Kubernetes资源装箱，也被称为“bin packing”，是一种优化容器部署的策略。在kube-scheduler的调度插件NodeResourcesFit中存在两种支持启用资源装箱的策略：MostAllocated和RequestedToCapacityRatio。
一、使用MostAllocated策略
MostAllocated 策略基于资源的利用率来为节点计分，优选分配比率较高的节点。 针对每种资源类型，可以设置一个权重值以改变其对节点得分的影响。
要为插件 NodeResourcesFit 设置 MostAllocated 策略， 可以使用一个类似于下面这样的调度器配置：
apiVersion: kubescheduler.config.k8s.io/v1beta3 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
二、使用RequestedToCapacityRatio策略
RequestedToCapacityRatio 策略允许用户基于请求值与容量的比率，针对参与节点计分的每类资源设置权重，用户可以使用合适的参数来对扩展资源执行装箱操作，进而提升大规模集群中稀有资源的利用率，此策略根据所分配资源的一个配置函数来评价节点。
NodeResourcesFit 计分函数中的 RequestedToCapacityRatio 可以通过字段 scoringStrategy 来控制。 在 scoringStrategy 字段中，可以配置两个参数：requestedToCapacityRatio 和 resources。
requestedToCapacityRatio 参数中的 shape 设置使得用户能够调整函数的算法，基于 utilization 和 score 值计算最少请求或最多请求。 resources 参数中包含计分过程中需要考虑的资源的 name，以及用来设置每种资源权重的 weight。
下面是一个配置示例，使用 requestedToCapacityRatio 字段为扩展资源 intel.com/foo 和 intel.com/bar 设置装箱行为：
apiVersion: kubescheduler.config.k8s.io/v1beta3 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
使用 kube-scheduler 标志 –config=/path/to/config/file 引用 KubeSchedulerConfiguration 文件，可以将配置传递给调度器。
三、调整计分函数
shape 用于指定 RequestedToCapacityRatio 函数的行为。
shape: - utilization: 0 score: 0 - utilization: 100 score: 10
上面的参数在 utilization 为 0% 时给节点评分为 0，在 utilization 为 100% 时给节点评分为 10，因此启用了装箱行为。 要启用最少请求（least requested）模式，必须按如下方式反转得分值。
shape: - utilization: 0 score: 10 - utilization: 100 score: 0
resources 是一个可选参数，默认值为：
resources: - name: cpu weight: 1 - name: memory weight: 1
它可以像下面这样用来添加扩展资源：
resources: - name: intel.com/foo weight: 5 - name: cpu weight: 3 - name: memory weight: 1
weight 参数是可选的，如果未指定，则设置为 1。 同时，weight 不能设置为负值。
四、节点容量分配的评分
接下来的示例适用于希望了解此功能的内部细节的人员。 以下是如何针对给定的一组值来计算节点得分的示例。
请求的资源：
intel.com/foo : 2 memory: 256MB cpu: 2
资源权重：
intel.com/foo : 5 memory: 1 cpu: 3
FunctionShapePoint {{0, 0}, {100, 10}}
节点 1 配置：
可用：
intel.com/foo: 4
memory: 1 GB
cpu: 8
已用：
intel.com/foo: 1
memory: 256MB
cpu: 1节点得分：
intel.com/foo = resourceScoringFunction((2+1),4)
= (100 - ((4-3)*100/4)
= (100 - 25)
= 75 # requested + used = 75% * available
= rawScoringFunction(75)
= 7 # floor(75/10)
memory = resourceScoringFunction((256+256),1024)
= (100 -((1024-512)*100/1024))
= 50 # requested + used = 50% * available
= rawScoringFunction(50)
= 5 # floor(50/10)
cpu = resourceScoringFunction((2+1),8)
= (100 -((8-3)*100/8))
= 37.5 # requested + used = 37.5% * available
= rawScoringFunction(37.5)
= 3 # floor(37.5/10)
NodeScore = ((7 * 5) + (5 * 1) + (3 * 3)) / (5 + 1 + 3)节点 2 配置：
可用：
intel.com/foo: 8
memory: 1GB
cpu: 8
已用：
intel.com/foo: 2
memory: 512MB
cpu: 6节点得分：
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
