Nano Hash - криптовалюты, майнинг, программирование

Spring Cloud Data Flow: задача не может запуститься в кластере Kubernetes

Я развернул сервер Spring Cloud Data Flow в локальном кластере Kubernetes. Вроде все нормально. Затем я создаю приложение типа Task, предоставляя URL-адрес Spring-Boot JAR. Затем я создаю «определение» задачи и запускаю его. В статусе "запускается" зависает определение задачи.

Вот мои выводы:

  1. Глядя на Kubernetes, я вижу модуль, соответствующий правильно созданной, но не запускаемой задаче со статусом ImagePullBackOff

  2. # P4 #
    # P5 #

  3. Я подключаюсь к оболочке модуля сервера SCDF, просматриваю папку /tmp и вижу там папку deployer-resource-cache5494152820122807128.

Насколько я понимаю, SCDF создает временное изображение для выполнения в модуле Kubernetes, но это изображение создается внутри серверного модуля scdf, поэтому очевидно, что оно недоступно из модуля задач.

У меня вопрос, как это должно работать?

На мой взгляд, изображение следует поместить в реестр или каким-то образом сохранить на общем томе, но я не нашел ничего по этой теме в документации. Любая идея или предложение будут оценены.

kubernetes spring-cloud-dataflow
06.12.2016

Ответы:


1

То, что вы пытаетесь сделать, не будет работать для Spring Cloud Dataflow для Kubernetes. В реализации Kubernetes в качестве артефакта развертывания поддерживаются только образы Docker.

В настоящее время этот факт прямо не упоминается в документации. Ознакомьтесь с этим и эта проблема

10.12.2016
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..