Kubernetes里跑一次性任务,很多刚接触的人第一反应是搞个Deployment然后把副本数设为1,跑完再删。这个思路在演示环境勉强能用,但到了生产环境基本是给自己挖坑——Deployment的Pod是长期运行的,它不会因为容器主进程退出就帮你收尾,也不会在失败后按你的意愿安排重试。真正干这个活的,是Job和CronJob这一对老朋友。Job负责执行"有始有终"的批处理任务,CronJob负责在指定时间点把这些任务重复触发出,二者在k8s工作负载体系里属于标准的批处理控制器。
这篇文章我想从头聊一遍这两个工作负载的设计思路、关键参数、实操要点和踩坑经验,内容会覆盖从基础概念到生产落地的完整链路,主要给正在系统学习k8s的开发者,以及要在集群里跑数据迁移、日志清理、备份和报表任务的运维同学做参考。读完之后,你能独立写出健壮的Job和CronJob配置,也知道任务跑挂了该从哪里排查。
1. Job和CronJob到底解决什么问题
1.1 Job的定位:一次性任务为什么不能交给Deployment
先明确一个常见误区:Job不是Deployment的替代品,两者服务的工作负载类型完全不同。Deployment服务的对象是常驻服务,比如Nginx、API网关、业务后端,这类进程一旦退出,就意味着服务挂了,需要对副本进行修复。Job服务的对象是短时任务,比如数据迁移脚本、临时导出报表、批量压缩图片、跑一个算法模型训练,这类进程退出恰恰意味着任务完成,退出码0代表成功,非0代表失败。
用Deployment去跑短时任务会是什么后果?如果你把restartPolicy保持默认的Always,容器主进程一退出,kubelet立刻原地重启它,任务做完了又重跑一遍,无限循环变成CrashLoopBackOff。如果把restartPolicy改成Never,Deployment控制器又会坚持维持副本数量,Pod退出后马上补一个新的,补一个退一个,集群里反复出现一堆僵尸Pod。这两种情况看着都能跑,实际上都在白白消耗资源,而且你根本没法准确知道任务到底成功了几次。
Job的设计思路完全不同。它不维护"期望副本数",而是维护"期望完成次数",也就是spec.completions。控制器会不断创建Pod,直到成功退出的Pod数量达到completions值,整个Job才标记为Completed。注意这里有约束:Job里的Pod,restartPolicy只能设置为Never或OnFailure,不允许写Always,这是API层面的硬校验,写错直接创建失败。
1.2 CronJob的价值:把系统里的定时任务统一收编
在没有CronJob之前,运维同学最常见的操作是登录到某台虚拟机,写一堆crontab条目。这种做法在机器少的时候还好,机器一多你就开始头疼:定时任务散落在各个节点,没有统一视图,不知道哪个任务挂掉了,日志分散在各台机器的/var/log里,排查问题要一台一台登进去看。更麻烦的是权限和依赖问题,某个任务需要连数据库,往往要手动在机器上配账号密码,换台机器就得重新配一遍。
CronJob把这些都收编进k8s体系。它本质上是"定时触发器 + Job工厂":在kube-controller-manager里有一个CronJob Controller,到时间了它就根据CronJob里的jobTemplate创建一个一次性Job对象,后面的执行、重试、资源限制、日志收集全部走Job那套标准化流程。任务跑在哪个节点由调度器决定,不再固定绑定在某台机器上;容器所需的环境变量、密钥通过ConfigMap和Secret注入,敏感信息不会散落一地;Pod日志可以通过k8s日志体系集中收集。
实际生产中CronJob用得最多的场景就是定时备份数据库、定时清理过期日志、周期生成报表、定时做健康巡检、定期清理集群里残留的资源对象。从架构视角看,CronJob把"时间维度"引入集群调度,让k8s真正成为一个全天候自治的系统。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 核心参数拆解:配置Job时我在想什么
2.1 决定Job"跑几份、怎么并发"的三个参数
Job最核心的三个参数是completions、parallelism和completionMode。completions表示整个Job期望的成功Pod总数,parallelism表示同时运行的Pod数量,completionMode决定Pod的"身份标识"方式。三者配合起来,能覆盖从"跑一个小脚本"到"大规模并行处理"的完整需求。
最基础的用法是两者都设为1,这是默认行为,跑一个Pod,成功了整个Job就算完成。如果你有一个队列,里面有10条消息要分别处理,可以把completions设为10,parallelism设为1,意思是逐个处理,每次运行一个Pod,成功一个再做下一个,最终累计10次成功。如果业务允许并发,把parallelism设为3,就会同时有3个Pod在跑,速度快3倍,但你要确认任务之间没有顺序依赖,且底层数据源能承受并发压力。
completionMode需要单独说一下。默认模式是NonIndexed,所有Pod没有任何编号区分,适合"每个Pod从公共队列里抢任务"的场景。如果你希望每个Pod拿到一个明确的编号,比如处理分片数据时,0号Pod处理第0段、1号Pod处理第1段,就要用Indexed模式。在Indexed模式下,每个Po
