用Python操作Kubernetes的Job
目录初始化创建Job直接使用YAML使用dict监控Job运行V1Job的使用列出Job读取Job列出一个Job的Pod删除Job更新Job总结关于Kubernetes的Python SDK，几乎只有官方项目的examples。关于Job的基本增删改查操作，可以参考job_crud.py。但是，这只是基本用法，缺乏一些实用细节。本文给出Python SDK操作Kubernetes Job的更多示例
目录
关于Kubernetes的Python SDK，几乎只有官方项目的examples。关于Job的基本增删改查操作，可以参考job_crud.py。但是，这只是基本用法，缺乏一些实用细节。
本文给出Python SDK操作Kubernetes Job的更多示例代码，以及相关解释。
pip install kubernetes
初始化
from kubernetes.client import BatchV1Api
from kubernetes.config import load_kube_config
load_kube_config()
batch = BatchV1Api()
load_kube_config是从默认位置，也就是~/.kube/config加载配置。如果在其它位置，可以通过第一个参数传入其路径。
BatchV1Api()可以当做Job的客户端来用。命名上，Batch和Job是类似的概念，前者强调批量。
创建Job
以下来自官方样例job_crud.py。
def create_job_object():
container = client.V1Container(
name="pi",
image="perl",
command=["perl", "-Mbignum=bpi", "-wle", "print bpi(2000)"])
template = client.V1PodTemplateSpec(
metadata=client.V1ObjectMeta(labels={"app": "pi"}),
spec=client.V1PodSpec(restart_policy="Never", containers=[container]))
spec = client.V1JobSpec(
template=template,
backoff_limit=4)
job = client.V1Job(
api_version="batch/v1",
kind="Job",
metadata=client.V1ObjectMeta(name=JOB_NAME),
spec=spec)
return job
def create_job(api_instance, job):
api_response = api_instance.create_namespaced_job(
body=job,
namespace="default")
print("Job created. status='%s'" % str(api_response.status))
虽然，根据官方教程这样的写法，也能得到可用的V1Job，拿去执行创建操作。但还是过于陌生和偏门，不如主流、常见的YAML方便、易读写。
这里该出两种更方便的做法。
直接使用YAML
---
apiVersion: batch/v1
kind: Job
metadata:
name: hello
spec:
template:
spec:
containers:
- name: echo
image: alpine:3.11
args:
- 'echo'
- 'Hello world!'
以上是一个最精简的Job配置样例，
通过读取文件为dict，可以直接拿去使用。
from kubernetes.client import V1Job
import yaml
with open('job.yaml') as file:
cfg = yaml.safe_load(file)
job = batch.create_namespaced_job(namespace='default', body=cfg)
assert isinstance(job, V1Job)
create_namespaced_job同样接受字典作为body输入，因此YAML配置可以读出后直接传入。
这里返回的V1Job只是创建时的状态，但是会包含更多集群中的信息。
使用dict
由于create_namespaced_job接受字典作为body输入，因此直接使用dict也是可行的。
cfg = {
'apiVersion': 'batch/v1',
'kind': 'Job',
'metadata': {
'name': 'hello'
},
'spec': {
'template': {
'spec': {
'restartPolicy':
'Never',
'containers': [{
'name': 'upload',
'image': 'alpine:3.11',
'args': ['echo', 'Hello world!']
