《使用 Kubernetes Jobs 制作照片图库》是一门适合 Kubernetes 初学者的实践项目课，让批处理变成看得见的成果。你将把获许可的花园照片处理为真实缩略图，并交付可用的图库、来源索引和图片归档。
两个 Guided Lab 依次介绍单组小样、完整的 Indexed Job，以及受控临时源服务故障后的恢复。独立 Challenge 会改变分组映射、并发限制和失败索引。每个单元都准备了独立的输入和资源，无需跨环境保留文件。
你将学到什么
完成本课程后，你将能够：
- 将输入照片映射到从零开始的完成索引，覆盖不足一整组的最后一组；
- 保存并应用 Indexed Job，设置正确的完成数，并将请求的并行度控制在规定范围内；
- 将原生 Job 条件与完成索引对应到所属 Pod 和真实工作日志；
- 使用新 Job，设置有限的逐索引重试、全局失败预算和活动期限；
- 保留失败尝试与已有正确图片，让重复处理补齐缺失成果；
- 验证真实源图生成的 JPEG，并交付内容一致、带来源署名的 CSV 和 ZIP 下载文件。
本课程适合谁
适合认识基本 Kubernetes 对象、希望完成一个小而完整的批处理项目的学习者。
前置要求： 能够输入终端命令、识别路径并切换浏览器标签页，且认识 Pod、Deployment、Service、标签和简单的 YAML。Guided Lab 会教授本项目使用的 Job、完成索引、共享卷、字面文本编辑和重试流程，无需 Python 或图像处理经验。
学习环境： LabEx 提供已准备的 Kubernetes 集群、处理镜像、获许可的源照片、存储、Workspace 终端和 Gallery 浏览器标签页。网站、标签和命令输出为英文。
常见问题
需要安装 Kubernetes 或构建处理程序吗？
不需要。每个单元都提供独立的浏览器实践环境和可直接使用的图片处理程序。你的工作是配置并验证真实的 Kubernetes 批处理。
图库中的图片是真实文件吗？
是。工作 Pod 获取真实的获许可源图副本，生成 320 × 220 的 JPEG。图库显示已有输出，下载内容包含实际图片和带创作者、许可信息的来源索引。
重试成功是否意味着每项工作只执行一次？
不是。Job 可能重复执行工作。预置处理程序会保留内容已匹配的 JPEG，你还将保留最初的失败证据和新的成功尝试。单节点存储练习不承诺分布式的恰好一次处理。
Challenge 如何拓展 Guided Lab 的内容？
摄影俱乐部有不同的分组数量、期望并行度限制和失败索引。你需要根据该环境的真实任务说明，组合已学过的分组、有限重试、成果保留和交付方法。
