Kubelet从入门到放弃:识透CPU管理

友情提示：全文12000多文字，预计阅读时间15分钟

摘要

《Kubelet从入门到放弃系列》将对Kubelet组件由Linux基础知识到源码进行深入梳理。在这篇文章中zouyee会介绍CPU的相关概念以及Kubelet组件CPU  Manager的源码。关于《Kubernetes调度框架系列》剩余的配置及源码部分，将陆续放出。

一、背景介绍

    1.1 需求背景

            默认情况下，kubelet 基于CFS 调度算法来执行Pod的CPU分配。但是当节点上运行了CPU 密集型 Pod 时，应用可能会因抢占等情况导致CPU切换，而上述的切换导致的延时与中断对于业务敏感性Pod是无法接受的。

            为了解决上述问题。Kubelet 提供了可选的 CPU 管理策略，以满足不同的业务场景。

            a. 以API形式向用户提供配置方案

            b. 同时支持多种CPU使用场景共存

            c. CPU基于亲和性分配时，考虑设备拓扑

            1.2 CPU架构            a. SMT

            同时多线程Simultaneous multithreading，简称SMT,SMT可通过复制处理器上的结构状态，让同一个处理器上的多个线程同步执行并共享处理器的执行资源，可最大限度地实现宽发射、乱序的超标量处理，提高处理器运算部件的利用率，缓和由于数据相关或Cache未命中带来的访问内存延时。当没有多个线程可用时，SMT处理器几乎和传统的宽发射超标量处理器一样。多线程技术则可以为高速的运算核心准备更多的待处理数据，减少运算核心的闲置时间。Intel的hyper-threading其实就是 two-thread SMT.

            b. CMP

           片上多处理器（Chip multiprocessors，简称CMP,其思想是将大规模并行处理器中的SMP（对称多处理器）集成到同一芯片内，各个处理器并行执行不同的进程。由于CMP结构已经被划分成多个处理器核来设计，每个核都比较简单，有利于优化设计。多核处理器可以在处理器内部共享缓存，提高缓存利用率，同时简化多处理器系统设计的复杂度。

            c. SMP

            对称多处理器（Symmetric Multi-Processors，简称SMP）,其是指在一个计算机上汇集了一组处理器(多CPU),各CPU之间共享内存子系统以及总线结构。共享存储型多处理机有三种模型：均匀存储器存取（Uniform-Memory-Access，简称UMA）模型、非均匀存储器存取（Non-uniform Memory Access，简称NUMA）模型和只用高速缓存的存储器结构（Cache-Only Memory Architecture，简称COMA）模型，这些模型的区别在于存储器和外围资源如何共享或分布。

        1) S2MP全称为可扩展共享存储多处理(Scalable Shared-Memory Multiprocessing)技术。S2MP系统将大量高性能微处理器连接起来，共享一个统一的地址空间，较好地解决其他并行处理系统无法解决的问题。

        2) MMP也被称为海量并行处理架构。MPP提供了另外一种进行系统扩展的方式，它由多个SMP服务器通过一定的节点互联网络进行连接，协同工作，完成相同的任务，从用户的角度来看是一个服务器系统。

            1.3 相关技术

            在CPU管理中，涉及NUMA、HT及cpuset技术，以下为简要介绍。

            NUMA

            NUMA，以内存访问的不一致性为代价，减轻对总线和memory的带宽需求。这种结构对进程调度算法的要求较高，尽量减少跨Node的内存访问次数，以提升系统性能。Core之间会共享总线、内存等资源。如果Core的数量较少，则没什么问题，但随着Core的增多，对总线以及内存带宽的需求就会显著增大，最终总线和内存会成为系统性能的瓶颈。

           如下图所示，一个NUMA Node包括一个或者多个Socket，以及与之相连的local memory。一个多核的Socket有多个Core。如果CPU支持HT，OS还会把这个Core看成 2个Logical Processor。

