关于Kubernetes的Python SDK，几乎只有官方项目的 examples 。 关于Job的基本增删改查操作，可以参考 job_crud.py 。 但是，这只是基本用法，缺乏一些实用细节。

本文给出Python SDK操作Kubernetes Job的更多示例代码，以及相关解释。

pip install kubernetes
初始化 ¶
from kubernetes.client import BatchV1Api
from kubernetes.config import load_kube_config
load_kube_config()
batch = BatchV1Api()
load_kube_config是从默认位置，也就是~/.kube/config加载配置。
如果在其它位置，可以通过第一个参数传入其路径。
BatchV1Api()可以当做Job的客户端来用。
命名上，Batch和Job是类似的概念，前者强调批量。
创建Job ¶
以下来自官方样例job_crud.py。
def create_job_object():
    # Configureate Pod template container
    container = client.V1Container(
        name="pi",
        image="perl",
        command=["perl", "-Mbignum=bpi", "-wle", "print bpi(2000)"])
    # Create and configurate a spec section
    template = client.V1PodTemplateSpec(
        metadata=client.V1ObjectMeta(labels={"app": "pi"}),
        spec=client.V1PodSpec(restart_policy="Never", containers=[container]))
    # Create the specification of deployment
    spec = client.V1JobSpec(
        template=template,
        backoff_limit=4)
    # Instantiate the job object
    job = client.V1Job(
        api_version="batch/v1",
        kind="Job",
        metadata=client.V1ObjectMeta(name=JOB_NAME),
        spec=spec)
    return job
def create_job(api_instance, job):
    api_response = api_instance.create_namespaced_job(
        body=job,
        namespace="default")
    print("Job created. status='%s'" % str(api_response.status))
虽然，根据官方教程这样的写法，也能得到可用的V1Job，拿去执行创建操作。
但还是过于陌生和偏门，不如主流、常见的YAML方便、易读写。
这里该出两种更方便的做法。
直接使用YAML ¶
apiVersion: batch/v1
kind: Job
metadata:
  name: hello
spec:
  template:
    spec:
      containers:
        - name: echo
          image: alpine:3.11
          args:
            - 'echo'
            - 'Hello world!'
以上是一个最精简的Job配置样例，
通过读取文件为dict，可以直接拿去使用。
from kubernetes.client import V1Job
import yaml
with open('job.yaml') as file:
    cfg = yaml.safe_load(file)
job = batch.create_namespaced_job(namespace='default', body=cfg)
assert isinstance(job, V1Job)
create_namespaced_job同样接受字典作为body输入，因此YAML配置可以读出后直接传入。
这里返回的V1Job只是创建时的状态，但是会包含更多集群中的信息。
使用dict ¶
由于create_namespaced_job接受字典作为body输入，因此直接使用dict也是可行的。
cfg = {
    'apiVersion': 'batch/v1',
    'kind': 'Job',
    'metadata': {
        'name': 'hello'
    'spec': {
        'template': {
            'spec': {
                'restartPolicy':
                'Never',
                'containers': [{
                    'name': 'upload',
                    'image': 'alpine:3.11',
                    'args': ['echo', 'Hello world!']
batch.create_namespaced_job(namespace='default', body=cfg)
由于dict结构与YAML相同，而又没有类的束缚，所以也很灵活方便。
此外，从YAML读出为dict后，也可以通过修改部分字段，达到动态变化的效果。
这种结合YAML和dict的使用方式，是对官方用法的最佳替代。
监控Job运行 ¶
在创建Job后，通常需要监控Job的运行，做一些外围处理。
轮询当然是下下策，而Kubernetes提供了一个Watch机制，通过接收Event，实现对状态变化的掌控。
Event只有在状态变化时才会有，所以是非常理想的回调。
from kubernetes.client import V1Job
from kubernetes.watch import Watch
job_name = 'hello'
watcher = Watch()
for event in watcher.stream(
        batch.list_namespaced_job,
        namespace='default',
        label_selector=f'job-name={job_name}',
):  # yapf: disable
    assert isinstance(event, dict)
    job = event['object']
    assert isinstance(job, V1Job)
    # handle job.status
Watch().stream就是前面说的理想回调，它第一个参数是列出类的函数，这里选择list_namespaced_job。
后面的参数，都是list_namespaced_job的参数。
