安装插件

1. 登录U CS 控制台，单击集群名称进入集群，单击左侧导航栏的“插件管理”，找到Volcano，单击“安装”。
2. 该插件可配置“单实例”、“高可用”或自定义规格。

   选择自定义时，volcano-controller和volcano-scheduler的建议值如下：

   • 小于100个节点，可使用默认配置，即CPU的申请值为500m，限制值为2000m；内存的申请值为500Mi，限制值为2000Mi。
   • 高于100个节点，每增加100个节点（10000个Pod），建议CPU的申请值增加500m，内存的申请值增加1000Mi；CPU的限制值建议比申请值多1500m，内存的限制值建议比申请值多1000Mi。
     

     申请值推荐计算公式：

     • CPU申请值：计算“目标节点数 * 目标Pod规模”的值，并在表1中根据“集群节点数 * Pod规模”的计算值进行插值查找，向上取最接近规格的申请值及限制值。

       例如2000节点和2w个Pod的场景下，“目标节点数 * 目标Pod规模”等于4000w，向上取最接近的规格为700/7w（“集群节点数 * Pod规模”等于4900w），因此建议CPU申请值为4000m，限制值为5500m。

     • 内存申请值：建议每1000个节点分配2.4G内存，每1w个Pod分配1G内存，二者叠加进行计算。（该计算方法相比表1中的建议值会存在一定的误差，通过查表或计算均可）

       即：内存申请值 = 目标节点数/1000 * 2.4G + 目标Pod规模/1w * 1G。

       例如2000节点和2w个Pod的场景下，内存申请值 = 2 * 2.4G + 2 * 1G = 6.8G

     表1 volcano-controller和volcano-scheduler的建议值

     集群节点数/Pod规模	CPU Request(m)	CPU Limit(m)	Memory Request(Mi)	Memory Limit(Mi)
     50/5k	500	2000	500	2000
     100/1w	1000	2500	1500	2500
     200/2w	1500	3000	2500	3500
     300/3w	2000	3500	3500	4500
     400/4w	2500	4000	4500	5500
     500/5w	3000	4500	5500	6500
     600/6w	3500	5000	6500	7500
     700/7w	4000	5500	7500	8500

3. 选择插件实例是否多可用区部署。
   • 优先模式：优先将插件的Deployment实例调度到不同可用区的节点上，如集群下节点不满足多可用区，插件实例将调度到单可用区。
   • 强制模式：插件Deployment实例强制调度到不同可用区的节点上，如集群下节点不满足多可用区，插件实例将无法全部运行。

4. 配置插件实例节点亲和策略。
   • 指定节点调度：指定插件实例部署的节点 ，若不指定，将根据集群默认调度策略进行随机调度。
   • 自定义亲和策略：填写期望插件部署的节点标签实现更灵活的调度策略，若不填写将根据集群默认调度策略进行随机调度。自定义亲和策略详情请参见调度策略（亲和与反亲和）

5. 配置volcano默认调度器配置参数，详情请参见表2。

   colocation_enable: ''default_scheduler_conf:  actions: 'allocate, backfill'  tiers:    - plugins:        - name: 'priority'        - name: 'gang'        - name: 'conformance'        - name: 'lifecycle'          arguments:            lifecycle.MaxGrade: 10            lifecycle.MaxScore: 200.0            lifecycle.SaturatedTresh: 1.0            lifecycle.WindowSize: 10    - plugins:        - name: 'drf'        - name: 'predicates'        - name: 'nodeorder'    - plugins:        - name: 'cce-gpu-topology-predicate'        - name: 'cce-gpu-topology-priority'        - name: 'cce-gpu'    - plugins:        - name: 'nodelocalvolume'        - name: 'nodeemptydirvolume'        - name: 'nodeCSIscheduling'        - name: 'networkresource'