• Socket是一个物理上的概念，指的是主板上的cpu插槽

• Node是一个逻辑上的概念，上图中没有提及。由于SMP体系中各个CPU访问内存只能通过单一的通道，导致内存访问成为瓶颈，cpu再多也无用。后来引入了NUMA，通过划分node，每个node有本地RAM，这样node内访问RAM速度会非常快。但跨Node的RAM访问代价会相对高一点,我们用Node之间的距离（Distance，抽象的概念）来定义各个Node之间互访资源的开销。

• Core就是一个物理cpu,一个独立的硬件执行单元，比如寄存器，计算单元等

• Thread就是超线程（HyperThreading）的概念，是一个逻辑cpu，共享core上的执行单元

            HT

            Hyperthreading  使操作系统认为处理器的核心数是实际核心数的2倍，超线程(hyper-threading)本质上就是CPU支持的同时多线程(simultaneous multi-threading)技术，简单理解就是对CPU的虚拟化，一颗物理CPU可以被操作系统当做多颗CPU来使用。Hyper-threading只是一种“欺骗”手段。

           cpuset

           cpuset作为cgroup的子系统，主要用于numa架构，用于设置cpu的亲和性，为 cgroup 中的 task 分配独立的 CPU和内存等。

            cpuset使用sysfs提供用户态接口，可以通过普通文件读写，工作流程为：cpuset调用sched_setaffinity来设置进程的cpu、内存的亲和性，调用mbind和set_mempolicy来设置内存的亲和性。

            1.4 数据说明

            Numa Node

           numactl是设定进程NUMA策略的命令行工具，也可以用来查看当前的Nuwa node:

[root@xxx ~]# numactl -Havailable: 1 nodes (0)node 0 cpus: 0 1 2 3 4 5 6 7node 0 size: 16047 MBnode 0 free: 3693 MBnode distances:node 0 0: 10

        从上面可以看出本机有一个Numa node(操作系统配置numa=on效果一样...)，如果要进一步知道一个Node包含哪几个CPU，该怎么办？

        一种方法是通过查看ls /sys/devices/system/node/目录下的信息，例如：

[root@xxx ~]# ls /sys/devices/system/node/has_cpu has_normal_memory node0 online possible power uevent[root@xxx ~]# ls /sys/devices/system/node/node0compact cpu0 cpu1 cpu2 cpu3 cpu4 cpu5 cpu6 cpu7 cpulist cpumap distance hugepages ...

        可见, node0包含0/1/2/3/4/5/6/7八个Processor。

        查看Socket

        一个Socket对应主板上的一个插槽，在本文中是指一个CPU封装。在/proc/cpuinfo中的physical id就是Socket的ID，可以从中找到本机到底有多少个Socket，并且每个Socket有那几个Processor。

        1) 查看Socket数量

$ grep 'physical id' /proc/cpuinfo | awk -F: '{print $2 | "sort -un"}' 0 1$ grep 'physical id' /proc/cpuinfo | awk -F: '{print $2 | "sort -un"}' | wc -l2

        2）查看每个Socket有几个Processor

$ grep 'physical id' /proc/cpuinfo | awk -F: '{print $2}' | sort | uniq -c 4 0 4 1

         3) 查看Socket对应哪几个Processor

$ awk -F: '{ if ($1 ~ /processor/) { gsub(/ /,"",$2); p_id=$2; } else if ($1 ~ /physical id/){ gsub(/ /,"",$2); s_id=$2; arr[s_id]=arr[s_id] " " p_id }}
END{ for (i in arr) print arr[i];}' /proc/cpuinfo | cut -c2-0 1 2 34 5 6 7

            Core

/proc/cpuinfo文件中的cpu cores表明一个socket中有几个cores，例如：

cat /proc/cpuinfo | grep 'core' | sort -ucore id : 0core id : 1core id : 2core id : 3cpu cores : 4

