單擊運行一次，在Kubernetes集群中可以看到Pod啟動，Pod名稱為schedulerx-shell-{JobId}。

在SchedulerX控制臺的任務管理頁面可以查詢歷史執行記錄，也可以看到Pod運行的日志。

單擊運行一次，在Kubernetes集群中可以看到Pod啟動，Pod名稱為schedulerx-python-{JobId}。

在SchedulerX控制臺任務管理頁面可以查詢歷史執行記錄，也可以看到Pod運行的日志。

單擊運行一次，在Kubernetes集群中可以看到Pod啟動，Pod名稱為schedulerx-php-{JobId}。

在SchedulerX控制臺任務管理頁面可以查詢歷史執行記錄，也可以看到Pod運行的日志

單擊運行一次，在Kubernetes集群中可以看到Pod啟動，Pod名稱為schedulerx-node-{JobId}。

在SchedulerX控制臺任務管理頁面可以查詢歷史執行記錄，也可以看到Pod運行的日志。

單擊運行一次，在Kubernetes集群中可以看到Job和Pod啟動成功。

在SchedulerX控制臺任務管理頁面可以查詢歷史執行記錄，也可以看到Pod運行的日志。

單擊運行一次，在Kubernetes集群中可以看到Pod啟動成功。

在SchedulerX控制臺的任務管理頁面可以查詢歷史執行記錄，也可以看到Pod運行的日志。

通過環境變量獲取任務參數

SchedulerX系統支持將任務參數預先配置到環境變量中，這樣無論是腳本任務、Pod還是Job，都可以便捷地通過讀取環境變量來獲取所需的各項參數信息。

如下所示，獲取SchedulerX任務參數值：

優勢

相較于K8s原生的Job功能，采用SchedulerX調度K8s Job具有以下顯著優勢：

可在線編輯的腳本Pod

K8s Job常用場景是用來做數據處理和運維，一般以腳本實現居多。原生的使用方式需要把腳本打包到鏡像里，在YAML文件中配置腳本命令。每當需要修改腳本時，研發人員不得不經歷重新構建鏡像并再次發布的繁瑣過程。比如：

apiVersion: batch/v1
kind: Job
metadata:
  name: hello
spec:
  template:
    spec:
      containers:
      - name: hello
        image: busybox
        command: ["sh",  "/root/hello.sh"]
      restartPolicy: Never
  backoffLimit: 4

運用SchedulerX進行K8s任務管理時，您無需構建鏡像或編寫YAML配置腳本。只需在控制臺直接編輯支持Shell、Python、PHP和Node.js等多種語言的腳本內容，系統便會自動將其以Pod方式運行。若需對腳本進行更新，僅需在控制臺重新編輯并保存，下次調度時新版本腳本將自動生效，顯著提升開發和管理K8s Job的工作效率。同時，借助SchedulerX的K8s任務功能，完全屏蔽了容器相關的細節，對于不熟悉容器服務的研發人員而言，這項改進無疑顯著提升了開發效率，為他們帶來了極大的便利。

如下：

可視化任務編排

當前在K8s生態系統中，Argo作為一種主流的工作流編排解決方案被廣泛應用。例如：

# The following workflow executes a diamond workflow
# 
#   A
#  / \
# B   C
#  \ /
#   D
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}}"]

借助SchedulerX的工作流功能，您能夠通過直觀的可視化界面，采用簡單的鼠標拖拽操作來高效編排K8s任務流程，如下圖所示。

在使用體驗上，相較于Argo，SchedulerX更為便捷易用，尤其是在運行時，它提供了可視化的工作流圖展示，能夠清晰地追蹤任務進度，方便快速識別和定位任務受阻的具體環節，如下圖所示顯示出具體的任務失敗：

報警監控

通過SchedulerX對您的Pod和Job進行調度，能夠充分利用其內置的監控報警機制，實現高效的任務狀態跟蹤與異常預警。

• 支持的報警通道：短信、電話、郵件、WebHook（釘釘/企業微信/飛書）。

• 支持的報警策略：失敗報警、執行超時報警。

日志服務

使用SchedulerX調度您的Pod和Job時，無需額外開通日志服務，系統將自動收集Pod運行期間產生的日志。一旦Pod執行失敗，您可直接在SchedulerX控制臺查看到詳細的失敗原因并分析，實現高效便捷的問題定位與調試。

監控大盤

通過SchedulerX來調度您的Pod和Job，無需另行開通Prometheus服務，即可查看內置的任務監控功能。

離在線混布

對于諸如訂單處理等對實時性要求較高的在線定時任務，可在同一進程內直接調用方法進行高效處理，與在線業務無縫集成。而對于實時性要求較低但資源消耗較大的離線定時任務，如報表定時導出，可通過編寫腳本并以啟動獨立Pod的方式運行。SchedulerX平臺支持Java和Kubernetes任務類型，能夠實現離線與在線定時任務的混布調度，靈活滿足不同需求。