本文介绍弹性资源调度、AI任务调度、异构资源调度和任务队列调度，帮助用户提升集群的资源利用率和作业运行效率。
弹性调度
ACK为不同弹性资源提供了混合调度的能力。
| 功能 | 描述 | 参考文档 |
| 弹性调度 | 阿里云提供了不同种类的弹性资源，如ECS和ECI，以及不同的付费类型如包年包月、按量付费和抢占实例等。 弹性调度提供差异化调度ECS和ECI资源的能力，支持自定义弹性资源优先级调度策略。在应用发布或扩容过程中，按照自定义资源策略，设置应用实例Pod被调度到不同类型节点资源的顺序。同时在缩容过程中按照原调度顺序逆序缩容。 例如在扩容过程中，优先使用已有资源池中的ECS资源，当ECS资源分配完之后，再使用ECI资源。当应用缩容时，可以优先缩容ECI节点，在提升效率的同时降低您的使用成本。 |
任务调度
ACK为批量计算的任务提供了Gang scheduling和Capacity Scheduling调度能力。
| 功能 | 描述 | 参考文档 |
| Gang scheduling | All-or-Nothing作业要求所有的任务在同一时间被调度，如果只是部分任务启动的话，启动的任务将持续等待剩余的任务被调度。在极端情况下，所有作业都处于挂起状态，从而导致死锁。 为了解决这个问题，阿里云提供Gang Scheduling功能，保障所有相关联的进程能够同时启动，防止因部分进程的异常而导致整个关联进程组的阻塞的问题。 | 使用Gang scheduling |
| Capacity Scheduling | 当集群中有多个用户时，通过Kubernetes原生的ResourceQuota方式进行固定资源分配，因为不同的用户使用资源的周期和方式不同，会造成集群的整体资源利用率较低。 ACK借鉴Yarn Capacity Scheduling的设计思路，基于Scheduling Framework的扩展机制，在调度侧通过引入弹性配额组，实现Capacity Scheduling功能，在确保用户资源分配的基础上，通过资源共享的方式来提升集群的整体资源利用率。 | 使用Capacity Scheduling |
| Kube Queue | 调度器以Pod为单位进行调度。当集群中任务类型的工作负载数量多时，会导致Pod对调度器的运行速率影响较大，并且不同用户提交的作业之间存在相互影响。 任务队列ack-kube-queue旨在管理Kubernetes中的AI/ML工作负载和批处理工作负载。允许系统管理员使用自定义队列的作业队列管理，以提高队列的灵活性。结合Quota系统，ack-kube-queue自动优化了工作负载和资源配额管理，以便最大化利用集群资源。 | 使用任务队列ack-kube-queue |
异构资源调度
ACK为CPU、GPU等异构资源提供了GPU共享调度、GPU/CPU拓扑感知调度等能力。ACK调度GPU使用的节点标签信息，请参见GPU节点调度属性标签说明及标签切换方法。
功能 | 描述 | 参考文档 |
共享GPU调度 | GPU共享调度可以降低使用GPU的经济成本，保障程序运行的稳定性。 ACK Pro版集群支持以下GPU设备分配策略：
| |
GPU/CPU拓扑感知调度 | 调度器基于节点异构资源的拓扑信息，如GPU卡之间的NVLink、PcleSwitch等通信方式、CPU的NUMA拓扑结构等，在集群维度进行最佳的调度选择，为工作负载提供更好的性能。 | |
FPGA调度 | 在进行FPGA计算时，通过Kubernetes集群统一管理FPGA设备。根据应用的需求，把资源调度到具有FPGA设备的节点上。 |
任务队列调度
ACK为AI/ML工作负载和批处理工作负载提供自定义的任务队列调度能力。详细信息，请参见使用任务队列ack-kube-queue。