除了必备的namespace以外，label_selector也是一个常用参数，可以避免关注无关的Job。
每个Job在创建后，都会自动带一个f'job-name={job_name}'的Label，可以借此筛选。
job_name就是metadata里设置的name，如这里job-name=hello。
event是一个dict，只有三个值。
其中event['raw_object']只是event['object']的dict形式，没有太大意义。
event['type']常见三个值，对应增删改。
ADDED，创建时的信息，和create_namespaced_job的返回值通常没有区别。
MODIFIED，Job状态变化时的信息。
DELETED，Job删除时的信息。
以上三个状态值，对其它类型的资源也是通用的，比如Pod、Deployment等。
V1Job的使用 ¶
对于具体的V1Job实例，其它字段都是和创建时的配置差不多的，只是多一些集群中的具体信息。
所以，常用的还是.status字段。
>>> from kubernetes.client import V1JobStatus
>>> isinstance(job.status, V1JobStatus)
>>> print(job.status)
{'active': None,
 'completion_time': datetime.datetime(2020, 8, 10, 9, 49, 38, tzinfo=tzutc()),
 'conditions': [{'last_probe_time': datetime.datetime(2020, 8, 10, 9, 49, 38, tzinfo=tzutc()),
   'last_transition_time': datetime.datetime(2020, 8, 10, 9, 49, 38, tzinfo=tzutc()),
   'message': None,
   'reason': None,
   'status': 'True',
   'type': 'Complete'}],
 'failed': None,
 'start_time': datetime.datetime(2020, 8, 10, 9, 49, 32, tzinfo=tzutc()),
 'succeeded': 1}
直接使用job.status.succeeded，可以得到成功的Container数量。
下面几乎每一级都有特定的类，可以连续使用.操作符。
如果有特殊需要，也可以用job.to_dict()转换成字典来用。
其它字段，作用基本上也和名称相关，不难推测。
列出Job ¶
列出所有Job的list_job_for_all_namespaces不常用，一般只列出指定Namespace的Job。
from kubernetes.client import V1JobList, V1Job
job_list = batch.list_namespaced_job(namespace='default')
assert isinstance(job_list, V1JobList)
assert isinstance(job_list.items, list)
for job in job_list.items:
    assert isinstance(job, V1Job)
与监控的示例相比，这里去掉了label_selector，可以获取Namespace中所有的Job。
如果有需要，可以通过自定义Label把所有Job分类，并使用label_selector获取指定类型的Job。
读取Job ¶
如果知道Job的name，可以直接通过read_*系列接口，获得指定的V1Job。
from kubernetes.client import V1Job
job = batch.read_namespaced_job(name='hello', namespace='default')
assert isinstance(job, V1Job)
如果更看重状态，可以改用read_namespaced_job_status。
虽然访问的API不同，但在Python的V1Job这个结果层面，没有本质差异。
列出一个Job的Pod ¶
Pod是Kubernetes调度的最小单元，也是最常用的一种资源。
from typing import List
from kubernetes.client import CoreV1Api, V1Pod
def get_pods_by(job_name: str) -> List[V1Pod]:
    core = CoreV1Api()
    pods = core.list_namespaced_pod(
        namespace='default',
        label_selector=f'job-name={job_name}',
        limit=1,
    return pods.items
这里的get_pods_by，可以用job_name获取对应的Pod。
limit=1是在已知Pod只有一个的情况下做出的优化，可按需调整或去掉。
删除Job ¶
删除一个Job：
from kubernetes.client import V1Status
status = batch.delete_namespaced_job(
    namespace='default',
    name=job_name,
    propagation_policy='Background',
assert isinstance(status, V1Status)
其中，propagation_policy='Background'是不可省略的关键，否则默认是Orphan，其Pod不会被删除。
这属于API设计的一个失误，与kubectl的默认行为不符合。
而且，应该没有人在删除了Job之后，还要保留Pod的吧。
这里也可以选择'Foreground'，阻塞等待相关资源的删除完毕。
删除多个、或所有Job：
status = batch.delete_collection_namespaced_job(
    namespace='default',
    propagation_policy='Background',
    label_selector='some-label=your-value',
assert isinstance(status, V1Status)
如果没有label_selector，那就是删除一个Namespace中的所有Job。
更新Job ¶
这个比较少用，因为一般都是建新的。
用法其实和create_namespaced_job差不多，参考官方样例即可。
def update_job(api_instance, job):
    # Update container image
    job.spec.template.spec.containers[0].image = "perl"
    api_response = api_instance.patch_namespaced_job(
        name=JOB_NAME,
        namespace="default",
        body=job)
    print("Job updated. status='%s'" % str(api_response.status))
用Python操作Kubernetes的Job，总体上还是比较方便的，虽然有一些坑。