KKubepath
集群运维工程师 路线第 31 / 36 节 · L4 进阶战场退出路线
原理预计 40 分钟

AI 负载调度：Volcano、Kueue 与 gang scheduling

默认调度器一个一个放 Pod，分布式训练要么全起要么别起 —— 这就是要换调度器的原因。

学完这节你能做到

  • 解释 gang scheduling 解决的死锁问题，以及默认调度器为什么做不到
  • 对比 Volcano、Kueue 与 scheduler-plugins 的定位与组合方式
  • 为多团队共享的 GPU 集群设计队列与配额
正文待编写以下是本节已定稿的小节大纲
  1. 1分布式训练的资源死锁场景
  2. 2gang / co-scheduling 的实现思路
  3. 3Volcano：队列、作业与插件
  4. 4Kueue：配额借用与准入排队
  5. 5scheduler-plugins：最小侵入的选择
  6. 6三者对比与选型建议

延伸资料

  • ·k8s-in-actionai/scheduling-comparison.md
  • ·k8s-in-actionai/volcano/README.md
  • ·k8s-in-actionai/kueue/README.md
下一课：训练与推理平台：Trainer、Ray 与 vLLM →