Microservices Engine:Kubernetes job

Edit skrip online

Kasus penggunaan umum untuk Kubernetes Job adalah tugas pemrosesan data atau operasional, yang sering kali diimplementasikan sebagai skrip. Alur kerja native mengharuskan Anda memaketkan skrip ke dalam image dan mengonfigurasi perintah dalam file YAML. Setiap perubahan skrip mengharuskan developer untuk membangun ulang dan menerapkan ulang image. Contohnya:

apiVersion: batch/v1
kind: Job
metadata:
  name: hello
spec:
  template:
    spec:
      containers:
      - name: hello
        image: busybox
        command: ["sh",  "/root/hello.sh"]
      restartPolicy: Never
  backoffLimit: 4

Saat Anda mengelola Kubernetes Job dengan SchedulerX, Anda tidak perlu membangun image atau menulis YAML untuk mengonfigurasi skrip. Anda dapat langsung mengedit skrip untuk Shell, Python, PHP, dan Node.js di konsol, dan sistem secara otomatis menjalankannya di dalam Pod. Untuk memperbarui skrip, cukup edit dan simpan di konsol. Skrip yang diperbarui akan dijalankan pada waktu terjadwal berikutnya. Hal ini secara signifikan meningkatkan efisiensi pengembangan dan pengelolaan Kubernetes Job. Dengan menyembunyikan detail terkait kontainer, SchedulerX juga mempermudah developer yang tidak terbiasa dengan layanan kontainer untuk bekerja dengan Kubernetes, sehingga meningkatkan produktivitas mereka.

Contohnya:

Di halaman edit job di Konsol SchedulerX, Anda dapat menulis dan memodifikasi konten skrip langsung di script editor. Setelah selesai, klik Save. Versi terbaru skrip akan secara otomatis dijalankan pada waktu terjadwal berikutnya.

Orkestrasi job visual

Di ekosistem Kubernetes, Argo adalah solusi populer untuk orkestrasi alur kerja. Contohnya:

# Alur kerja berikut mengeksekusi alur kerja berbentuk berlian
# 
#   A
#  / \
# B   C
#  \ /
#   D
apiVersion: argoproj.io/v1alpha1
kind: Workflow
metadata:
  generateName: dag-diamond-
spec:
  entrypoint: diamond
  templates:
  - name: diamond
    dag:
      tasks:
      - name: A
        template: echo
        arguments:
          parameters: [{name: message, value: A}]
      - name: B
        depends: "A"
        template: echo
        arguments:
          parameters: [{name: message, value: B}]
      - name: C
        depends: "A"
        template: echo
        arguments:
          parameters: [{name: message, value: C}]
      - name: D
        depends: "B && C"
        template: echo
        arguments:
          parameters: [{name: message, value: D}]

  - name: echo
    inputs:
      parameters:
      - name: message
    container:
      image: alpine:3.7
      command: [echo, "{{inputs.parameters.message}}"]

Fitur alur kerja SchedulerX memungkinkan Anda melakukan orkestrasi Kubernetes Job secara visual menggunakan antarmuka drag-and-drop.

Dibandingkan dengan Argo, SchedulerX memberikan pengalaman yang lebih ramah pengguna. Saat runtime, sistem menampilkan graf alur kerja visual yang secara jelas melacak progres job, sehingga memudahkan identifikasi dan lokalisasi bottleneck atau tugas yang gagal.

Di tampilan instance alur kerja, setiap node tugas diberi kode warna berdasarkan statusnya (misalnya, hijau untuk sukses dan merah untuk gagal), memungkinkan Anda mengidentifikasi kegagalan secara visual.

Pemantauan dan peringatan

Saat Anda menjadwalkan Pod dan Job Anda dengan SchedulerX, Anda dapat menggunakan sistem pemantauan dan peringatan bawaannya untuk pelacakan status dan peringatan pengecualian yang efisien.

• Saluran peringatan yang didukung: SMS, panggilan telepon, email, dan webhook (untuk DingTalk, WeCom, dan Lark).

• Kebijakan peringatan yang didukung: peringatan saat gagal dan peringatan saat timeout eksekusi.

Layanan log

Saat Anda menggunakan SchedulerX untuk menjadwalkan Pod dan Job Anda, sistem secara otomatis mengumpulkan log yang dihasilkan selama eksekusi Pod. Anda tidak perlu mengaktifkan layanan log tambahan. Jika Pod gagal, Anda dapat langsung melihat dan menganalisis penyebab kegagalannya secara rinci di Konsol SchedulerX untuk troubleshooting cepat.

Di detail instance tugas, Anda dapat melihat log lengkap yang dihasilkan selama eksekusi Pod, termasuk stack trace dan alasan kegagalan, untuk membantu Anda mengidentifikasi dan memperbaiki masalah dengan cepat.

Dasbor pemantauan

Dengan menggunakan SchedulerX untuk menjadwalkan Pod dan Job Anda, Anda dapat mengakses dasbor pemantauan job bawaan tanpa perlu mengaktifkan layanan seperti Prometheus.

Dasbor pemantauan menampilkan metrik utama seperti jumlah eksekusi job, tingkat keberhasilan dan kegagalan, serta tren durasi eksekusi, memberikan gambaran menyeluruh tentang status operasional job Anda.

Penerapan job campuran

Untuk job online yang memerlukan performa real-time tinggi, seperti pemrosesan pesanan, Anda dapat memanggil metode secara langsung dalam proses yang sama untuk penanganan efisien dan integrasi tanpa hambatan dengan layanan online. Untuk job offline yang memiliki persyaratan real-time lebih rendah tetapi mengonsumsi resource signifikan, seperti ekspor laporan terjadwal, Anda dapat menulis skrip dan menjalankannya di Pod terpisah. Platform SchedulerX mendukung tipe job Java dan Kubernetes, memungkinkan Anda menerapkan penerapan campuran job online dan offline untuk memenuhi berbagai kebutuhan.