}]
}
}
}
}
batch.create_namespaced_job(namespace='default', body=cfg)
由于dict结构与YAML相同，而又没有类的束缚，所以也很灵活方便。
此外，从YAML读出为dict后，也可以通过修改部分字段，达到动态变化的效果。这种结合YAML和dict的使用方式，是对官方用法的最佳替代。
监控Job运行
在创建Job后，通常需要监控Job的运行，做一些外围处理。轮询当然是下下策，而Kubernetes提供了一个Watch机制，通过接收Event，实现对状态变化的掌控。Event只有在状态变化时才会有，所以是非常理想的回调。
from kubernetes.client import V1Job
from kubernetes.watch import Watch
job_name = 'hello'
watcher = Watch()
for event in watcher.stream(
batch.list_namespaced_job,
namespace='default',
label_selector=f'job-name={job_name}',
):
assert isinstance(event, dict)
job = event['object']
assert isinstance(job, V1Job)
Watch().stream就是前面说的理想回调，它第一个参数是列出类的函数，这里选择list_namespaced_job。后面的参数，都是list_namespaced_job的参数。除了必备的namespace以外，label_selector也是一个常用参数，可以避免关注无关的Job。每个Job在创建后，都会自动带一个f'job-name={job_name}'的Label，可以借此筛选。job_name就是metadata里设置的name，如这里job-name=hello。
event是一个dict，只有三个值。其中event['raw_object']只是event['object']的dict形式，没有太大意义。event['type']常见三个值，对应增删改。
-
ADDED，创建时的信息，和create_namespaced_job的返回值通常没有区别。 -
MODIFIED，Job状态变化时的信息。 -
DELETED，Job删除时的信息。
以上三个状态值，对其它类型的资源也是通用的，比如Pod、Deployment等。
V1Job的使用
对于具体的V1Job实例，其它字段都是和创建时的配置差不多的，只是多一些集群中的具体信息。所以，常用的还是.status字段。
>>> from kubernetes.client import V1JobStatus
>>> isinstance(job.status, V1JobStatus)
True
>>> print(job.status)
{'active': None,
'completion_time': datetime.datetime(2020, 8, 10, 9, 49, 38, tzinfo=tzutc()),
'conditions': [{'last_probe_time': datetime.datetime(2020, 8, 10, 9, 49, 38, tzinfo=tzutc()),
'last_transition_time': datetime.datetime(2020, 8, 10, 9, 49, 38, tzinfo=tzutc()),
'message': None,
'reason': None,
'status': 'True',
'type': 'Complete'}],
'failed': None,
'start_time': datetime.datetime(2020, 8, 10, 9, 49, 32, tzinfo=tzutc()),
'succeeded': 1}
直接使用job.status.succeeded，可以得到成功的Container数量。下面几乎每一级都有特定的类，可以连续使用.操作符。如果有特殊需要，也可以用job.to_dict()转换成字典来用。
其它字段，作用基本上也和名称相关，不难推测。
列出Job
列出所有Job的list_job_for_all_namespaces不常用，一般只列出指定Namespace的Job。
from kubernetes.client import V1JobList, V1Job
job_list = batch.list_namespaced_job(namespace='default')
assert isinstance(job_list, V1JobList)
assert isinstance(job_list.items, list)
for job in job_list.items:
assert isinstance(job, V1Job)
与监控的示例相比，这里去掉了label_selector，可以获取Namespace中所有的Job。如果有需要，可以通过自定义Label把所有Job分类，并使用label_selector获取指定类型的Job。
读取Job
如果知道Job的name，可以直接通过read_*系列接口，获得指定的V1Job。
from kubernetes.client import V1Job
job = batch.read_namespaced_job(name='hello', namespace='default')
assert isinstance(job, V1Job)
如果更看重状态，可以改用read_namespaced_job_status。虽然访问的API不同，但在Python的V1Job这个结果层面，没有本质差异。
列出一个Job的Pod
Pod是Kubernetes调度的最小单元，也是最常用的一种资源。
from typing import List
from kubernetes.client import CoreV1Api, V1Pod
def get_pods_by(job_name: str) -> List[V1Pod]:
core = CoreV1Api()
pods = core.list_namespaced_pod(
namespace='default',
label_selector=f'job-name={job_name}',
limit=1,
)
return pods.items
这里的get_pods_by，可以用job_name获取对应的Pod。limit=1是在已知Pod只有一个的情况下做出的优化，可按需调整或去掉。
删除Job
删除一个Job：
from kubernetes.client import V1Status
status = batch.delete_namespaced_job(
namespace='default',
name=job_name,
propagation_policy='Background',
)
assert isinstance(status, V1Status)
其中，propagation_policy='Background'是不可省略的关键，否则默认是Orphan，其Pod不会被删除。这属于API设计的一个失误，与kubectl的默认行为不符合。而且，应该没有人在删除了Job之后，还要保留Pod的吧。这里也可以选择'Foreground'，阻塞等待相关资源的删除完毕。
删除多个、或所有Job：
status = batch.delete_collection_namespaced_job(
namespace='default',
propagation_policy='Background',
label_selector='some-label=your-value',
)
assert isinstance(status, V1Status)
如果没有label_selector，那就是删除一个Namespace中的所有Job。
更新Job
这个比较少用，因为一般都是建新的。用法其实和create_namespaced_job差不多，参考官方样例即可。
def update_job(api_instance, job):
job.spec.template.spec.containers[0].image = "perl"
api_response = api_instance.patch_namespaced_job(
name=JOB_NAME,
namespace="default",
body=job)
print("Job updated. status='%s'" % str(api_response.status))
总结
用Python操作Kubernetes的Job，总体上还是比较方便的，虽然有一些坑。
原文来自：https://note.qidong.name/2020/08/python-k8s-job/
作者：匿蟒
开源、云原生的融合云平台
更多推荐
1
0- 0
已为社区贡献5条内容
所有评论(0)