Kueue 与 Volcano 对比实验¶
Kueue 和 Volcano 并非简单替代关系。Kueue 强调工作负载准入和与现有调度器组合；Volcano 提供面向批任务的调度器、Job、Queue、PodGroup 和多种调度策略。应按平台所需控制点做实验。
1. 相同测试集¶
准备以下任务：
- 单 Pod 单 GPU 短任务；
- 8 Pod Gang 训练；
- 需要同机或同机架拓扑的多卡任务；
- 高低优先级混合；
- 两个租户借用和回收配额；
- 一个无法满足的超大任务；
- 任务等待期间新增 GPU 节点。
2. 观察维度¶
| 维度 | 问题 |
|---|---|
| 准入 | Pod 创建前还是创建后等待？ |
| Gang | 不完整资源组是否会占用部分 GPU？ |
| 公平 | 长短任务、租户和优先级怎样共享？ |
| 抢占 | 谁被抢、损失多少、能否恢复？ |
| 拓扑 | 队列决策是否理解节点/机架/设备域？ |
| 弹性 | Pending/准入状态怎样驱动节点供给？ |
| 生态 | Trainer、JobSet、RayJob 等怎样接入？ |
| 运维 | 状态、事件、指标和升级是否清晰？ |
3. 结果记录¶
记录提交到准入、准入到 Running、完成时间、GPU 碎片、空转时间、抢占损失、队列公平偏差和控制器故障后的恢复。不要只比较 YAML 长度。
4. 组合场景¶
有些平台使用 Kueue 做配额准入，再由 kube-scheduler 或其他调度器完成 Pod 放置；也有平台使用 Volcano 独立承担批调度。若组合两者，必须验证 PodGroup、Suspend、Priority 和抢占的所有权，禁止两个控制器重复准入或恢复同一任务。