         Logical Processor

        查看Processors的个数就比较简单了，从上面的统计结果中我们已经可以知道有8个Logical processor，不过也可以直接从/proc/cpuinfo文件中获取：

$ grep 'processor' /proc/cpuinfo | wc -l8

        其实，每个socket中能有几个processor也可以从siblings字段中获取：

$ grep 'siblings' /proc/cpuinfo | sort -usiblings : 4

        1.5 结构体

        需要注意的是，Kubelet内部启动cadvisor Manager，封装cadvisor接口为cadvisor.Interface,其对外暴露MachineInfo() (*cadvisorapi.MachineInfo, error)方法，CPU manager通过cadvisor的MachineInfo结构体信息生产CPU 拓扑信息， 具体实现为调用GetNodesInfo

https://github.com/google/cadvisor/blob/master/utils/sysinfo/sysinfo.go#L193:6

        三个关键的结构体定义如下：

https://github.com/google/cadvisor/blob/master/info/v1/machine.go#L174

type MachineInfo struct {... // Machine Topology // Describes cpu/memory layout and hierarchy. Topology []Node `json:"topology"`...}
type Node struct { Id int `json:"node_id"` // Per-node memory Memory uint64 `json:"memory"` HugePages []HugePagesInfo `json:"hugepages"` Cores []Core `json:"cores"` Caches []Cache `json:"caches"`}
type Core struct { Id int `json:"core_id"` Threads []int `json:"thread_ids"` Caches []Cache `json:"caches"` SocketID int `json:"socket_id"`}

说明如下：

1. Node对应NUMA节点，其中ID由/sys/devices/system/node/node$i中的$i获得

2. Core对应 Core,其中ID由/sys/devices/system/node/node$i/cpu$j/topology/core_id获得

3. Threads对应Logical Processor,其中ID由/sys/devices/system/node/node$i/cpu$j中的$j获得

4. SocketID对应Socket,其中ID由/sys/devices/system/node/node$i/cpu$j/topology/physical_package_id获得

二、功能介绍

⚠️：其中涉及到的拓扑管理、设备管理等内容，后续有针对性文章进行介绍，此处带过。

Kubernetes版本	API版本
v1.8	alpha
v1.12	beta

CPU 管理器（CPU Manager）作为 alpha 特性引入 Kubernetes 1.8 版本，Kubernetes 1.12进入beta版本后，默认开启。CPU 管理策略通过 kubelet 参数 --cpu-manager-policy 来指定。支持两种策略：

a. none: 默认策略，保持现有的调度行为。

b.static: 节点上满足某些资源特征的 Pod 根据 CPU 亲和性和独占性进行分配。

CPU 管理器（即：通过goroutine方式执行reconcileState方法）定期通过 CRI（即containerRuntime） 写入资源更新，以保证内存中 CPU 分配与 cgroupfs 一致(可参考第三节)。同步频率通过新增的 Kubelet 配置参数 --cpu-manager-reconcile-period 来设置。如果不指定，默认与 --node-status-update-frequency 的周期相同。关于CPU管理器需要注意以下几点：

a. 像容器运行时和 kubelet 此类的系统服务可以继续在这些独占 CPU 上运行。独占性仅针对一般 Pod。

b. CPU 管理器不支持offline/online CPUs热更新。此外，如果节点上的 CPUs 发生变化， 则必须驱逐 Pod，并通过删除 kubelet 配置的 cpu_manager_state 文件以重置 CPU 管理器。

c. 当启用 static 策略时， kube-reserved 加上 system-reserved 或 reserved-cpus 设置的 CPU 值大于零。

当前支持以下两种策略：

1. none

none 策略显式地启用现有的默认 CPU 亲和方案。通过 CFS 配额来实现 Guaranteed pods的 CPU 使用限制。

2. static

static 策略针对具有整数型 CPU请求 的 Guaranteed Pod （后续文章介绍），它允许该类 Pod 中的容器独占 CPU 资源。其基于 cpuset cgroup 控制器 实现的

