k8s的Job负载 支持多个 Pod 可靠的并发执行，如何权衡利弊选择适合的并行计算模式？
简单聊聊你对工作负载Job的理解？
Job 支持多个 Pod 可靠的并发执行，如何权衡利弊选择适合的并行计算模式？
Job控制并行了解吗？为什么线上实际并行性可能比并行性请求略大或略小？
囧么肥事-胡说八道
简单聊聊你对工作负载Job的理解？
在说工作负载Job执行原理之前，先了解下为什么会需要Job负载？
对于ReplicaSet、ReplicationController等持久性负载来说，它们的职责是让Pod保存预期的副本数量，稳定持久运行。
除非主动去更改模板，进行扩缩操作，否则这些Pod一直持久运行，并且运行的是持久性任务，比如Nginx，MySQL等。
咦？持久任务，那么万事万物有相对面，太极分阴阳，同样，任务除了持久任务外，也有非持久任务。
身边哪些是非持久任务呢？
我们在日常的工作中经常都会遇到一些需要进行批量数据处理和分析、或者是根据时间调度的需求，这些属于短期性质的任务。不需要持久运行，仅执行一次就结束。例如进行数据库跨库同步，热点数据统计分析等。也可以在特定时间调度单个任务，例如你想调度低活跃周期的任务。
这些执行完成就结束，完成了我们设定的某个目标就可以终止的，我们划分为非持久任务。
好了，既然知道了任务划分，而且k8s中ReplicaSet、ReplicationController等持久性负载是保证Pod稳定持久运行，那么对立的，Job负载的职责就是保证非持久任务在生命周期内达成使命后体面终止。
需要Job负载，其实就是对持久性负载的补充。
简单来说：“Pod，你去完成你的任务，完成之后我给你个体面的结束”。
昙花一现这个成语形容Job负载管理的Pod非常合适。昙花的目标是绽放，绽放完毕后立刻凋零。Job Pod 完成任务，终结，刚刚好😂。
接下来说说Job负载工作原理
Job 负载会创建一个或者多个 Pods，执行目标任务，在节点硬件失效或者重启情况下将继续重试 Pods 的执行，直到指定数量的 Pods 成功终止。
随着 Pods 成功结束，Job 跟踪记录成功完成的 Pods 个数。 当数量达到指定的成功个数阈值时，任务（即 Job）结束。
删除 Job 的操作会清除所创建的全部 Pods。
挂起 Job 的操作会删除 Job 的所有活跃 Pod，直到 Job 被再次恢复执行。
Job 支持多个 Pod 可靠的并发执行，如何权衡利弊选择适合的并行计算模式？
并行计算的模式有好多种，每种都有自己的强项和弱点，如何权衡选择？
讲个小故事，你是团队组长，手底下有三个得力助手，囧囧，大肥，阿三。
某天，有个重要的项目需要派遣一位助手去洽谈，你需要从中选择一位，他们三个各有优缺点，你需要权衡利弊选择一位。
囧囧，优点：工作负责，技能纯熟，技术型人才，缺点，内向
大肥，优点：工作久，经验丰富，为人圆滑，经验型人才，缺点：太傲娇
阿三，优点：社交能力强，能说会道，社交天花板型人才，缺点：技能相对差些
如果你作为组长，这次是跟客户洽谈合作事宜，你会派遣哪位小可爱呢？😁😁😁
好了，说完小故事，接下来话题回到Job负载。
Kubernetes Job 可以用来支持 Pod 的并发执行，但是呢？需要注意的是，Job 对象并非设计为支持需要紧密相互通信的Pod的并发执行，例如科学计算。
Job 对象支持并发处理一系列相互独立但是又相互关联的工作任务，例如：文件转码，发送邮件，渲染视频帧等
延伸：Job有三种执行方式，能简单说说是什么吗？
第一种：非并行Job
特点😈
通常只启动一个 Pod，除非该 Pod 失败，会启动替代副本，当 Pod 成功终止时，立即视 Job 为完成状态。
简单理解非并行Job，Job启动后，只运行一个Pod，Pod成功运行结束后整个Job也就立刻结束
