本文將向您介紹批量計算產品中涉及的幾種作業類型，以便于您更好地選擇批量計算產品。

背景

批量計算依據您使用集群方式的區別，將作業分為固定集群作業，自動集群作業，組合集群作業三種類型。下面分別介紹三種作業的優缺點，您可依據業務需求選擇相應的作業類型。

作業概述

固定集群作業

優點：集群支持分布式緩存，適用大規模作業的場景；

缺點：需要您花費精力管理集群資源生命周期。

自動集群作業

優點：您無需花費精力管理集群，由批量計算自動管理集群生命周期；

缺點：集群間無法共享分布式緩存數據，訪問存儲壓力大，占用資源多，適用小規模作業的場景。

組合集群作業

批量計算最新推出的作業類型。使用方法請參考組合集群最佳實踐

優點：

• 支持資源彈性伸縮，您無需管理集群生命周期；
• 分布式緩存提高IO性能，減少帶寬占用；
• 極大減少集群數量，節省資源 ；
• 減少作業等待時間，使用方式簡單，遷移成本小。

缺點：您首次使用需創建一個集群，然后才能提交作業。

使用區別

作業管理

作業格式

• 固定集群模式，直接填寫已經創建好的集群。

from batchcompute.resources import (
    JobDescription, TaskDescription
)
job_desc = JobDescription()
task_desc = TaskDescription()
task_desc.ClusterId = "cls-xxxx"
task_desc.AutoCluster.ClusterId = ""
job_desc.DAG.add_task ("cluster", task_desc)

• Auto-Cluster模式

from batchcompute.resources import (
    JobDescription, TaskDescription
)
job_desc = JobDescription()
task_desc = TaskDescription()
task_desc.ClusterId = ""
task_desc.AutoCluster.ClusterId = ""
job_desc.DAG.add_task ("auto_cluster", task_desc)

• Attach-Cluster模式：

from batchcompute.resources import (
    JobDescription, TaskDescription
)
job_desc = JobDescription()
task_desc = TaskDescription()
task_desc.ClusterId = ""
task_desc.AutoCluster.ClusterId = "cls-xxxx"
job_desc.DAG.add_task ("attach_cluster", task_desc)

適用場景

• 固定集群作業

  如果您有很多作業要處理，可以考慮使用固定集群。 比如提交100個作業，您可以創建一個10臺VM的固定集群，將100個作業全部提交到這個集群即可, 系統會在每個任務完成后自動調度下一個任務運行。全部運行完成后，你需要手動釋放掉集群。

• 自動集群作業

  自動集群在提交作業時指定需要的實例數和實例規格，實際運行任務的時候系統自動創建集群，運行任務完成后自動釋放。不在乎等待時間長，或者作業較少情況下，可以使用自動集群。

• 組合集群作業

  您有很多自動集群的作業時（成千上萬級別），需要選用組合集群。提交作業時需要指定自動集群配置中的集群信息，作業運行的時候會被組合到指定集群上。集群會自動申請和釋放所需資源。