以下是对 Kubernetes Job 行为的校对、补充以及示例，以 Markdown 源码形式完整呈现：

校对与补充

1) 任务完成后的 Pod 状态与清理

  • 完成后的 Pod 会进入 Completed 状态，默认不会自动删除；删除该 Job 会级联清理它创建的 Pod。适合保留用于排错与验收。（kubernetes.io）
  • 如需自动回收，用 TTL-after-finished：在 Job 加上 .spec.ttlSecondsAfterFinished，到期后 Job 连同其 Pod 一起被删除（级联删除）。该机制已稳定（v1.23+）。（kubernetes.io）

你文中“永久保留，必须手动删除”这句建议改为：“默认保留；可用 TTL 自动清理或手动删除 Job 以级联清理”。

2) 失败与重试（backoffLimit、重启策略）

  • 默认 backoffLimit 是 6（不是 7）。达到该阈值后 Job 标记为失败，事件里常见 BackoffLimitExceeded / Job has reached the specified backoff limit。(kubernetes.io, stackoverflow.com)
  • 允许的 restartPolicy 只有 Never 和 OnFailure：
    • Never：每次失败新建 Pod重试（因此看到多个失败的 Pod）。
    • OnFailure：同一个 Pod 内重启容器，失败计数也会累计。
      官方文档明确限制与行为。（kubernetes.io）
  • 计数/观察现象小贴士：当 restartPolicy: Never 时，通常会看到失败 Pod 数≈ backoffLimit，而“尝试次数”常被直观理解为“初次 + 重试”，所以有人会口头说“n+1 次尝试”。以实测为准，并以 kubectl describe job 中的事件为权威。（stackoverflow.com）

3) 挂起/恢复（suspend）

  • 在 Job 规约中设置 suspend: true 时，控制器不会创建 Pod；把它改回 false 即刻恢复执行。该能力从 1.21 引入并随后成熟。（kubernetes.io）

4) 查看状态与失败原因（诊断）

  • 列出 Job 产生的 Pod 名称并看日志（官方推荐示例）： 
    1
    2
    3
    4
    5
    6
    7
    8
    9
    # 列出 Job 的 Pod
    pods=$(kubectl get pods -l batch.kubernetes.io/job-name=<job-name> -o jsonpath='{.items[*].metadata.name}')
    echo $pods

    # 看其中一个 Pod 的日志
    kubectl logs $pods

    # 直接看 Job 聚合日志（kubectl 支持 TYPE/NAME）
    kubectl logs job/<job-name>
    上述命令和写法见官方 Job 文档示例。（kubernetes.io）
  • 进一步排错： 
    1
    2
    # 看 Job 详情与事件（是否触发 BackoffLimitExceeded 等）
    kubectl describe job/<job-name>
    典型事件文案可见于社区问答截图与复现。（stackoverflow.com）

最小 YAML 示例

A. 常规一次性任务（自定义重试次数 + 自动清理）

1
2
3
4
5
6
7
8
9
10
11
12
13
14
apiVersion: batch/v1
kind: Job
metadata:
  name: demo-job
spec:
  backoffLimit: 3                # 最多重试 3 次（默认是 6）
  ttlSecondsAfterFinished: 30    # 完成/失败 30s 后自动级联清理
  template:
    spec:
      restartPolicy: Never       # 只允许 Never 或 OnFailure
      containers:
        - name: work
          image: alpine:3.20
          command: ["sh","-c","echo doing work; exit 1"]  # 故意失败以观察重试

（backoffLimit 默认值与 restartPolicy 限制：官方文档）(kubernetes.io)
（TTL 自动清理机制与级联删除：官方文档）(kubernetes.io)

B. 挂起后再恢复执行

1
2
3
4
5
6
7
8
9
10
11
12
13
apiVersion: batch/v1
kind: Job
metadata:
  name: suspended-job
spec:
  suspend: true                  # 先挂起，不会创建 Pod
  template:
    spec:
      restartPolicy: Never
      containers:
        - name: work
          image: busybox:1.36
          command: ["sh","-c","date; sleep 5; echo done"]
  • 创建后可用 kubectl edit job suspended-job 将 suspend: false，即刻开始执行。（kubernetes.io）

常用排障清单（拎包即用）

1
2
3
4
5
6
7
8
9
10
11
12
13
# 1) 看 Job 列表与完成度
kubectl get jobs

# 2) 看 Job 事件（是否 BackoffLimitExceeded / DeadlineExceeded）
kubectl describe job/<job-name>

# 3) 聚合/逐 Pod 日志
kubectl logs job/<job-name>
kubectl get pods -l batch.kubernetes.io/job-name=<job-name> -o name | xargs -I{} kubectl logs {}

# 4) 观察 Pod 生命周期与退出码
kubectl get pods -l batch.kubernetes.io/job-name=<job-name> -o wide
kubectl describe pod/<pod-name>

（命令与示例出自官方文档 Job 页面）(kubernetes.io)