，当主集群组中的集群发生故障（如数据中心断电）时，Karmada 调度程序可以将工作负载迁移到备份集群组。

apiVersion: policy.karmada.io/v1alpha1
kind: PropagationPolicy
metadata:
  name: nginx
spec:
  resourceSelectors:
    - apiVersion: apps/v1
      kind: Deployment
      name: nginx
  placement:
    clusterAffinities:
      - affinityName: primary-cluster
        clusterNames:
          - member1
      - affinityName: backup-cluster
        clusterNames:
          - member2

上面的例子通过配置主集群组（primary-cluster）和备份集群组（backup-cluster），在调度 Deployment/nginx 时，如果主集群组满足要求，会调度到主集群组中的 member1 集群，当member1 集群故障时，调度器按顺序匹配新集群组，从而将业务迁移到备份集群组中的member2 上，这样就达成了容灾的目的。