簡單工作流

以下示例表示：啟動了一個任務Pod，使用alpine鏡像，運行Shell命令echo helloworld。

在此工作流基礎上，可以在args中指定多個Shell命令并執行，也可以使用自定義鏡像運行鏡像中的命令。

cat > helloworld.yaml << EOF
apiVersion: argoproj.io/v1alpha1
kind: Workflow                  # new type of k8s spec
metadata:
  generateName: hello-world-    # name of the workflow spec
spec:
  entrypoint: main         # invoke the main template
  templates:
    - name: main              # name of the template
      container:
        image: registry.cn-hangzhou.aliyuncs.com/acs/alpine:3.18-update
        command: [ "sh", "-c" ]
        args: [ "echo helloworld" ]
EOF
argo submit helloworld.yaml

Loops工作流

以下示例表示：在鏡像print-pet中打包了pets.input文本文件和print-pet.sh腳本文件，print-pet.sh以job-index為輸入參數，打印pets.input文件行號為job-index的pet。具體文件內容請訪問GitHub倉庫。

在工作流中，會同時啟動5個Pod，并分別傳入參數job-index 1到job-index 5，每個pod根據輸入的job-index的值，打印相應行的pet。

通過Loops工作流可以實現數據分片和并行處理，加快海量數據的處理速度。更多Loops示例，請參見工作流（Workflows）Loops。

apiVersion: argoproj.io/v1alpha1
kind: Workflow
metadata:
  generateName: loops-
spec:
  entrypoint: loop-example
  templates:
  - name: loop-example
    steps:
    - - name: print-pet
        template: print-pet
        arguments:
          parameters:
          - name: job-index
            value: "{{item}}"
        withSequence:  # loop to run print-pet template with parameter job-index 1 ~ 5 respectively.
          start: "1"
          end: "5"
  - name: print-pet
    inputs:
      parameters:
      - name: job-index
    container:
      image: acr-multiple-clusters-registry.cn-hangzhou.cr.aliyuncs.com/ack-multiple-clusters/print-pet
      command: [/tmp/print-pet.sh]
      args: ["{{inputs.parameters.job-index}}"] # input parameter job-index as args of container

DAG工作流（MapReduce）

真實的批處理場景中，往往需要多個Job配合完成，所以需要指定Job間的依賴關系，DAG是指定依賴關系的最佳方式。

但主流的Batch批處理系統，需要通過Job ID指定Job依賴，由于Job ID需要在Job提交后才能獲取，因此需要編寫腳本實現Job間依賴（偽代碼如下），Job較多時，依賴關系不夠直觀，維護成本較高。

//Batch批處理系統Job間依賴，JobB依賴JobA，在JobA完成后運行。
batch submit JobA | get job-id
batch submit JobB --dependency job-id (JobA)

Argo工作流可以通過DAG定義子任務之間的依賴關系，示例如下：

• Task B和Task C依賴Task A運行

• Task D依賴Task B和Task C運行

# The following workflow executes a diamond workflow
apiVersion: argoproj.io/v1alpha1
kind: Workflow
metadata:
  generateName: dag-diamond-
spec:
  entrypoint: diamond
  templates:
  - name: diamond
    dag:
      tasks:
      - name: A
        template: echo
        arguments:
          parameters: [{name: message, value: A}]
      - name: B
        depends: "A"
        template: echo
        arguments:
          parameters: [{name: message, value: B}]
      - name: C
        depends: "A"
        template: echo
        arguments:
          parameters: [{name: message, value: C}]
      - name: D
        depends: "B && C"
        template: echo
        arguments:
          parameters: [{name: message, value: D}]
  - name: echo
    inputs:
      parameters:
      - name: message
    container:
      image: alpine:3.7
      command: [echo, "{{inputs.parameters.message}}"]

在Git倉庫中，還為您提供了一個MapReduce工作流示例，支持對數據進行分片處理，并對計算結果進行聚合。具體示例，請參見map-reduce。