通过前面预选策略过滤出来的 Node 列表，会再一次使用优选策略为这些 Node 打分，最终得分最高的 Node 会作为该 Pod 的调度对象。 有多个优选策略就相当于有多个打分函数，那么总得分的计算公式为：`总分 = (打分函数1 * 权重1) + (打分函数2 * 权重2) + ... + (打分函数3 * 权重3)`，打分函数的打分范围为 0 - 10 分，0 表示非常不合适，10 表示非常合适。每个打分函数都可以配置对应的权重，默认权重值为 1，如果某个打分函数特别重要就可以增加该权重值。 常用的优选策略有： * `LeastRequestedPriority`：选出空闲资源（CPU & Memory）最多的 Node * `BalancedResourceAllocation`：主要用于资源平衡，选出各项资源分配最均衡的 Node，避免出现某些 Node CPU 被大量分配，而 Memory 大量剩余的情况 * `SelectorSpreadPriority`：为了更好容灾，对属于同一个 Service 或是 RC 的多个 Pod 副本，尽量调度到多个不同的 Node 上 * `InterPodAffinityPriority`：优先将 Pod 调度到相同的拓扑上（如同一个节点、Rack、Zone 等） * `NodeAffinityPriority`：优先调度到匹配 NodeAffinity 的 Node 上 * `TaintTolerationPriority`：优先调度到匹配 TaintToleration 的 Node 上 * `ImageLocalityPriority`：优先选择已经存在 Pod 所需 Image 的 Node（已注册但默认未使用） * `MostRequestedPriority`：优先选择已经使用过的 Node，适用于 cluster-autoscaler（已注册但默认未使用） 因此`kube-scheduler`算法流程图如下所示：