大家看到这张表这是今天OpenStack Nova的调度。第二，基于资源计算节点上有多少I/O和多少带宽可以用，之后根据大家的需求对设备的支持，Nova自己能够测一下CPU利用率。第三，针对Fit。最后是自己写条件要不要在这台后端运行，这张表是计算全值的动作，从前面的表上大家可以有一个感觉，特别零散，把这些做成表以后看起来还非常乱，这就是开源社区的特点，我有一个需求，我加一个future，我有一个不满意的地方就拿去修一下，没有总体规划。再往下面做的时候，可能这个事情做起来比较麻烦，也没有办法维护，从这张图实际上是代码实现上的大致类图，大家可以看一下整个流程做的蛮诡异的。他先把一些不满足条件的过滤掉，对剩下的做了优先序的排序，之后再往下类层次结构，如果你自己写一个调度器满足自己要求的话，就在后面接一个就可以了。所以听起来也不是那么特别的难，如果你有上游代码不满足你需要的话。
另外中间还有一个项目叫做GANNTP，是尝试在OpenStack里做一个比较通用的路由器，这个项目做了一两年就死掉了，因为它是拉出去单干了，没有跟Nova密切配合，Nova有自己的调度器还在往前做，GANNTP还在自己往前做，所以社区的决定是调度器不能自己拉出去另起炉灶，要从Nova里面找。所以一年前社区开始做调度器，对整个上的调度做了非常高度的抽象，我有什么资源，用一个表来表示，我已经分配了哪些，然后提供一些资源，每个资源有一个名字，最小值多少，最大值多少，每次往上可以涨多少，这些都可以搞。对于不能计量的资源，比如就是X86机器的区别，还不好用数字表达的话，这种可以用另外一种PY6表达方式，用这样新的概念就可以表达你所有能够想象的需求。这是非常有野心的项目，也很值得关注。至于说这个是不是将来能一统天下也不知道，不过有Nova这个团队的强力支持，这个事做成的概率还是要高很多。
接下来我们看一下另外一个K8S，它里面做调度的时候做法，它做了很多类似labor的东西，也就是打标签，仍然是分几大类，一种是纯labor，另外是有统计数，有几个CPU，有多少内存。像GPU最近也加进去了，但是GPU只能支持0、1，到2就搞不动了，所有的需求都是加到哪儿算哪儿，这个是蛮令人失望的。还有这上面做的比较有趣的是，在它的调度里把存储做进去了，这个是OpenStack里面的弱点。OpenStack做调度的时候是不考虑网络，不考虑存储的。K8S调度器也跟Nova长得很像，第一步是做过滤，第二步是根据不同象限和维度做优先级排序，如果排出来是好几个，我就随便选一个，基本上这个思路没有太新鲜的东西。K8S因为实现是编译完了以后发布的，所以对它进行扩展和OpenStack的还不一样，OpenStack随便在里面改两行代码，重新启一下，谁都不知道就把这个事干了，但是K8S不一样，是编译完才能运行，所以在上面扩展有所不同。所以在K8S做调度扩展是给了这么一种做法，你可以写自己的调度器，但是作为K8S自己调度器的扩展是外面随便搞。
oVirt可能在国内外得不多，但是我一个朋友在国外参加活动的时候，发现oVirt用得比较多，是比较成熟的东西，至于是不是语言，这种定性的评价我们不去讲，我们先关注一下它的调度做法。没有什么惊喜的，仍然是我有一堆机器之后，你给我什么样的条件，然后满足这些条件，它做得比较好的一点是在扩展性上支持多种语言，你去oVirt网站上也可以看到有一些评价，可能用Java是比较好一些。oVirt Filters对于云来说就有点太细了。下面这张表是过滤出来这些机器以后，基于不同维度再去做全值的计算。
最后一组我们看一下Mesos，我对这个不是特别感冒，我并不认为Mesos是适合cloud的，这也是个人看法。Mesos可能在座有专家对这个比较熟悉，Mesos是自己不做调度，他只负责资源管理，把资源包放上去，自己不做调度。它在做资源描述的时候，比如说在每个Mesos可以配，有多少CPU、GPU，有多少资源可以供应这件事都可以做了。接下来做调度的话，我稍微看了一下Mesos，常见的评价是Mesos比较适合运行时间比较长的应用。所以大家用Mesos定制调度实现的时候，可能就会遇到一些困扰，你理解它本身就有点费劲，它在底下那些资源表达能力也就那样，反正你自己随便写。
最后我尝试给一个讨论，纯粹的个人观点陈述。我们看调度本身是一个什么样的问题，我们经常写代码，每天在那儿自己high得不得了，要修多少bug，往往可能就忘了自己为什么干这件事，我尝试对调度这件事情做总结，我们为什么做调度，首先从上往下看它都有自己的资源需求，下面不管用什么平台，中间是资源分配或者调度的过程。那上面资源本身需求有哪些因素，你要做一个宇宙第一的调度器的话，你要讨论哪些因素。这个需求本身可能是hard，就是不给我两个CPU就起不了，其他的维度还有是这个需求是不变的，还是没法预测的。那么负载什么时候到，它是长得胖还是瘦，不知道的，它是不是有对特殊设备的需求，比如说我去玩社区的时候，或者搞认知计算还是人工智能，深度学习，我要玩GPU什么的，没有GPU这事就干不了，而这种调度能力是不是调度器能够支持，下面能不能调配上来也不知道。一堆服务给你的时候，你把它给到你的机制上，让它们自动连接好，并且能够彼此发现对方还能够工作，这个也不容易。从下面我们看资源贡献的角度，我看论文上有一些分类，一种是随时要随时给，第二是你要的时候先说，第三种是有，但是我不保证，你现在用就用了，随时都可能完全没了。第一种你可以单独的给你CPU，你还是干不了活。而且你还要考虑运维造成的资源中断等等因素。那么在中间要考虑哪些问题，要考虑资源利用率，要考虑既然是虚拟化平台，那虚拟机是不是可以搬来搬去，你要考虑完成时间，这些都是为了讨好你的用户，都是为了提高性能。如果你做得更好一些，你在调度的时候还要考虑怎么提高服务质量。只有在学术圈里才考虑你的调度器策略够不够公平，调度器本身是不是足够快，是不是能够skill做预测。我个人比较失望的是，到目前为止我没有看到任何一个调度器cost，感觉我提供了资源所有人拿去都是不花钱的。其他的一些Factors技术，我调研发现过去一共有1600多篇论文，大家提出了90多种以上不同的解决方法，但是真正落地的不多。第二，因为我们真正的是商用，你是不是可以考虑让用户做协商和拍卖，把资源充分利用起来，发挥它的价值。
我们现在看到的状况下，这个领域研究非常活跃，也不知道出了多少博士生，出了多少博导。如果你的云不管是自己用，还是别人用，如果真的有好的调度的话，真正的是很多东西都可以一刀切。另外，可能列了那么多表，从不同框架里看到不同的算法，可能真的没有一个是符合你的需要的，然后更重要的一点是，你自己都不知道你自己想要什么的时候，这件事就没法解决了。因为我还是做以测序为主，希望在社区里大家集思广益，不管你有什么想法，我们是不是可以拿出来共同探讨，把这件事情做得更好。谢谢大家！
