在云原生领域选了个特定的领域开发：kubernetes调度器的开发，开发scheduler。
做了四个ChatGPT对云原生开发的demo，前两个是扔给ChatGPT 具体的scheduler的代码，让分析下代码。第三个是让ChatGPT写一段扩展scheduler代码。第四个是让ChatGPT写一个在生产环境中常提的一个扩展scheduler需求。
demo1
用bash写了个最简的scheduler，pod启动前将该scheduler配置到yaml文件中，就可以避开调用kubernetes的默认或配置的scheduler，转而调用demo中写的scheduler。扔给ChatGPT分析，ChatGPT看看是否能读懂。
完全正确。
demo2
这个demo，是调用的kubernetes官方的scheduler扩展接口写的一个调度器。 https://github.com/kubernetes-sigs/scheduler-plugins
整个项目扔给ChatGPT分析，ChatGPT看看是否能读懂。
完全正确。
demo3
让ChatGPT写个kubernetes调度器。
demo4
让ChatGPT写个kubernetes调度器。实现在生产环境中常提的一个扩展scheduler需求：根据节点的真实负载调度pod，而不是根据默认的pod request和node capacity（过滤和计算权重后）调度pod。
写了一半写不下去了，重新问，这次干脆用。。。省略了实现
demo1~3，作为生成开发kubernetes scheduler样例，ChatGPT处理得游刃有余。但处理有一定特殊需求的，就不太靠谱了。ChatGPT公开测试版本只机器学习到2021年的知识，并且还在迭代中，相信不久的未来处理demo4这种小需求的开发应该不成任何问题。
转载请注明来源，欢迎指出任何有错误或不够清晰的表达。可以邮件至 backendcloud@gmail.com
