K8s任务

单击运行一次，在Kubernetes集群中可以看到Pod启动，Pod名称为schedulerx-shell-{JobId}。

在SchedulerX控制台的任务管理页面可以查询历史执行记录，也可以看到Pod运行的日志。

单击运行一次，在Kubernetes集群中可以看到Pod启动，Pod名称为schedulerx-python-{JobId}。

在SchedulerX控制台任务管理页面可以查询历史执行记录，也可以看到Pod运行的日志。

单击运行一次，在Kubernetes集群中可以看到Pod启动，Pod名称为schedulerx-php-{JobId}。

在SchedulerX控制台任务管理页面可以查询历史执行记录，也可以看到Pod运行的日志

单击运行一次，在Kubernetes集群中可以看到Pod启动，Pod名称为schedulerx-node-{JobId}。

在SchedulerX控制台任务管理页面可以查询历史执行记录，也可以看到Pod运行的日志。

单击运行一次，在Kubernetes集群中可以看到Job和Pod启动成功。

在SchedulerX控制台任务管理页面可以查询历史执行记录，也可以看到Pod运行的日志。

单击运行一次，在Kubernetes集群中可以看到Pod启动成功。

在SchedulerX控制台的任务管理页面可以查询历史执行记录，也可以看到Pod运行的日志。

通过环境变量获取任务参数

SchedulerX系统支持将任务参数预先配置到环境变量中，这样无论是脚本任务、Pod还是Job，都可以便捷地通过读取环境变量来获取所需的各项参数信息。

如下所示，获取SchedulerX任务参数值：

优势

相较于K8s原生的Job功能，采用SchedulerX调度K8s Job具有以下显著优势：

可在线编辑的脚本Pod

K8s Job常用场景是用来做数据处理和运维，一般以脚本实现居多。原生的使用方式需要把脚本打包到镜像里，在YAML文件中配置脚本命令。每当需要修改脚本时，研发人员不得不经历重新构建镜像并再次发布的繁琐过程。比如：

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

运用SchedulerX进行K8s任务管理时，您无需构建镜像或编写YAML配置脚本。只需在控制台直接编辑支持Shell、Python、PHP和Node.js等多种语言的脚本内容，系统便会自动将其以Pod方式运行。若需对脚本进行更新，仅需在控制台重新编辑并保存，下次调度时新版本脚本将自动生效，显著提升开发和管理K8s Job的工作效率。同时，借助SchedulerX的K8s任务功能，完全屏蔽了容器相关的细节，对于不熟悉容器服务的研发人员而言，这项改进无疑显著提升了开发效率，为他们带来了极大的便利。

如下：

可视化任务编排

当前在K8s生态系统中，Argo作为一种主流的工作流编排解决方案被广泛应用。例如：

# The following workflow executes a diamond workflow
# 
#   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}}"]

借助SchedulerX的工作流功能，您能够通过直观的可视化界面，采用简单的鼠标拖拽操作来高效编排K8s任务流程，如下图所示。

在使用体验上，相较于Argo，SchedulerX更为便捷易用，尤其是在运行时，它提供了可视化的工作流图展示，能够清晰地追踪任务进度，方便快速识别和定位任务受阻的具体环节，如下图所示显示出具体的任务失败：

报警监控

通过SchedulerX对您的Pod和Job进行调度，能够充分利用其内置的监控报警机制，实现高效的任务状态跟踪与异常预警。

• 支持的报警通道：短信、电话、邮件、WebHook（钉钉/企业微信/飞书）。

• 支持的报警策略：失败报警、执行超时报警。

日志服务

使用SchedulerX调度您的Pod和Job时，无需额外开通日志服务，系统将自动收集Pod运行期间产生的日志。一旦Pod执行失败，您可直接在SchedulerX控制台查看到详细的失败原因并分析，实现高效便捷的问题定位与调试。

监控大盘

通过SchedulerX来调度您的Pod和Job，无需另行开通Prometheus服务，即可查看内置的任务监控功能。

离在线混布

对于诸如订单处理等对实时性要求较高的在线定时任务，可在同一进程内直接调用方法进行高效处理，与在线业务无缝集成。而对于实时性要求较低但资源消耗较大的离线定时任务，如报表定时导出，可通过编写脚本并以启动独立Pod的方式运行。SchedulerX平台支持Java和Kubernetes任务类型，能够实现离线与在线定时任务的混布调度，灵活满足不同需求。