# Пакування ресурсів LLMS index: [llms.txt](/llms.txt) ---

Примітка:

Ця стаття стосується пакування ресурсів у контексті планування одного Podʼа. Для пакування ресурсів при плануванні груп Podʼів, будь ласка, прочитайте статтю про планування з урахуванням топології.
У [scheduling-plugin](/docs/reference/scheduling/config/#scheduling-plugins) `NodeResourcesFit` kube-scheduler є дві стратегії оцінювання, які підтримують пакування ресурсів: `MostAllocated` та `RequestedToCapacityRatio`. ## Включення пакування ресурсів за допомогою стратегії MostAllocated {#enabling-bin-packing-using-mostallocated-strategy} Стратегія `MostAllocated` оцінює вузли на основі використання ресурсів, віддаючи перевагу тим, у яких використання вище. Для кожного типу ресурсів ви можете встановити коефіцієнт, щоб змінити його вплив на оцінку вузла. Щоб встановити стратегію `MostAllocated` для втулка `NodeResourcesFit`, використовуйте [конфігурацію планувальника](/docs/reference/scheduling/config) подібну до наступної: ```yaml apiVersion: kubescheduler.config.k8s.io/v1 kind: KubeSchedulerConfiguration profiles: - pluginConfig: - args: scoringStrategy: resources: - name: cpu weight: 1 - name: memory weight: 1 - name: intel.com/foo weight: 3 - name: intel.com/bar weight: 3 type: MostAllocated name: NodeResourcesFit ``` За допомогою цієї конфігурації вузли оцінюються за зваженим середнім використанням усіх чотирьох ресурсів. Оскільки `intel.com/foo` та `intel.com/bar` мають вагу `3` порівняно з `1` для CPU та памʼяті, використання цих розширених ресурсів має втричі більший вплив на кінцевий бал вузла. Планувальник обирає вузол з найвищим балом, прагнучи розміщувати Podʼи на вузлах з високим використанням ресурсів. Це допомагає підготуватися до зменшення кількості найменш використовуваних вузлів. Щоб дізнатися більше про інші параметри та їх стандартну конфігурацію, див. документацію API для [`NodeResourcesFitArgs`](/docs/reference/config-api/kube-scheduler-config.v1/#kubescheduler-config-k8s-io-v1-NodeResourcesFitArgs). ## Включення пакування ресурсів за допомогою стратегії RequestedToCapacityRatio {#enabling-bin-packing-using-requestedtocapacityratio} Стратегія `RequestedToCapacityRatio` дозволяє користувачам вказати ресурси разом з коефіцієнтами для кожного ресурсу для оцінювання вузлів на основі відношення запиту до потужності. Це дозволяє користувачам пакувати розширені ресурси, використовуючи відповідні параметри для покращення використання рідкісних ресурсів у великих кластерах. Вона віддає перевагу вузлам згідно з налаштованою функцією виділених ресурсів. Поведінкою `RequestedToCapacityRatio` в функції оцінювання `NodeResourcesFit` можна керувати за допомогою поля [scoringStrategy](/docs/reference/config-api/kube-scheduler-config.v1/#kubescheduler-config-k8s-io-v1-ScoringStrategy). У межах поля `scoringStrategy` ви можете налаштувати два параметри: `requestedToCapacityRatio` та `resources`. Параметр `shape` в `requestedToCapacityRatio` дозволяє користувачу налаштувати функцію як найменш чи найбільш затребувані на основі значень `utilization` та `score`. Параметр `resources` охоплює як `name` ресурсу, що оцінюється, так і `weight` для кожного ресурсу. Нижче наведено приклад конфігурації, яка встановлює поведінку пакування ресурсів `intel.com/foo` та `intel.com/bar` за допомогою поля `requestedToCapacityRatio`. ```yaml apiVersion: kubescheduler.config.k8s.io/v1 kind: KubeSchedulerConfiguration profiles: - pluginConfig: - args: scoringStrategy: resources: - name: intel.com/foo weight: 3 - name: intel.com/bar weight: 3 requestedToCapacityRatio: shape: - utilization: 0 score: 0 - utilization: 100 score: 10 type: RequestedToCapacityRatio name: NodeResourcesFit ``` В цьому прикладі лише розширені ресурси `intel.com/foo` та `intel.com/bar` зазначені в `resources`. Втулок `NodeResourcesFit` оцінює вузли виключно на основі використання цих двох