Kubernetes Extended Resource 扩展资源使用简介

Kubernetes 除了提供基于 CPU 和内存的传统计算资源调度外，还支持自定义的 Extended Resource 扩展资源，以便调度和管理其它各种类型的资源。

Extended Resource

Extended Resource 扩展资源的创建和使用过程如下图所示：

1. 定义资源：用户或管理员通过 Kubernetes API 向特定的节点新增自定义的扩展资源（即修改节点的 status 信息）。例如，图中新增的资源 example.com/dongle，拥有 4 个单位。

2. 节点同步资源：kubelet 会在定时同步节点状态时，通过 GET /api/v1/nodes/<nodeName> 请求从 kube-apiserver 获取节点的资源信息，从而同步到该扩展资源的数据。

3. 调度和使用：用户创建一个请求 example.com/dongle 扩展资源的 Pod，Scheduler 会将该 Pod 调度到满足条件的节点上。随后该节点上的 kubelet 负责创建和启动 Pod。

一旦 Extended Resource 被添加到节点上，Kubernetes 将自动管理该资源在 Pod 调度和创建过程中的分配和使用情况，无需用户手动干预。

然而，节点的 status.allocatable 中的扩展资源信息不会随着 Pod 的创建和删除实时更新。例如，假设某个 Pod 使用了 example.com/dongle 的 3 个单位资源，但在查看节点状态时，status.allocatable 中的 example.com/dongle 仍然显示为 4 个单位。这种非实时更新设计的目的是为了减少对 kube-apiserver 和 etcd 的频繁更新，避免增加系统负载。

此时你可能会疑惑，如果可分配资源信息不实时更新，资源调度不会有问题吗？答案是不会，因为 scheduler 和 kubelet 都会在各自的进程中记录并追踪资源的使用情况。

扩展资源的局限性

虽然 Extended Resource 的设计看起来简单，似乎只需通过 API 为节点新增资源即可，但其应用往往伴随着以下挑战：

• 资源的配置和使用：例如，定义 GPU 作为 Extended Resource 后，Scheduler 可以正常完成调度，但容器实际使用 GPU 时，还需要适配驱动和运行时环境（如 NVIDIA 容器运行时）。这意味着扩展资源仅声明和调度是不够的，还需要配置支持相关硬件的容器环境。
• 自动化管理需求：手动为每个节点逐一添加或修改扩展资源并不实际，特别是在有多个节点或复杂硬件需求的场景中。依赖人工管理难以保证扩展资源的一致性和效率。

因此，在实际应用中，为了更好地管理和使用扩展资源，通常会借助 Device Plugin 和 Operator。Device Plugin 是 Kubernetes 提供的设备管理机制，通过它可以自动检测和管理扩展资源，如 GPU 等特殊硬件。Operator 则进一步简化了资源部署和配置管理流程，自动执行资源的配置和调度。

想深入了解这方面内容，可以参考我之前的文章 《Kubernetes GPU 调度和 Device Plugin、CDI、NFD、GPU Operator 概述》。

总结

Extended Resource 为 Kubernetes 提供了灵活的扩展能力，使集群能够支持更多样化的资源类型。然而在实践中，它仅解决了资源声明和调度的一部分问题。

(我是凌虚，关注我，无广告，专注技术，不煽动情绪，欢迎与我交流)

---

参考资料：

• https://kubernetes.io/docs/tasks/administer-cluster/extended-resource-node/
• https://kubernetes.io/docs/tasks/configure-pod-container/extended-resource/