深挖Openstack Nova - Scheduler调度策略（1）

一.  Scheduler的作用就是在创建实例（instance）时，为实例选择出合适的主机（host）。这个过程分两步：过滤（Fliter）和计算权值（Weight）

1. 过滤：

过滤掉不符合我们的要求，或镜像要求（比如物理节点不支持64bit，物理节点不支持Vmware EXi等）的主机，留下符合过滤算法的主机集合。

2. 计算权值

通过指定的权值计算算法，计算在某物理节点上申请这个虚机所必须的消耗cost。物理节点越不适合这个虚机，消耗cost就越大，权值Weight就越大，调度算法会选择权值最小的主机。

二. 过滤策略

Filter算法在nova-scheduler中是通过oslo.config.cfg模块从nova.conf配置文件中动态获取的，应用了Python的反射机制，在运行时刻决定初始化所选择的filter算法。

OpenStack支持多种过滤策略，均在/nova/scheduler/filters包下：

1. CoreFilter：根据CPU数过滤主机

2. RamFilter：根据指定的RAM值选择资源足够的主机

3. AvailabilityZoneFilter：返回创建虚拟机参数指定的集群内的主机

4. JsonFilter：根据JSON串指定的规则选择主机

 

三. 目录结构

1. /nova/scheduler/filter_scheduler.py：继承于类Scheduler，实现基于主机过滤器选取主机节点方式的调度器

2. /nova/scheduler/host_manager.py： 描述了跟调度器操作相关的主机的实现，其中，HostState类描述了从主机获取相关数据和状态的一些实现，HostManager类描述了跟调度器操作相关的一些主机管理实现

3. /nova/weights.py：实现了跟计算权值相关的方法

四. 分析调度_schedule方法

该方法对应在/nova/scheduler/filter_scheduler.py中

# 调度方法，返回一系列满足要求的主机（host）
def _schedule(self, context, request_spec, filter_properties)

1. 信息初始化

# 返回带有admin标志设置的context的版本
elevated = context.elevated()
# 获取实例信息
instance_properties = request_spec['instance_properties']

2. 更新过滤器属性信息

filter_properties.update({'context': context,
                          'request_spec': request_spec,
                          'config_options': config_options,
                          'instance_type': instance_type})

3. 过滤不可用的host

# 过滤掉不可用的主机节点
hosts = self._get_all_host_states(elevated)

深入_get_all_host_states方法，对应的是/nova/scheduler/host_manager.py。

（1）获取可用的计算节点

# 获取可用计算节点的资源使用情况
# 获取所有compute_node（计算节点）
compute_nodes = objects.ComputeNodeList.get_all(context)

（2）设置基本信息

# 获取主机host
host = compute.host
# 获取hypervisor_hostname作为节点名
node = compute.hypervisor_hostname
state_key = (host, node)
# 从host_state_map获取并更新host状态
host_state = self.host_state_map.get(state_key)
if host_state:
    host_state.update_from_compute_node(compute)
else:
    host_state = self.host_state_cls(host, node, compute=compute)
    self.host_state_map[state_key] = host_state

（3）更新host状态

# 每次请求到来都要更新host状态
host_state.aggregates = [self.aggs_by_id[agg_id] for agg_id in 
                         self.host_aggregates_map[
                            host_state.host]]
host_state.update_service(dict(service))
self._add_instance_info(context, compute, host_state)
seen_nodes.add(state_key)

（4）删除不活跃的计算节点

# 从host_state_map中删除不活跃的计算节点
dead_nodes = set(self.host_state_map.keys()) - seen_nodes
for state_key in dead_nodes:
    host, node = state_key
    LOG.info(_LI("Removing dead compute node %(host)s:%(node)s "
                "from scheduler"), {'host':host, 'node': node})
    del self.host_state_map[state_key]

4.循环遍历实例，获取符合过滤要求的host

for num in range(num_instances):
    # 基于具体要求过滤本地主机
    hosts = self.host_manager.get_filtered_hosts(hosts,
            filter_properties, index=num)
    # 一个符合要求的host都没有
    if not hosts:
        break

深入get_filtered_hosts方法，对应的是/nova/scheduler/host_manager.py。

（1）定义所要使用的过滤器

# 如果没有设置过滤器，则使用默认的过滤器
if filter_class_names is None:
    filters = self.default_filters
else:
    # 获取过滤器方法
    filters = self._choose_host_filters(filter_class_names)

（2）然后处理三种类型的host

1》忽略的host

ignore_hosts = filter_properties.get('ignore_hosts', [])

# 除去忽略的host
def _strip_ignore_hosts(host_map, hosts_to_ignore):

2》强制使用的host

force_hosts = filter_properties.get('force_hosts', [])

# 匹配强制使用的host
def _match_forced_hosts(host_map, hosts_to_force):

3》强制使用的nodes

force_nodes = filter_properties.get('force_nodes', [])

# 匹配强制使用的nodes
def _match_forced_nodes(host_map, nodes_to_force):

（3）返回满足过滤条件的host对象

# 执行过滤操作，返回满足所有过滤条件的host对象
return self.filter_handler.get_filtered_objects(filters,
        hosts, filter_properties, index)

5. 对主机进行称重

# 获取并返回一个WeightedObjects的主机排序列表（最高分排在第一）
weighted_hosts = self.host_manager.get_weighted_hosts(hosts,
        filter_properties)

深入get_weighted_hosts方法，最终对应的是/nova/weights.py。

（1）用相乘累加的方式计算host主机的权重

# 根据多方面参数来判定权值，比如主机剩余内存、剩余磁盘空间、vcpu的使用情况
# 每个参数乘于一个weight，累加得到host主机的权值
for i, weight in enumerate(weights):
    obj = weighted_objs[i]
    obj.weight += weigher.weight_multiplier() * weight

（2）将获取权值的host主机排序后返回

# 对WeighedObjects列表进行排序返回
return sorted(weighed_objs, key=lambda x: x.weight, reverse=True)

开发者也可以实现自己的权值计算函数，对于OpenStack采用的方法来说，主机拥有的剩余内存越多，权值越小，被选择在其上创建虚拟机的可能性就越大。

6. 设置调度使用的主机数目

# scheduler_host_subset_size：定义了新的实例将会被调度到一个主机上
# 这个主机是随机从最好的（分数最高的）N个主机组成的子集中选择出来
scheduler_host_subset_size = CONF.scheduler_host_subset_size
if scheduler_host_subset_size > len(weighed_hosts):
    scheduler_host_subset_size = len(weighed_hosts)
if scheduler_host_subset_size < 1:
    scheduler_host_subset_size = 1

7. 获取随机选择出来的主机

# 从分数最高的若干主机组成的子集中，随机选择一个主机
# 新的实例将会调度到这个主机上
chosen_host = random.choice(
    weighed_hosts[0:scheduler_host_subset_size])
LOG.debug("Selected host: %(host)s", {'host': chosen_host})
# 把选好的主机增加到selected_hosts列表中
selected_hosts.append(chosen_host)

8. 为下一次实例选择主机做好准备

# 此次选择了一个主机后，在下一个实例选择主机前，更新主机资源信息
chosen_host.obj.consume_from_instance(instance_properties)
if update_group_hosts is True:
    if isinstance(filter_properties['group_hosts'], list):
        filter_properties['group_hosts'] = set(
            filter_properties['group_hosts'])
    filter_properties['group_hosts'].add(chosen_host.obj.host)

9. 返回所有实例选择的主机列表

# 循环为每一个实例获取合适的主机后，返回选择的主机列表
return selected_hosts