Англійська для розробників Argo Workflows

Розмови Argo Workflows відрізняються від Argo CD — це про оркестрування багатокрокових завдань як рідних ресурсів Kubernetes, тому словник зосереджений на шаблонах, DAG і як артефакти переходять між кроками.

Ключовий словник

** Шаблон потоку робіт ** — визначення багатокрокового процесу, що може використовуватися повторно, виражене як нетиповий ресурс Kubernetes, який можна параметризувати і викликати неодноразово без перевизначення кроків кожного разу.

• “Перетворити цей одноразовий робочий потік на шаблон робочого потоку — три конвеєри вже потребують виконання тих самих кроків з різними вхідними параметрами.” *

** DAG (направлений ациклічний граф) ** — спосіб визначення кроків з явними залежностями, а не строгою послідовністю, що дозволяє незалежним крокам виконуватися паралельно, де це можливо. “Модельуйте це як DAG замість лінійної послідовності — ці два кроки попередньої обробки не залежать один від одного і не повинні виконуватися один за одним.”

** Крок / завдання ** — єдиний об’ єкт роботи у потоці робіт, зазвичай виконується як окремий підпрограмний модуль з власним штампом контейнера, вхідними і вихідними даними. “Розділити логіку перевірки на окремі кроки — зараз вона з’ єднана з тим же підом, що і завантаження даних, отже, помилка перевірки знищує крок, який у іншому випадку був би успішним.”

** Артефакт ** — дані, які передаються між кроками за посиланнями (зазвичай зберігаються у об’ єкті зберігання), використовуються, коли вивід з одного кроку потрібен як вхід до іншого.

• “Передавати цей набір даних як артефакт між кроками замість того, щоб заповнювати його змінною середовища — він занадто великий, а артефакти — це саме те, для чого вони призначені.” *

** Обробник завершення роботи ** — крок або набір кроків, які налаштовано для виконання незалежно від успішності або невдачі потоку робіт, зазвичай використовується для очищення або сповіщення.

• “Додати обробник виходу, який знищує тимчасові ресурси — зараз невдалий робочий потік залишає за собою осиротілі підпрограми, оскільки очищення виконується лише на успішному шляху.” *

Звичайні фрази

• Чи є це дійсно спільним досягненням, чи це просто окремий випадок?»
• Чи ці кроки насправді залежать один від одного, чи це може бути DAG, так що незалежні кроки працюють паралельно?
• Чи є ці дані достатньо малими для параметра, або їх потрібно передати як артефакт?
• Чи слід робити це через обробника виходу, або тільки на шляху успіху?»

Приклади висловлювань

Перегляд визначення потоку робіт: “Ці три кроки не мають реальної залежності між собою — виражте це як DAG, щоб вони виконувалися паралельно, а не один за одним без жодної причини.”

Зневадження витоку ресурсу: “Неуспішні запуски залишають підпрограми позаду, оскільки наш крок очищення існує лише на успішній гілці — пересунути його до обробника виходу, щоб він виконувався в обох напрямках.”

Обговорення можливості повторного використання: “Ми зараз скопіювали і вставили ту ж саму п’ ятиступінчасту послідовність у чотири різні потоки робіт — саме так і слід робити, щоб перетворити її на шаблон спільного потоку робіт.”

Професійні поради

• Типове значення ** DAG ** для лінійної послідовності, коли кроки не мають справжньої залежності — це просто перевага для загального часу виконання.
• Витягувати повторювані послідовності кроків до шаблону ** робочого потоку **, як тільки їх буде дублювати більше ніж один раз — це запобігає дрейфу між майже ідентичними копіями.
• Використовувати ** artefacts ** для будь- яких даних, які занадто великі або складні для параметра — передавання великих вантажів через параметри є звичайним анти- шаблоном для позначення.
• Завжди перевіряйте, чи логіка очищення знаходиться у ** обробнику виходу ** — очищення, яке виконується лише на шляху успіху, є поширеним джерелом сирітських ресурсів після невдач.

Практичні вправи

1. Поясніть співробітнику команди, чому два незалежні кроки слід моделювати як DAG, а не як строгу послідовність.
2. Описує, коли дані між кроками слід передавати як артефакт, а не як параметр.
3. Напишіть речення, у якому буде позначено, що крок очищення потоку робіт слід пересунути до обробника виходу.

Переклади: «Переклад з німецької» (нім

Сила Argo Workflows полягає не тільки в технічній архітектурі - DAG, кроках, артефактах - але і в тому, як ви про це говорите. Для не рідних носіїв англійської мови, переклад технічного жаргону в чіткі, точні інструкції і зворотній зв’язок може бути особливо складним. Легко впасти в буквальні переклади, які втрачають сенс або звучать незграбно, особливо при обговоренні таких концепцій, як оркестрація Kubernetes-нативної. Метою є не просто використовувати правильні слова; це про передачу намірів і ефективне співробітництво з вашою командою.

Розглянемо такий сценарій: Сара переглядає запит на звантаження від Давида для нового потоку робіт Argo. Опис PR Девіда говорить: « Цей робочий процес використовує DAG для обробки даних. » Хоча це технічно правильно, але не надає контексту або логіки. Ефективнішою формулюванням було б: «Чи можете ви розібратися в меті цього DAG? Зокрема, які дані ми обробляємо і чому цей підхід найкраще підходить для цієї задачі?» Це демонструє запит на пояснення, а не лише питання про технічну термінологію. Аналогічно, у дискусіях Slack уникайте фраз на кшталт « системі потрібно виконати ». Замість цього використовуйте більш чітку мову: « Робочий потік повинен отримати артефакт з S3. »

Інша поширена проблема виникає при поясненні потоків робіт Argo зацікавленим сторонам, які не знайомі з концепціями Kubernetes. Смакота перебільшувати технічні деталі, але це часто призводить до плутанини. Формувати його як * оркестрацію * - “Ми використовуємо Argo Workflows для оркестрації серії завдань в нашому кластері Kubernetes”, є набагато більш доступним, ніж занурення в специфіку складу DAG. Сфокусуйтеся на результатах: «Цей робочий процес автоматизує процес розгортання» або «Це забезпечує послідовні збірки і розгортання»

Нарешті, пам’ ятайте, що зворотній зв’ язок у перегляді коду повинен бути конструктивним і дійсним. Замість того, щоб сказати «Цей крок не оптимальний», спробуйте: «Досліджуємо альтернативні стратегії для цього кроку, щоб поліпшити продуктивність, можливо, використовуючи обмеження ресурсів Kubernetes». Точність має величезне значення при обговоренні дизайну і оптимізації робочого потоку.

Ось приклад простої команди argo-workflows, яка проілюструє концепцію версії артефакту:

argo workflows artifacts create my-artifact --version 1.2.3 --description "The latest build of the application"

За допомогою цієї команди можна наочно побачити, як створювати версії артефактів і керувати ними, що є ключовим компонентом відтворюваних потоків робіт Argo. Сфокусування на ясному спілкуванні значно поліпшить вашу співпрацю і розуміння в команді.