проект в Kubernetes Skill Tree

Создание фотогалереи с Kubernetes Jobs

Обработайте настоящие фотографии с Indexed Jobs, восстановитесь после временных сбоев с конечными повторами и передайте галерею с указанием источников.

ПроектKubernetes

💡 Этот учебник переведен с английского с помощью ИИ. Чтобы просмотреть оригинал, вы можете перейти на английский оригинал

Введение

«Создание фотогалереи с Kubernetes Jobs» — практический проект для начинающих пользователей Kubernetes, которым нужен наглядный результат пакетной обработки. Вы превратите лицензированные фотографии садов в настоящие миниатюры и передадите готовую галерею, индекс источников и архив изображений.

Две Guided Lab знакомят с пробной обработкой одной группы, полным Indexed Job и восстановлением после контролируемого временного сбоя сервиса источников. В самостоятельном Challenge меняются распределение по группам, предел параллелизма и сбойный индекс. У каждой части есть собственные подготовленные входные данные и ресурсы; переносить файлы между средами не требуется.

Чему вы научитесь

После курса вы сможете:

  • сопоставлять входные фотографии с индексами завершения, начиная с нуля, включая последнюю неполную группу;
  • сохранять и применять Indexed Job с правильным числом завершений и ограниченным запрошенным параллелизмом;
  • связывать штатные условия и индексы завершения Job с принадлежащими ему Pod и реальными журналами обработки;
  • использовать новый Job с конечным числом повторов для каждого индекса, общим лимитом сбоев и сроком активной работы;
  • сохранять неудачную попытку и уже правильные изображения, пока повторная обработка завершает недостающую работу;
  • проверять настоящие JPEG, полученные из своих источников, и передавать согласованные CSV и ZIP с указанием авторов и источников.

Для кого этот курс

Для тех, кто знаком с базовыми объектами Kubernetes и хочет выполнить небольшой законченный проект пакетной обработки.

Предварительные знания: Нужно уметь вводить команды, распознавать пути и переключать вкладки браузера. Необходимо узнавать Pod, Deployment, Service, метки и простой YAML. Guided Lab объясняют используемые здесь Jobs, индексы завершения, общий том, буквальные замены текста и повторные попытки. Опыт Python и обработки изображений не нужен.

Учебная среда: LabEx предоставляет подготовленный кластер, образ обработчика, лицензированные исходные фотографии, хранилище, терминал Workspace и вкладку Gallery. Сайт, подписи интерфейса и вывод команд — на английском.

Часто задаваемые вопросы

Нужно ли устанавливать Kubernetes или собирать обработчик?

Нет. Каждая часть содержит подготовленную браузерную среду и готовый обработчик изображений. Ваша задача — настроить и проверить настоящую пакетную обработку в Kubernetes.

Изображения в галерее — настоящие файлы?

Да. Рабочие Pod получают реальные копии лицензированных источников и создают JPEG размером 320 × 220. Галерея показывает существующие результаты; загрузки содержат реальные изображения и индекс с авторами и лицензиями.

Означает ли успешный повтор, что работа выполняется ровно один раз?

Нет. Job может выполнить работу повторно. Предоставленный обработчик не изменяет уже совпадающий JPEG, а вы сохраняете как свидетельства исходного сбоя, так и новую успешную попытку. Упражнение с хранилищем на одном узле не гарантирует распределённую обработку строго один раз.

Как Challenge развивает Guided Lab?

У клуба другое число групп, другой предел запрошенного параллелизма и другой сбойный индекс. Вы сочетаете уже изученные методы группировки, ограниченных повторов, сохранения результатов и передачи файлов согласно реальному заданию этой среды.

Преподаватель

labby
Labby
Labby is the LabEx teacher.

Рекомендовано для вас

no data