   表2 Volcano插件配置参数说明

   插件	功能	参数说明	用法演示
   colocation_enable	是否开启混部能力。	参数值： true：表示开启混部。 false：不是不开启混部。	-
   binpack	将Pod调度到资源使用较高的节点以减少资源碎片	binpack.weight：binpack插件本身在所有插件打分中的权重 binpack.cpu：CPU资源在资源比重的比例，默认是1 binpack.memory：memory资源在所有资源中的比例，默认是1 binpack.resources：资源类型。	- plugins: - name: binpack arguments: binpack.weight: 10 binpack.cpu: 1 binpack.memory: 1 binpack.resources: nvidia.com/gpu, example.com/foo binpack.resources.nvidia.com/gpu: 2 binpack.resources.example.com/foo: 3
   conformance	跳过关键Pod，比如在kube-system命名空间的Pod，防止这些Pod被驱逐	-	-
   lifecycle	通过统计业务伸缩的规律，将有相近生命周期的Pod优先调度到同一节点，配合autoscaler的水平扩缩容能力，快速缩容释放资源，节约成本并提高资源利用率。 1. 统计业务负载中Pod的生命周期，将有相近生命周期的Pod调度到同一节点 2. 对配置了自动扩缩容策略的集群，通过调整节点的缩容注解，优先缩容使用率低的节点	arguments参数： lifecycle.WindowSize：为int型整数，不小于1，默认为10。 记录副本数变更的次数，负载变化规律、周期性明显时可适当调低；变化不规律，副本数频繁变化需要调大。若过大会导致学习周期变长，记录事件过多。 lifecycle.MaxGrade：为int型整数，不小于3，默认为3。 副本分档数，如设为3，代表分为高中低档。负载变化规律、周期性明显时可适当调低；变化不规律，需要调大。若过小会导致预测的生命周期不够准确。 lifecycle.MaxScore：为float64浮点数，不小于50.0，默认为200.0。 lifecycle插件的最大得分，等效于插件权重。 lifecycle.SaturatedTresh：为float64浮点数，小于0.5时取值为0.5；大于1时取值为1，默认为0.8。 用于判断节点利用率是否过高的阈值，当超过该阈值，调度器会优先调度作业至其他节点。	- plugins: - name: priority - name: gang enablePreemptable: false - name: conformance - name: lifecycle arguments: lifecycle.MaxGrade: 10 lifecycle.MaxScore: 200.0 lifecycle.SaturatedTresh: 1.0 lifecycle.WindowSize: 10 说明： 对不希望被缩容的节点，需要手动标记长周期节点，为节点添加volcano.sh/long-lifecycle-node: true的annotation。对未标记节点，lifecycle插件将根据节点上负载的生命周期自动标记。 MaxScore默认值200.0相当于其他插件权重的两倍，当lifecycle插件效果不明显或与其他插件冲突时，需要关闭其他插件，或将MaxScore调大。 调度器重启后，lifecycle插件需要重新记录负载的变化状况，需要统计数个周期后才能达到最优调度效果。
   gang	将一组Pod看做一个整体去分配资源	-	-
   priority	使用用户自定义负载的优先级进行调度	-	-
   overcommit	将集群的资源放到一定倍数后调度，提高负载入队效率。负载都是deployment的时候，建议去掉此插件或者设置扩大因子为2.0。	overcommit-factor: 扩大因子，默认是1.2	- plugins: - name: overcommit arguments: overcommit-factor: 2.0
   drf	根据作业使用的主导资源份额进行调度，用的越少的优先	-	-
   predicates	预选节点的常用算法，包括节点亲和，Pod亲和，污点容忍，node ports重复，volume limits，volume zone匹配等一系列基础算法	-	-
   nodeorder	优选节点的常用算法	nodeaffinity.weight：节点亲和性优先调度，默认值是1 podaffinity.weight：Pod亲和性优先调度，默认值是1 leastrequested.weight：资源分配最少的的节点优先，默认值是1 balancedresource.weight：node上面的不同资源分配平衡的优先，默认值是1 mostrequested.weight：资源分配最多的的节点优先，默认值是0 tainttoleration.weight：污点容忍高的优先调度，默认值是1 imagelocality.weight：node上面有Pod需要镜像的优先调度，默认值是1 selectorspread.weight: 把Pod均匀调度到不同的节点上，默认值是0 volumebinding.weight: local pv延迟绑定调度，默认值是1 podtopologyspread.weight: Pod拓扑调度，默认值是2	- plugins: - name: nodeorder arguments: leastrequested.weight: 1 mostrequested.weight: 0 nodeaffinity.weight: 1 podaffinity.weight: 1 balancedresource.weight: 1 tainttoleration.weight: 1 imagelocality.weight: 1 volumebinding.weight: 1 podtopologyspread.weight: 2
   cce-gpu-topology-predicate	GPU拓扑调度预选算法	-	-
   cce-gpu-topology-priority	GPU拓扑调度优选算法	-	-
   cce-gpu	结合CCE的GPU插件支持GPU资源分配，支持小数GPU配置 说明： 小数GPU配置的前提条件为CCE集群GPU节点为共享模式，检查集群是否关闭GPU共享，请参见集群配置管理中的enable-gpu-share参数。	-	-
   numaaware	numa拓扑调度	weight: 插件的权重	-
   networkresource	支持预选过滤ENI需求节点，参数由CCE传递，不需要手动配置	NetworkType: 网络类型（eni或者vpc-router类型）	-
   nodelocalvolume	支持预选过滤不符合local volume需求节点	-	-
   nodeemptydirvolume	支持预选过滤不符合emptydir需求节点	-	-
   nodeCSIscheduling	支持预选过滤everest组件异常节点	-	-

6. 单击“安装”。