Volcano v1.15.0发布：多方面增强调度能力，减少分布式训练任务失败

【导语：随着多种负载在同一Kubernetes集群中混合部署，调度器面临更高要求。Volcano v1.15.0正式发布，在调度核心、异构资源管理等方面进行增强，带来多项新增能力。】

Volcano v1.15.0发布，应对复杂调度需求

随着批量训练、推理、AI Agent、HPC、大数据等多种负载在同一Kubernetes集群中混合部署，调度器需要在资源竞争激烈的环境下做出高质量决策，同时保持作业级语义、队列公平性、拓扑亲和性与运行稳定性。Volcano v1.15.0围绕这些方向，在调度核心、异构资源管理、多调度器协同与性能可观测等方面进行了增强。

新增Gang - Aware Preemption and Resource Reclamation能力

本次最值得关注的新增能力是Gang - Aware Preemption and Resource Reclamation。抢占决策在抢占方与被抢占方两侧均以Gang为整体进行评估，抢占方按Gang整体进行放置，被抢占候选者同样按Gang粒度进行排序和评估，优先驱逐冗余副本，避免逐Pod随机驱逐打断多个训练任务而抢占方自身仍无法启动的情况。

以Job/Gang为粒度组织被抢占候选，区分冗余副本与关键副本，优先驱逐冗余副本减少任务扰动，并在驱逐前模拟整体放置确认抢占方能成功启动，避免逐Pod抢占打断多个训练任务而抢占方自己也无法运行的情况。

其他增强功能亮点多

v1.15.0在capacity插件中引入了DRA队列配额，新增了可插拔的多分片策略框架以及Benchmark与性能可观测工具，支持Kubernetes 1.35，并在NodeGroup调度优先级、Agent Scheduler稳定性、GPU/vGPU及队列准入控制等方面做了补充增强。

DRA Queue Quota将DRA `ResourceClaim`纳入Volcano现有的队列容量模型，让DRA设备资源也能通过队列配额管理。Sharding Controller支持通过ConfigMap组合多种分片策略，并支持运行时热加载。Volcano Benchmark框架提供一键化性能测试环境搭建和报告输出，支持Kind/KWOK及已有集群。Scheduling Gates for Queue Admission区分“队列配额不足”和“集群资源不足”，避免autoscaler因队列限额触发不必要的扩容。

核心变化意义重大，持续完善调度能力

Volcano v1.15.0的核心变化是Gang - Aware Preemption and Resource Reclamation，将抢占决策从逐Pod粒度提升到Gang粒度，在抢占方与被抢占方两侧同时进行整体性评估，减少分布式训练场景下因随机驱逐导致的连锁任务失败。DRA Queue Quota将DRA设备资源纳入已有的队列容量模型，使异构资源与CPU、内存在配额管理上保持一致。Pluggable Multi - Sharding Policy、Benchmark框架与Agent Scheduler稳定性修复，则分别完善了多调度器协同、性能基线建立与延迟敏感负载调度方面的工程能力。

编辑观点：Volcano v1.15.0的发布为Kubernetes集群调度带来了显著提升，其多项增强功能能更好地应对复杂负载场景，有望提升资源利用效率和任务运行稳定性，推动相关领域发展。