【】nginx request body读取流程详解
K8s中的批处理任务模块主要是由Job控制器完成 ， 今天我们就来关注下其底层的关键设计,包括完成状态、并行模式、并行策略等关键机制1. 基础概念
在聊k8s的任务模块的实现的时候 ， 我们先看一下传统的任务系统的设计与实现 ， 然后聊下基于k8s的基础的概念1.1 传统的任务系统设计
文章图片
文章图片
传统的任务系统设计主要可以分为master(任务分配/故障感知/负载均衡)、Worker(任务执行/任务监控/任务管理)、分布式协调(etcd等存储元数据)、任务仓库(存储任务的实现比如类或者接口)等几部分 ，从大的部分又可以切分为两个部分管控端(分布式协调/master/仓库)、执行端(Worker) ， 传统的任务系统大概就是这样
通常复杂的就是如何在master如何做任务的负载均衡、任务的快速完成、依赖等管控功能 ， 其次就是如何在worker端实现一个牛x的引擎 ， 可以支持各种不同任务的执行环境和类型的执行1.2 基于Pod的任务载体
文章图片
文章图片
k8s中的最小单元调度是Pod ， 同样的job控制器调度的最小单元也是Pod, Pod里面包含容器 ， 以容器为载体k8s屏蔽了传统worker模块的任务执行环境与实现两个部分 ， 只需要添加一些配置数据 ， 对应的Pod就可以完成对应的任务的执行1.3 简化的调度层
在k8s中Pod通常被定义为一个不稳定的单元 ， 即k8s并不保证你的pod在被调度到某一台机器后就会一直的稳定运行 ， 直到这台机器下线 ， 这与传统的系统都不太一样 ， 基于该特点 ， Job调度器的调度层其实也是一种面向于终态的设计 。
大概就先介绍这些 ， 接下来我们去分析k8s中job的核心实现机制2. 核心实现
Job控制器的核心实现有几个关键点：并行粒度、完成状态、并行策略、并行模式、删除策略 ， 记住这些关键点 ， 我们来一一剖析2.1 并行粒度
并行的粒度是指的针对同一任务可以同时有多少个并行的Pod即同时运行的Pod ， Job控制器会根据用户设定的并行粒度确定需要同时运行的Pod2.2 完成状态
在一些批处理调度的系统里面可能会通过数据分片后 ， 等待所有分片的任务都完成后 ， 来确定任务的完成状态 ， 但是在k8s中Job控制器是一个通用的实现, 而且调度层本身也并不关注调度任务的具体数据
文章图片
文章图片
所以在k8s中里面其实是通过Completion的和backoffLimit来完成状态转移的 ， 即通过Completion来确定需要等待的Pod的完成的数量 ， 而通过backoffLimit确定到底可以允许失败重试的次数 ， 确定重试多少次就认为任务失败了2.3 并行模式
在k8s的job控制器模式介绍中提到四种并发模式 ，那实现上是不是真的有四种模式呢 ， 答案是否定的 。可以说k8s的job控制器根本也就不关注是那种模式 ， 模式是应用层自己的设计 ， 而job控制器只负责并行粒度、当前状态、完成状态
这里我们主要分析下Parallel JOb with a fix completion count和Parallel Job with a work queue的实现来聊聊Job控制器是如何实现的 ， 两者很大的一个区别就是后者不能设置Completions,即不需要设置需要等待多少个Pod完成 ， 为什么一个参数的设定就可以实现两者模式呢？
文章图片
![[疾病早预防]这样“三步走”才是慢乙肝的治疗目标](http://ttbs.guangsuss.com/image/3bc8818b8fb320c427d4a227673c8419)