从1.17版本开始，CPU保留列表可以通过 kublet 的 --reserved-cpus参数设置, 并且--reserved-cpus 指定的CPU列表优先级高于--kube-reserved 和 --system-reserved 参数指定的保留CPU，若同时指定，将进行覆盖。

a. static策略管理一个CPU共享资源池，起初，该资源池包含节点上所有的 CPU 资源。可用且独占的CPU 数量等于节点的 CPU总量减去通过 reserved-cpus或--kube-reserved 或 --system-reserved 命令行保留的 CPU（其实还有eviction资源，但当前不支持CPU类型，因此省略）。

b. 通过这些参数预留的 CPU 是以整数方式，按物理内核 ID 升序从初始共享池获取的。共享池是 BestEffort 和 Burstable pod 运行的CPU 集合。Guaranteed Pod 中的容器，如果声明了非整数值的 CPU requests ，也将运行在共享池的 CPU 上。只有 指定了正整数型的 CPU requests 的Guaranteed Pod ，才能独占 CPU 资源

c. 当 Guaranteed Pod 调度到节点上时，如果其容器符合独占要求， 相应的CPU会从共享池中移除，并放置到容器的cpuset 中。容器cgroup目录的 cpuset文件 中的 CPU 数量与 Pod 中指定的 CPU limit 相等。这种分配增强了CPU亲和性，减少了CPU上下文切换。

因为其 requests 值与 limits相等，下述Pod属于Guaranteed QoS类型， 且容器对 CPU 资源的限制值是正整数值。符合独占要求，因此该 nginx 容器独占2个CPU。

spec: containers: - name: nginx image: nginx resources: limits: memory: "200Mi" cpu: "2" requests: memory: "200Mi" cpu: "2"

三、源码分析

在介绍代码之前，zouyee先带各位看一看CPU manager的启动图（CPU manager属于Container Manager模块的子系统）

对于上图的内容，zouyee总结流程如下：

1、在命令行启动部分，Kubelet中调用NewContainerManager构建ContainerManager

2、NewContainerManager函数调用topologymanager.NewManager构建拓扑管理器

3、NewContainerManager函数调用cpumanager.NewManager构建CPU管理器

4、拓扑管理器使用AddHintPriovider方法将CPU管理器加入管理

5、回到命令行启动部分，调用NewMainKubelet()，构建Kubelet结构体

6、构建Kubelet结构体时，将CPU管理器跟拓扑管理器封装为InternalContainerLifecycle接口，其实现Pod相关的生命周期资源管理操作，涉及CPU相关的是PreStart方法

7、构建Kubelet结构体时，调用AddPodmitHandler将GetAllocateResourcesPodAdmitHandler方法加入到Pod准入插件中，在Pod创建时，资源预分配检查

8、构建Kubelet结构体后，调用ContainerManager的Start方法，ContainerManager在Start方法中调用CPU管理器的Start方法，其做一些处理工作并孵化一个goroutine，执行reconcileState()

下面依次进行讲解。

 STEP 1

Kubelet调用NewContainerManager构建ContainerManager, 涉及代码为cmd/kubelet/app/server.go

在run函数中完成ContainerManager初始化工作

func run(ctx context.Context, 参数太长,不写全了）{ .... if kubeDeps.ContainerManager == nil { ... kubeDeps.ContainerManager, err = cm.NewContainerManager( ... ) ... }}

