计算资源
用户在向集群提交计算任务，使用计算资源时，需要遵循管理员设置的各种策略。
- 资源配额：用户提交的工作负载需要满足集群的配额策略；
- 使用 t9k-scheduler：可能需要通过特定的 scheduler 才能使用特定的资源。
资源配额
管理员可在 Project 和 Queue 分别设置资源（CPU、Memory、GPU、Storage 等）配额。
- 针对
Project的配额限制单个 Project 里的各种计算资源使用上限； - 设置在
Queue上的配额则允许管理员设置特定容量的资源池供用户使用。
t9k-scheduler
t9k-scheduler 调度器专为大规模分布式并行计算及异构资源集群设计，可以更加有效地管理 AI 集群的计算资源和计算任务。相比于 K8s 的默认调度器 kube-scheduler，t9k-scheduler 在对 AI 计算场景的支持方面进行了增强，并增加了额外的机制以对集群进行更加精细化管理。
适用场景
为并行计算性质的工作负载分配资源，当用户需要部署多个 Pod 协同工作以运行任务时，推荐使用 t9k-scheduler。
Queue & PodGroup
t9k-scheduler 有两个重要的机制：
- Queue：
t9k-scheduler提供 queue 让用户工作负载申请集群资源，每一个使用t9k-scheduler的 Pod 都可指定一个 queue 为其分配资源。队列的创建/修改由集群管理员负责。 - PodGroup：PodGroup 是支持 coscheduling 机制重要组成部分。它代表一组 Pod，并定义了这组 Pod 在资源方面的限制条件。当限制条件被满足时，PodGroup 中的 Pod 才会被分配计算资源。
使用
当用户创建 Pod 使用 t9k-scheduler 时，需要进行下列操作：
- 将 Pod 使用的调度器名称设置为 t9k-scheduler；
- 设置 Pod 所属的队列。
当用户创建一组 Pod 协同完成一项任务，并使用 t9k-scheduler，需要进行下列操作 （用户一般通过使用 T9k-Job 自动化地使用 PodGroup）：
- 创建一个 PodGroup，并在 PodGroup 中设置所属的队列；
- 将 Pod 使用的调度器名称设置为 t9k-scheduler；
- 设置 Pod 属于步骤一创建的 PodGroup。