① 背景与问题（解决了什么痛点）

在 Kubernetes 中，节点调度是一个核心功能。通过 nodeSelector、affinity 和 toleration 等机制，我们可以控制 Pod 在哪些节点上运行。然而，在实际生产环境中，我们常常遇到一些复杂的调度场景，例如：

• 某些节点因为硬件限制或特殊配置，无法承载某些类型的 Pod；
• 需要对特定的节点状态进行更细粒度的控制，比如 GPU 可用性、网络延迟、磁盘类型等；
• 现有的 toleration 机制在处理复杂节点条件时不够灵活，导致调度策略难以实现。

这些问题在 Kubernetes v1.34 及之前版本中较为突出。虽然已有 nodeSelector 和 affinity 提供了基本的调度能力，但在面对更复杂的节点条件时，往往需要手动干预或编写自定义调度器，这增加了运维成本和复杂度。

Kubernetes v1.35 引入了一个重要的更新：扩展了 toleration 的 operator 支持新的 node conditions，使得我们可以在 toleration 中使用更丰富的节点状态判断逻辑，从而实现更加精细化的调度控制。

这个特性不仅提升了调度的灵活性，还简化了多维条件下的调度策略配置，是当前 Kubernetes 生态中一个非常实用的技术升级。

---

② 核心概念/技术原理

2.1 Toleration 与 Node Condition 的关系

在 Kubernetes 中，toleration 是用于容忍节点上某些不可满足的条件，让 Pod 能够被调度到这些节点上。例如，如果某个节点带有 node-role.kubernetes.io/control-plane 标签，那么默认情况下，普通 Pod 是不会被调度到该节点上的。但如果我们为 Pod 添加一个 toleration，就可以允许它被调度到该节点。

Kubernetes v1.35 扩展了 toleration 的 operator 支持，使其可以支持 新的 node condition 类型，如：

• NodeSchedulable
• NodeReady
• NodeUnreachable
• NodeDiskFull
• NodeMemoryPressure
• NodePIDPressure
• NodeNetworkUnavailable

这意味着，我们可以根据节点的健康状态、资源压力、网络可用性等条件来更精细地控制 Pod 的调度行为。

2.2 新增的 Operator 行为

在 Kubernetes v1.35 前，toleration 的 operator 支持以下几种：

• Equal
• Exists
• NotEqual
• DoesNotExist

从 v1.35 开始，新增了对 NodeCondition 的支持，可以通过 operator 来判断节点是否处于某种状态。例如：

toleration:
  key: "node.kubernetes.io/unreachable"
  operator: "Exists"
  effect: "NoSchedule"

这条 toleration 表示：如果节点处于 unreachable 状态，则允许 Pod 被调度到该节点。

此外，还可以结合 value 字段进行更精确的匹配：

toleration:
  key: "node.kubernetes.io/network-unavailable"
  operator: "Equal"
  value: "true"
  effect: "NoSchedule"

表示只有当节点的 network-unavailable 条件为 true 时，才允许 Pod 被调度。

2.3 优势总结

• 更加灵活的调度控制；
• 减少对自定义调度器的依赖；
• 提高了调度策略的可读性和可维护性；
• 更好地适应多云、混合云环境中的复杂调度需求。

---

③ 实战案例/代码示例（重点章节，占比 40%）

3.1 场景一：基于节点网络状态的调度

在某些场景下，我们需要确保某些 Pod 只能运行在 网络可用性高的节点 上。例如，AI 推理服务可能对网络延迟非常敏感，因此需要避免部署到网络不稳定或不可达的节点。

3.1.1 配置示例

apiVersion: v1
kind: Pod
metadata:
  name: ai-inference-pod
spec:
  containers:
  - name: ai-container
    image: ai-model-server:latest
  tolerations:
  - key: "node.kubernetes.io/network-unavailable"
    operator: "Equal"
    value: "false"
    effect: "NoSchedule"

在这个配置中，Pod 会拒绝调度到任何 network-unavailable 为 true 的节点上，从而保证其运行在网络稳定的节点上。

3.1.2 验证方式

你可以使用以下命令查看节点的状态：

kubectl describe node <node-name>

在输出中查找 Conditions 部分，确认是否有 NetworkUnavailable 条件。

3.1.3 多条件组合示例

你也可以组合多个条件，例如同时检查节点是否可调度且网络正常：

tolerations:
- key: "node.kubernetes.io/unreachable"
  operator: "DoesNotExist"
  effect: "NoSchedule"
- key: "node.kubernetes.io/network-unavailable"
  operator: "Equal"
  value: "false"
  effect: "NoSchedule"

这样，Pod 将只被调度到既不是 unreachable，也不是 network-unavailable 的节点上。

---

3.2 场景二：GPU 节点的专属调度

在 AI 训练任务中，通常需要使用 GPU 节点。然而，有些 Pod 可能不需要 GPU，但如果误调度到 GPU 节点上，可能会造成资源浪费。

Kubernetes v1.35 提供了对 node.kubernetes.io/gpu 条件的支持，我们可以利用这个条件来控制哪些 Pod 可以调度到 GPU 节点上。