STEP 2-4

NewContainerManager函数调用topologymanager.NewManager构建拓扑管理器，涉及代码pkg/kubelet/cm/container_manager_linux.go

func NewContainerManager(参数太长,不写全了) { if utilfeature.DefaultFeatureGate.Enabled(kubefeatures.TopologyManager){ // 判断特性是否开启，构建拓扑管理 cm.topologyManager, err = topologymanager.NewManager( machineInfo.Topology, nodeConfig.ExperimentalTopologyManagerPolicy, nodeConfig.ExperimentalTopologyManagerScope, ) } // 判断特性是否开启，构建CPU管理 if utilfeature.DefaultFeatureGate.Enabled(kubefeatures.CPUManager) { cm.cpuManager, err = cpumanager.NewManager( nodeConfig.ExperimentalCPUManagerPolicy, nodeConfig.ExperimentalCPUManagerReconcilePeriod, machineInfo, nodeConfig.NodeAllocatableConfig.ReservedSystemCPUs, cm.GetNodeAllocatableReservation(), nodeConfig.KubeletRootDir, cm.topologyManager, ) if err != nil { klog.Errorf("failed to initialize cpu manager: %v", err) return nil, err } // 拓扑管理器使用AddHintPriovider方法将CPU管理器加入管理 cm.topologyManager.AddHintProvider(cm.cpuManager) }} 

其中关于CPU管理器的初始化：

type CPUTopology struct { NumCPUs int NumCores int NumSockets int CPUDetails CPUDetails}
type CPUDetails map[int]CPUInfo
type CPUInfo struct { NUMANodeID int SocketID int CoreID int}
func NewManager(参数太多，省略了) (Manager, error) { // 根据cpuPolicyName，决定初始化policy，当前支持none和static switch policyName(cpuPolicyName) { ... case PolicyStatic: // 1. 根据cadvisor的数据，生产topology结构体 topo, err = topology.Discover(machineInfo) // 2. 检查reserved的CPU是否为0，需要kube+system reserved的CPU > 0 // 3. 初始化policy policy, err = NewStaticPolicy(topo, numReservedCPUs, specificCPUs, affinity) ... }}

STEP 5-7

        在run函数中完成ContainerManager初始化工作后，调用RunKubelet函数构建Kubelet结构体，其最终调用NewMainKubelet()，完成Kubelet结构体构建。涉及代码pkg/kubelet/kubelet.go

func NewMainKubelet(参数太长,不写全了)(*Kubelet, error) { ... klet := &Kubelet{ ... containerManager: kubeDeps.ContainerManager, ... } ... runtime, err := kuberuntime.NewKubeGenericRuntimeManager( ... // 构建Kubelet结构体时，将CPU管理器跟拓扑管理器封装为InternalContainerLifecycle接口 kubeDeps.ContainerManager.InternalContainerLifecycle(), ... ) ... // 调用AddPodmitHandler将GetAllocateResourcesPodAdmitHandler方法加入到Pod准入插件中，在Pod创建时，资源预分配检查klet.admitHandlers.AddPodAdmitHandler(klet.containerManager.GetAllocateResourcesPodAdmitHandler()) ...}

        其中在InternalContainerLifecycle接口，涉及CPU部分在PreStartContainer方法，涉及代码pkg/kubelet/cm/internal_container_lifecycle.go

func (i *internalContainerLifecycleImpl) PreStartContainer(参数太长,不写全了) error { if i.cpuManager != nil { i.cpuManager.AddContainer(pod, container, containerID) }
if utilfeature.DefaultFeatureGate.Enabled(kubefeatures.TopologyManager) { err := i.topologyManager.AddContainer(pod, containerID) if err != nil { return err } } return nil}

           那么何时调用呢？

        上面我们提到了kuberuntime.NewKubeGenericRuntimeManager,该函数实例化KubeGenericRuntimeManager结构体(后续详细介绍)，而该结构体在startContainer方法中，进行调用，涉及代码pkg/kubelet/kuberuntime/kuberuntime_container.go

// 用于启动容器，该结构体实现了Runtime接口func (m *kubeGenericRuntimeManager) startContainer(参数太多，不写了) (string, error) { ... err = m.internalLifecycle.PreStartContainer(pod, container, containerID) ...}

