如何实现Kubernetes Job被驱逐时重启、运行失败时不重启？

你的需求可以通过Kubernetes原生配置实现，核心是利用Job控制器对Pod终止原因的判断逻辑，区分节点缩容驱逐导致的Pod终止和业务错误/资源超限导致的容器退出，分别配置不同的重启策略。

配置逻辑说明 #

• 节点驱逐属于集群侧触发的Pod外部终止事件，终止原因为Evicted，这类终止不会被计入Job的backoffLimit计数，Job控制器会自动创建新的Pod调度到其他可用节点
• 容器非零退出、资源超限被OOM杀掉属于业务侧触发的内部终止事件，会被识别为执行失败，可以通过配置禁止这类场景的重启

推荐配置示例 #

apiVersion: batch/v1
kind: Job
metadata:
  name: custom-restart-job
spec:
  backoffLimit: 0 # 禁止业务失败后Job级别的新Pod重建
  template:
    spec:
      restartPolicy: Never # 禁止业务失败后的容器原地重启
      containers:
      - name: work-container
        image: your-business-image:v1
        resources:
          requests:
            cpu: "1"
            memory: "2Gi"
          limits:
            cpu: "1"
            memory: "2Gi"
      # 可选配置：设置节点临时异常时的容忍时间，避免误驱逐
      tolerations:
      - key: "node.kubernetes.io/not-ready"
        operator: "Exists"
        effect: "NoExecute"
        tolerationSeconds: 300

注意事项 #

• 若使用Kubernetes 1.23之前的版本，可执行kubectl describe pod <被驱逐的Pod名称>查看Termination Reason字段，确认驱逐事件的原因是否为Evicted，部分旧版本的自定义驱逐规则可能会被误识别为业务失败
• 若需要限制驱逐后的总重建次数，可在Job spec下添加activeDeadlineSeconds参数，设置Job的最长存活时间，超过该时间后所有Pod会被直接终止，避免极端场景下的资源浪费

内容的提问来源于stack exchange，提问作者interfect