K8s 调度体系分类与主流调度器
分为原生扩展方案（不新增独立调度进程）、**独立第三方专用调度器（单独部署、并行运行）**两大类，Pod 通过 spec.schedulerName 指定使用哪一套调度逻辑。
1. 原生扩展方案（基于默认 kube-scheduler 改造，无需新增独立组件）
1.1. Scheduling Framework 调度框架插件（官方主推，1.19稳定）
不是独立调度器，是默认调度器内置可插拔扩展体系，在预选、打分、绑定等阶段插入自定义逻辑，编译进 kube-scheduler 二进制。
社区开源插件仓库 kubernetes-sigs/scheduler-plugins 提供现成增强能力：
- Coscheduling：Gang 调度，批量任务所有 Pod 同时调度成功才启动（分布式训练、大数据）
- CapacityScheduling：资源预留、超分管控
- NodeResourceFit：基于节点真实实时负载打分（默认只看分配配额，不看真实占用）
- TopologySpread：增强版拓扑均衡调度
- LoadAware：节点负载感知调度
用法：配置多调度 Profile，同一 kube-scheduler 支持多套调度规则，Pod 指定 schedulerName 匹配对应 Profile。
1.2. Scheduler Extender 调度扩展器（老旧兼容方案）
外置 HTTP 服务，默认调度器执行预选/打分时同步调用外部接口做二次过滤、打分。
- 优点：无需重新编译 kube-scheduler，Go/Python 均可开发；
- 缺点：HTTP 网络开销大、无本地缓存、调度性能差，新项目不推荐。
1.3. Device Plugin 设备调度插件（硬件资源调度配套）
不属于完整调度器，负责向 kubelet 上报 GPU、FPGA、RDMA、NPU 等异构硬件资源，配合调度器实现硬件资源筛选分配：
- nvidia-device-plugin：NVIDIA GPU 独占调度；
- koord-device-plugin：支持 GPU 共享、MIG 细粒度切分调度。
2. 独立第三方完整调度器（单独部署，与 default-scheduler 并行运行）
2.1. Volcano（国内主流批处理调度器）
面向离线批量任务、AI训练、大数据、HPC专用调度器，完全独立进程：
- 核心能力：Gang 调度、队列资源配额、在线/离线业务混部、GPU 细粒度调度、任务抢占、多租户隔离；
- 适配：Spark、Flink、TensorFlow、PyTorch 分布式任务；
- 使用：Pod/Job 指定
schedulerName: volcano。
2.2. Apache YuniKorn（通用混合集群调度）
兼容 K8s + Hadoop/YARN 混合集群，企业多租户资源调度：
- 分层资源队列、公平调度、资源抢占、全局容量管控；
- 两种部署形态：独立调度器二进制 / 嵌入 kube-scheduler 作为插件。
2.3. Koordinator（阿里开源混部调度器）
主打在线业务+离线任务混部、异构硬件精细化调度：
- 低延迟在线服务优先保障、离线任务资源超分、GPU 分时共享、节点真实负载调度、带宽/内存精细化隔离；
- 多用于大规模互联网生产集群，平衡资源利用率与业务 SLA。
2.4. Kueue（轻量化作业队列调度）
轻量化任务排队控制器，不替代调度器，仅做作业配额排队，调度仍交由默认调度器执行：
- 分层队列、资源限额、多租户、按需抢占；
- 适合中小规模 AI、批量任务，部署轻量无复杂组件。
2.5. KAI Scheduler（Run:AI，AI 专用）
面向大模型训练 GPU 拓扑调度，感知 NVLink 互联、多卡拓扑，优化分布式训练通信效率，多用于 AI 专属集群。
3. 自定义全量独立调度器
开发者自行基于 client-go 开发完整调度进程，Watch 带自定义 schedulerName 的 Pod，自行实现全套预选、打分、绑定逻辑：
- 优势：完全自主可控，无框架限制；
- 劣势：需要完整实现缓存、抢占、重试、故障容错，维护成本极高，仅大厂深度定制场景使用。
4. 使用区分速记
- 普通微服务：默认 default-scheduler + Scheduling Framework 插件增强；
- 大数据/分布式AI训练：Volcano；
- 在线离线混部、大规模集群：Koordinator；
- Hadoop+K8s 混合机房、多租户队列：YuniKorn；
- 轻量批量任务排队：Kueue；
- GPU 大模型拓扑优化：KAI Scheduler。
5. 高频面试简答
- 调度框架插件和独立调度器区别？
插件复用默认调度器进程，轻量化；独立调度器单独部署，完全自定义调度逻辑，适合批处理、混部复杂场景。 - Gang 调度一般用什么调度器？
Volcano、Scheduler Framework Coscheduling 插件。 - 在线离线业务混部推荐什么调度方案？
Koordinator，支持负载感知、资源超分、在线业务优先级保障。
关联文档
- kube-scheduler 完整工作原理 — 默认调度器原理
- Gang 调度（协同调度）完整详解 — 批量协同调度
- K8s 高阶调度全解 — 亲和与污点调度