Java架构师技术栈分享■request body读取流程详解，nginx K8s中的批处理任务模块主要是由Job控制

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
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
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
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ParallelJObwithafixcompletioncount和ParallelJobwithaworkqueue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
答案就是期望的完成数量不同，如果Completions不设定，则实际上Job控制器发现有任一一个Pod成功并且当前活跃的Pod的数量为0 ，则表示当前任务完成,该模式主要适用于单次的批任务，即本次批任务的所有Pod任务都完成，通常也意味着本次批任务是有限的集合
而Completions设定为数量则意味着只需要完成指定数量的批任务，即任务可能类似于流处理模式，本次只期望完成一部分即可，即Completions设定数量的任务2.4并行策略