如何配置Kubernetes Job持续重试直至执行完成？

我们正在将init-container迁移至Kubernetes Job，已基于init-container镜像创建了如下job.yaml文件：

apiVersion: batch/v1
kind: Job
metadata:
  name: "{{ .Release.Name }}-init-job"
  namespace: {{ .Release.Namespace }}
spec:
  template:
    metadata:
      annotations:
        linkerd.io/inject: disabled
        "helm.sh/hook-delete-policy": before-hook-creation
        "helm.sh/hook": pre-install,pre-upgrade,pre-delete
        "helm.sh/hook-weight": "-5"
    spec:
      serviceAccountName: {{ .Release.Name }}-init-service-account
      containers:
        - name: app-installer
          image: some image
          command:
            - /bin/bash
            - -c
            - echo Hello executing k8s init-container
          securityContext:
            readOnlyRootFilesystem: true
      restartPolicy: OnFailure

init-container会持续重启直至执行完成，但Kubernetes Job仅重试5次后就会自动删除Pod，执行kubectl命令可看到：

% kubectl get pods -n testnamespace
NAME                             READY   STATUS             RESTARTS        AGE
test-595b84fddf-qlsjf    2/2     Running            0               5m59s
test-init-job--1-dlpmw   0/1     CrashLoopBackOff   5 (2m34s ago)   5m59s

5次重试后Job Pod消失：

% kubectl get pods -n testnamespace

NAME                             READY   STATUS             RESTARTS        AGE
test-595b84fddf-qlsjf    2/2     Running            0               5m59s

希望K8s Job能像init-container Pod那样，带退避机制持续重试直至执行完成，该如何实现？

Kubernetes Job默认的backoffLimit值为6（包含初始执行在内最多尝试6次，对应5次重试），当失败次数达到阈值后，Job会标记为失败并停止重试。要实现持续带退避的重试直到成功，需调整以下配置：

1. 增大backoffLimit参数 #

在Job的spec层级添加backoffLimit，设置一个足够大的数值（例如100），这个参数控制Job允许的最大重试次数。每次失败后，Kubernetes会按照指数退避策略（默认初始间隔10秒，每次翻倍，最大间隔300秒）自动延迟重试，和init-container的退避逻辑一致。

修改后的Job配置示例：

apiVersion: batch/v1
kind: Job
metadata:
  name: "{{ .Release.Name }}-init-job"
  namespace: {{ .Release.Namespace }}
spec:
  backoffLimit: 100  # 设置足够大的重试次数上限
  template:
    metadata:
      annotations:
        linkerd.io/inject: disabled
        "helm.sh/hook-delete-policy": before-hook-creation
        "helm.sh/hook": pre-install,pre-upgrade,pre-delete
        "helm.sh/hook-weight": "-5"
    spec:
      serviceAccountName: {{ .Release.Name }}-init-service-account
      containers:
        - name: app-installer
          image: some image
          command:
            - /bin/bash
            - -c
            - echo Hello executing k8s init-container
          securityContext:
            readOnlyRootFilesystem: true
      restartPolicy: OnFailure

2. 保留restartPolicy: OnFailure #

当前配置的restartPolicy: OnFailure是符合需求的：该策略会让Pod在执行失败时原地重启，而非创建新Pod，和init-container的行为完全匹配。如果改为restartPolicy: Never，Kubernetes会为每次失败创建新Pod，这不符合init-container的重启逻辑，因此不建议修改。

3. 可选：添加超时控制（避免无限重试） #

如果不希望Job无限重试，可以添加activeDeadlineSeconds参数，设置Job的最长运行时间，超过该时间后Job会被强制终止。例如设置为24小时（86400秒）：

spec:
  backoffLimit: 100
  activeDeadlineSeconds: 86400  # 可选，限制Job最长运行时长
  template:
    # ... 剩余配置保持不变

内容的提问来源于stack exchange，提问作者santosh jk