可以不设置 spec.completions 和 spec.parallelism。 这两个属性都不设置时，均取默认值 1。
第二种：具有确定完成计数的并行Job
特点😈
Job 用来代表整个任务，当成功的 Pod 个数达到 .spec.completions 时，Job 被视为完成
对于 确定完成计数 类型的 Job，应该设置 .spec.completions 为所需要的完成个数，.spec.completions 字段设置为非 0 的正数值， 你可以设置 .spec.parallelism，也可以不设置，其默认值为 1。
第三种：带工作队列的并行Job
特点😈
多个 Pod 之间必须相互协调，或者借助外部服务确定每个 Pod 要处理哪个工作条目
对于一个工作队列 Job，不设置 spec.completions，默认值为 .spec.parallelism，但要将.spec.parallelism 设置为一个非负整数。
例如，任一 Pod 都可以从工作队列中取走最多 N 个工作条目
每个 Pod 都可以独立确定其它 Pod 是否已完成，进而确定 Job 是否完成
当感知到 Job 中任何一个Pod成功终止，Job负载不再创建新Pod
一旦至少 1 个 Pod 成功完成，并且所有 Pod 都已终止，即可宣告 Job 成功完成
一旦任何 Pod 成功退出，任何其它 Pod 都不应再对此任务执行任何操作或生成任何输出，所有 Pod 都应启动退出过程
了解完Job常规执行方式，下面回归正题，如何权衡利弊选择适合的并行计算模式？
先看看常见并行模式方案
第一种模式，从Job负载的角度对比考虑
单对单
每个工作任务分配一个Job负载
单对多
一个Job负载负责所有工作任务
第二种模式，从Pod数量对比考虑
单对单
创建与工作任务相等的Pod
单对多
每个Pod可以处理多个工作任务
第三种模式，结合队列服务
总结：通过三种模式的简单对比，首先在分配Job个数的时候，如果考虑到任务量较小，而且需要专注于每个任务的进行，那么选择单Job，如果任务量较多，考虑节约资源的情况下，选择使用一个Job来处理大量任务。从Pod层次考虑，则要多分析一下现有应用的代码改动成本和容器的改造成本，如果改动较大，任务数量还能接收的情况下，那么建议选择单对单，为每个任务分配一个Pod即可，任务执行完毕资源回收。但是如果任务量巨大，在短期要求完成，资源储备量有限的情况下，建议单对多，每个Pod处理多个任务。
至于结合队列服务，通常对现有程序的改动量较大，而且队列消费分配上需要根据实际情况进行占比考虑，是否存在顺序消费问题，是否存在一致性问题等等，非特殊业务需要，建议不轻易考虑，成本较高（时间，工作量，改造难度，资源分配等等综合都较高）。
Job控制并行了解吗？为什么线上实际并行性可能比并行性请求略大或略小？
并行性请求（.spec.parallelism）可以设置为任何非负整数。
如果未设置，则默认为 1。
如果设置为 0，则 Job 相当于启动之后便被暂停，直到设置>0
实际并行性（在任意时刻运行状态的 Pods 个数）可能比并行性请求略大或略小， 原因如下：
- 对于确定完成计数 Job，实际上并行执行的 Pods 个数不会超出剩余未完成的任务数。
- 对于 工作队列 Job，有任何 Job 成功结束之后，不会再有新的 Pod 启动。 不过，剩下的 Pods 会继续执行完毕。
- Job 控制器没有来得及作出响应， Pods 个数可能比请求的数目大，也可能小。
- Job 控制器因为任何原因（例如，缺少
ResourceQuota或者没有权限）无法创建 Pods。 - Job 控制器可能会因为之前同 一 Job 中 Pod 失效次数过多而压制新 Pod 的创建。
- 当 Pod 处于体面终止进程中，需要一定时间才能停止。
Kubernetes 推荐学习书
k8s系列所有问题更新记录：[GitHub](