3.2.1 配置示例

apiVersion: v1
kind: Pod
metadata:
  name: training-job
spec:
  containers:
  - name: training-container
    image: tensorflow-training:latest
  tolerations:
  - key: "node.kubernetes.io/gpu"
    operator: "Equal"
    value: "true"
    effect: "NoSchedule"

此配置表示：只有当节点的 gpu 条件为 true 时，Pod 才会被调度到该节点。

3.2.2 非 GPU 节点的隔离

对于不需要 GPU 的应用，可以设置反向 toleration：

tolerations:
- key: "node.kubernetes.io/gpu"
  operator: "NotEqual"
  value: "true"
  effect: "NoSchedule"

这样，非 GPU 节点就不会被选中作为该 Pod 的运行位置。

---

3.3 场景三：基于节点资源压力的调度

有时候，我们希望某些关键任务优先运行在资源压力较小的节点上。例如，数据库服务应避免运行在内存或 PID 压力较大的节点上。

3.3.1 配置示例

tolerations:
- key: "node.kubernetes.io/memory-pressure"
  operator: "DoesNotExist"
  effect: "NoSchedule"
- key: "node.kubernetes.io/pid-pressure"
  operator: "DoesNotExist"
  effect: "NoSchedule"

此配置表示：Pod 不会被调度到处于内存压力或 PID 压力状态的节点上。

3.3.2 验证方式

你可以使用以下命令查看节点的资源压力情况：

kubectl get nodes
kubectl describe node <node-name>

在 Conditions 中查找 MemoryPressure 和 PIDPressure 是否为 True。

---

3.4 架构图说明

下面是一个简化的调度流程图，展示了 Kubernetes v1.35 中 toleration 与 node condition 的交互过程：

此流程表明，调度器会根据 toleration 的规则，结合节点的当前状态（如 memory pressure、network status 等），最终决定将 Pod 调度到哪个节点。

---

④ 架构设计/方案对比

方案	优点	缺点	适用场景
原始 nodeSelector	简单易用	不支持动态条件	仅需按标签选择节点
affinity + nodeSelector	支持多种选择逻辑	配置较复杂	需要多维度选择节点
toleration + node condition（v1.35）	灵活、支持复杂条件	需要熟悉新 API	需要精细控制调度策略
自定义调度器	完全可控	高维护成本	需要高度定制化调度逻辑

对比分析

• nodeSelector 是最基础的调度方式，适合简单的标签匹配。
• affinity 提供了更复杂的匹配逻辑，但仍然不支持动态条件。
• toleration 在 v1.35 后引入了对 node condition 的支持，使得调度策略可以基于节点的实时状态进行调整，是目前最推荐的方式。
• 自定义调度器虽然强大，但需要额外开发和维护，适用于有特殊需求的场景。

---

⑤ 优劣势评估/选型建议

5.1 优势

• 灵活性提升：支持基于节点的多种状态（如网络、内存、PID 压力等）进行调度。
• 减少对自定义调度器的依赖：无需开发额外调度逻辑即可实现复杂调度策略。
• 提高调度准确性：通过更精确的条件判断，减少误调度风险。
• 兼容性强：与现有调度机制无缝集成，无需重构现有架构。

5.2 劣势

• 学习成本：需要理解 node condition 的含义和使用方式。
• 配置复杂度增加：相比之前的 toleration 机制，新的配置更复杂。
• 调试难度上升：若配置错误，可能导致 Pod 无法调度，排查较为困难。

5.3 选型建议

场景	推荐方案	说明
简单标签匹配	nodeSelector	快速实现，适合小规模集群
多维度节点选择	affinity + nodeSelector	适用于中等复杂度的调度需求
精细化调度	toleration + node condition（v1.35）	适用于大规模、复杂环境下的调度控制
特殊调度需求	自定义调度器	适用于需要完全控制调度逻辑的场景

---

⑥ 总结与延伸

Kubernetes v1.35 的 Extended Toleration Operators 是一项非常实用的更新，它极大地增强了调度策略的灵活性和可控制性。通过引入对 node condition 的支持，我们可以在 toleration 中实现更细粒度的调度控制，从而更好地适配不同业务场景的需求。

在实际使用中，建议结合 node condition 和 toleration 的组合，构建更加智能和高效的调度策略。同时，需要注意配置的准确性和调试的及时性，避免因配置错误导致 Pod 无法调度的问题。

未来，随着 Kubernetes 生态的持续发展，我们预计会有更多关于节点状态和调度策略的增强功能出现。建议关注官方文档和社区动态，及时掌握最新特性和最佳实践。

---

📌 附录：常用 Node Condition 列表

• NodeSchedulable: 节点是否可调度
• NodeReady: 节点是否处于 ready 状态
• NodeUnreachable: 节点是否不可达
• NodeDiskFull: 节点磁盘是否已满
• NodeMemoryPressure: 节点内存是否不足
• NodePIDPressure: 节点 PID 是否不足
• NodeNetworkUnavailable: 节点网络是否不可用