ресурсів; CPU та памʼять не впливають на оцінку від цього втулка. Оскільки налаштований вигляд присвоює вищий бал при збільшенні використання (`score: 0` при `utilization: 0`, зростаючи до `score: 10` при `utilization: 100`), планувальник віддає перевагу вузлам, де більше цих розширених ресурсів вже використовується, пакуючи запити на них на якомога меншу кількість вузлів. Щоб включити CPU та памʼять у цю стратегію оцінювання, додайте їх до списку `resources`. Зверніть увагу, що всі ресурси в списку використовують одну й ту ж функцію `shape`, тому це застосує ту саму криву пакування до цих ресурсів. Посилання на файл `KubeSchedulerConfiguration` з прапорцем kube-scheduler `--config=/path/to/config/file` передасть конфігурацію планувальнику. Щоб дізнатися більше про інші параметри та їх стандартну конфігурацію, див. документацію API для [`NodeResourcesFitArgs`](/docs/reference/config-api/kube-scheduler-config.v1/#kubescheduler-config-k8s-io-v1-NodeResourcesFitArgs). ### Налаштування функції оцінювання {#tuning-the-score-function} Параметр `shape` використовується для вказівки поведінки функції `RequestedToCapacityRatio`. ```yaml shape: - utilization: 0 score: 0 - utilization: 100 score: 10 ``` Вищезазначені аргументи надають вузлу `score` 0, якщо `utilization` дорівнює 0%, та 10 для `utilization` 100%, що дозволяє пакування ресурсів. Щоб увімкнути найменш затребувані значення оцінки, значення оцінки має бути оберненим наступним чином. ```yaml shape: - utilization: 0 score: 10 - utilization: 100 score: 0 ``` `resources` є необовʼязковим параметром, який типово має значення: ```yaml resources: - name: cpu weight: 1 - name: memory weight: 1 ``` Він може бути використаний для додавання розширених ресурсів наступними чином: ```yaml resources: - name: intel.com/foo weight: 5 - name: cpu weight: 3 - name: memory weight: 1 ``` Параметр `weight` є необовʼязковим та встановлений у 1, якщо він не вказаний. Також, він не може бути встановлений у відʼємне значення. ### Оцінка вузла для розподілу потужностей {#node-scoring-for-resource-allocation} Цей розділ призначений для тих, хто бажає зрозуміти внутрішні деталі цієї функціональності. Нижче наведено приклад того, як обчислюється оцінка вузла для заданого набору значень. Запитані ресурси: ```none intel.com/foo : 2 memory: 256MB cpu: 2 ``` Коефіцієнти ресурсів: ```none intel.com/foo : 5 memory: 1 cpu: 3 ``` FunctionShapePoint {{0, 0}, {100, 10}} Специфікація вузла 1: ```none Available: intel.com/foo: 4 memory: 1 GB cpu: 8 Used: intel.com/foo: 1 memory: 256MB cpu: 1 ``` Оцінка вузла: ```none intel.com/foo = resourceScoringFunction((2+1),4) = (100 - ((4-3)*100/4)) = (100 - 25) = 75 # запитано + використано = 75% * доступно = rawScoringFunction(75) = 7 # floor(75/10) memory = resourceScoringFunction((256+256),1024) = (100 -((1024-512)*100/1024)) = 50 # запитано + використано = 50% * доступно = rawScoringFunction(50) = 5 # floor(50/10) cpu = resourceScoringFunction((2+1),8) = (100 -((8-3)*100/8)) = 37.5 # запитано + використано = 37.5% * доступно = rawScoringFunction(37.5) = 3 # floor(37.5/10) NodeScore = ((7 * 5) + (5 * 1) + (3 * 3)) / (5 + 1 + 3) = 5 ``` Специфікація вузла 2: ```none Available: intel.com/foo: 8 memory: 1GB cpu: 8 Used: intel.com/foo: 2 memory: 512MB cpu: 6 ``` Оцінка вузла: ```none intel.com/foo = resourceScoringFunction((2+2),8) = (100 - ((8-4)*100/8) = (100 - 50) = 50 = rawScoringFunction(50) = 5 memory = resourceScoringFunction((256+512),1024) = (100 -((1024-768)*100/1024)) = 75 = rawScoringFunction(75) = 7 cpu = resourceScoringFunction((2+6),8) = (100 -((8-8)*100/8)) = 100 = rawScoringFunction(100) = 10 NodeScore = ((5 * 5) + (7 * 1) + (10 * 3)) / (5 + 1 + 3) = 7 ``` ## Що далі - Дізнайтеся більше про [фреймворк планування](/docs/concepts/scheduling-eviction/scheduling-framework/) - Дізнайтеся більше про [конфігурацію планувальника](/docs/reference/scheduling/config/)