EKS 1.24中Job异常创建新Pod：已设backoffLimit:0与restartPolicy:never

• 确认配置是否实际生效
  先排查是否因配置语法错误（比如缩进错位）导致Kubernetes未正确识别backoffLimit。执行以下命令查看Job的实际生效配置：

  kubectl get job <你的Job名称> -o yaml
  

  重点验证backoffLimit: 0是否存在于.spec层级下，没有被其他配置覆盖。

• 排查EKS 1.24版本特定Bug
  EKS 1.24存在Job控制器的已知异常场景：当Pod因节点宕机、网络分区等节点级故障被标记为失败时，控制器可能错误触发重试。建议查看AWS EKS的版本补丁说明，确认是否有对应修复补丁，并升级到包含修复的版本。

• 区分Pod失败的原因类型
  Kubernetes Job的重试逻辑对不同失败场景的处理存在差异：

  • 若Pod因容器进程非0退出失败，backoffLimit:0应直接终止Job；
  • 若Pod因节点故障、外部强制删除等原因失败，部分旧版本控制器会误判为需要重试。可通过kubectl describe pod <失败Pod名称>查看终止原因，针对性处理节点层面的问题。

• 检查Job控制器状态
  kube-controller-manager异常可能导致Job逻辑执行出错。查看控制器日志排查报错：

  kubectl logs -n kube-system <kube-controller-manager-Pod名称> | grep -i job
  

  若发现控制器异常，在集群高可用环境下逐个重启kube-controller-manager实例。

• 用PodFailurePolicy精准控制行为
  若上述方法无效，可添加PodFailurePolicy明确指定失败场景下的动作，避免不必要的重试：

  apiVersion: batch/v1
  kind: Job
  metadata:
    name: your-job
  spec:
    backoffLimit: 0
    restartPolicy: Never
    podFailurePolicy:
      rules:
      - action: FailJob
        onExitCodes:
          operator: In
          values: [1, 2, 127]
      - action: FailJob
        onPodConditions:
        - type: PodFailed
  

  该配置会在Pod因指定退出码或PodFailed状态失败时，直接标记Job为失败，不再创建新Pod。

内容的提问来源于stack exchange，提问作者jrz