        另外GetAllocateResourcesPodAdmitHandler需要实现返回的结构体需要实现Admit接口.

func (m *resourceAllocator) Admit(attrs *lifecycle.PodAdmitAttributes) lifecycle.PodAdmitResult { pod := attrs.Pod
for _, container := range append(pod.Spec.InitContainers, pod.Spec.Containers...) { ...
if m.cpuManager != nil { err = m.cpuManager.Allocate(pod, &container) ... } }
return lifecycle.PodAdmitResult{Admit: true}}

        实际调用逻辑为m.cpuManager.Allocate->m.policy.Allocate->func (p *staticPolicy) Allocate (none策略无需操作)，涉及代码pkg/kubelet/cm/cpumanager/policy_static.go

func (p *staticPolicy) Allocate(s state.State, pod *v1.Pod, container *v1.Container) error { // 1. 如介绍所说，检查是否满足分配，即QOS为Guaranteed，且分配CPU为整型 if numCPUs := p.guaranteedCPUs(pod, container); numCPUs != 0 { // 2. 获取是否分配过，分配过则更新即可 if cpuset, ok := s.GetCPUSet(string(pod.UID), container.Name); ok { ... } // 3. 获取亲和性拓扑 hint := p.affinity.GetAffinity(string(pod.UID), container.Name) // 4. 根据numa亲和性进行分配 cpuset, err := p.allocateCPUs(.. ) // 5. 设置分配结果 s.SetCPUSet(string(pod.UID), container.Name, cpuset) // 6. 设置reuse字段 p.updateCPUsToReuse(pod, container, cpuset)
} // container belongs in the shared pool (nothing to do; use default cpuset) return nil}

STEP 8

        构建完成Kubelet结构体后，在Kubelet方法initializeRuntimeDependentModules中调用ContainerManager的Start方法，涉及代码pkg/kubelet/kubelet.go

func (kl *Kubelet) initializeRuntimeDependentModules() { ... // 这里根据我们前面说明的，需要cadvisor的数据，因此需要提前启动 if err := kl.containerManager.Start(省略); err != nil { ... } ...}

        ContainerManager在Start方法中调用CPU管理器的Start方法，具体步骤如下：

        a. 构建Checkpoint,其中包含文件及内存的操作

        b. 根据初始化的policy，运行Start, 实际只有static起到作用，主要是校验工作

        c. 孵化一个goroutine，执行reconcileState()

func (cm *containerManagerImpl) Start(参数太多，省略) error { ... // 初始化CPU管理器 if utilfeature.DefaultFeatureGate.Enabled(kubefeatures.CPUManager) { ... err = cm.cpuManager.Start(参数太多，省略) ... } ...}// 涉及代码pkg/kubelet/cm/cpumanager/cpu_manager.gofunc (m *manager) Start(参数太多，省略) error { ... // 该处为Checkpoint处理，实际为文件管理工作，即分配等情况的数据保存 stateImpl, err := state.NewCheckpointState(m.stateFileDirectory, cpuManagerStateFileName, m.policy.Name(), m.containerMap) ... // 孵化一个goroutine，执行reconcileState() // 处理当前实际CPU分配的工作，类似actual与desired go wait.Until(func() { m.reconcileState() }, m.reconcilePeriod, wait.NeverStop)}

其中reconcileState  主要完成以下工作

a. 处理当前活跃Pod，更新containerMap结构体

b.通过CRI接口更新容器的CPU配置(即m.containerruntime.UpdateContainerResources)

后续zouyee将带各位看看ContainerManager各大组件：拓扑管理、设备管理、容器管理等。

四、参考资料

1. http://abcdxyzk.github.io/blog/2015/08/07/cgroup-9/

2.http://abcdxyzk.github.io/blog/2015/02/09/kernel-mm-numa/

3.https://kubernetes.io/docs/tasks/administer-cluster/cpu-management-policies/

END

 往期 ·精选