本系列从源码角度解析 KubeRay 与 Volcano。先介绍 Ray、Kubernetes、KubeRay 与 Volcano 的职责与架构；KubeRay 部分涵盖组件分工、Reconcile 协调、并发管理、Operator 重启恢复与高可用；Volcano 部分涵盖 Job、PodGroup、Queue 架构、Gang 调度、队列资源竞争与抢占，以及 KubeRay 接入和生命周期协作；最后总结 Operator 设计。

本系列文章阅读KubeRay与Volcano源码。Ray以task和actor表达分布式计算，Kubernetes以Pod管理容器部署；KubeRay通过CRD和Operator管理RayCluster、RayJob等资源，Volcano提供Gang成组调度与队列资源共享。系列共十篇：前五篇追踪RayJob从提交到Pod运行的协调与恢复，后四篇引入Volcano分析批调度。

本文是 Volcano 源码阅读系列第六篇，讲解批调度基础架构，核心问题是 KubeRay 已创建 Pod 但集群资源不足时如何分配。Volcano 用 PodGroup 表达成组关系，Gang 插件检查最低运行门槛，Queue 组织共享资源。核心组件包括 Scheduler、Controller Manager 和 Admission Webhook。原生 Volcano Job 先准入再创建 Pod，而 KubeRay 路径会先创建未调度的 Ray Pod。

本文解析 Volcano 调度器如何满足 Gang 约束：调度从缓存快照开启 Session，依次执行 enqueue、allocate 等阶段。enqueue 判断作业能否进入调度，allocate 用 Statement 试分配资源，若成员未达最低数则 Discard 撤销。满足门槛后 Commit 并异步绑定，但绑定可能部分失败，Gang 不保证全部 Pod 同时启动。

本文解析 Volcano 多作业资源共享与竞争机制：Queue 通过 proportion 插件按权重、需求、上限和保障量计算 deserved 份额；DRF 以主导资源份额排序作业；preempt 处理队列内抢占，reclaim 处理跨队列回收，均需检查优先级、可抢占性、Gang 与节点约束。驱逐后资源不会立即可用，Ray 任务可能无法无损恢复。

KubeRay Operator 通过 Volcano 适配器将 RayJob 转换为 PodGroup 等调度资源。适配器创建 PodGroup，设置 owner 引用、分组注解和 schedulerName；最低成员数不含 submitter 以避免启动死锁，但其资源仍提前计入。资源计算基于模板 requests，未涵盖 init 容器等。收尾时按存活集群重算需求，而非直接清零。

本文总结KubeRay与Volcano源码阅读：用户提交RayJob后，KubeRay创建RayCluster及head、worker Pod，集群就绪后由submitter经Ray Jobs API提交程序。启用Volcano时，先写PodGroup，再在Pod上标注调度器与组信息，由Volcano负责Pod绑定。KubeRay协调、Volcano调度与Ray运行时三套循环通过Kubernetes对象和Ray API衔接，各自独立重试。恢复依赖可重建状态链，高可用需分层看待。

Volcano是专为高性能计算和AI/ML工作负载设计的Kubernetes云原生批处理调度器。其插件集成到可扩展的Kubernetes网页UI Headlamp中，方便用户查看工作负载状态、队列行为和调度细节，简化资源管理并提高操作效率。未来可能会增加Prometheus集成和更丰富的调度洞察。

Volcano是专为高性能计算和AI/ML工作负载设计的Kubernetes云原生批处理调度器。Headlamp是可扩展的Kubernetes网页UI，支持插件系统。Volcano插件将核心资源整合到Headlamp中，便于用户检查工作负载状态、队列行为和调度细节，提升操作和故障排除的效率。

随着大型语言模型的发展，Kubernetes成为智能系统的重要平台。新功能如Volcano v1.14、Kthena v0.3.0和AgentCube提升了资源调度效率，简化了大模型部署，并支持异构自动扩展，推动AI基础设施进步。

Volcano v1.14发布，提升AI调度能力，支持多调度器架构和Agent Scheduler，满足批量计算与延迟敏感需求。增强网络拓扑感知，支持通用操作系统，集成昇腾vNPU，扩展多集群能力，改善用户体验。

Kthena是Volcano社区推出的子项目，旨在为全球开发者和MLOps工程师提供高效的云原生大语言模型推理调度解决方案。它通过拓扑感知调度和智能路由优化GPU/NPU资源利用，降低延迟，简化Kubernetes上大语言模型的部署。Kthena支持多模型管理和动态扩展，提高AI生命周期的整体效率。

AgentCube是基于Volcano的AI智能体编排层，旨在解决Kubernetes在高并发、低延迟AI工作负载中的不足。它通过预热池机制加速启动，提升调度效率，并引入会话管理和Serverless弹性伸缩，支持多种Agent框架，推动AI基础设施发展。

Volcano推出Kthena，一个专为Kubernetes设计的高性能LLM推理调度系统，旨在提高GPU/NPU资源利用率，简化多模型管理，解决资源利用率低、延迟与吞吐量难以兼顾的问题，推动云原生AI生态发展。

Volcano v1.13版本发布，增强了大模型训练与推理调度能力，支持LWS、Cron任务管理和网络拓扑发现，提升了AI计算框架的兼容性，简化了复杂工作负载管理，旨在提供高效稳定的计算平台。

Kong在2025年API峰会上发布了名为Volcano的开源SDK，旨在简化AI代理的开发。该SDK采用MCP原生方法，支持多种模型，能够自动生成订单。Kong希望通过开源Volcano为开发者提供更好的工具，促进MCP代理的构建。

iFLYTEK在2025年KubeCon + CloudNativeCon中国大会上展示了利用Volcano优化大规模AI模型训练的案例，通过弹性调度和多租户隔离，提高了GPU利用率，降低了基础设施成本，加快了训练速度。

批处理在现代数据处理和机器学习中至关重要。Kubernetes虽然最初用于长时间运行的服务，但现已支持批处理工作负载。本文探讨了Kubernetes上的批调度及其挑战，并比较了三种开源工具：Apache YuniKorn、Volcano.sh和Kueue，以有效管理资源和任务依赖。选择合适的工具可提升Kubernetes的批处理能力。