如何创建工作流和设置工作流使用的CPU和Memory资源 - 容器服务 Kubernetes 版 ACK

工作流集群基于开源Argo Workflow项目构建，您可以参考开源文档自定义工作流。工作流可应用于CI/CD流水线、数据处理、机器学习和仿真计算等。本文通过示例介绍如何使用Argo CLI创建工作流，并设置工作流使用的CPU和Memory资源。

前提条件

使用说明

工作流ServiceAccount

工作流可以指定ServiceAccount用于运行中访问其他Kubernetes资源，您可以创建自己的ServiceAccount，工作流集群会为ServiceAccount自动绑定权限，如果权限不足以支持您的工作流运行，请加入钉钉群（钉钉群号：35688562），联系产品技术专家进行咨询。

阿里云Argo CLI

阿里云Argo CLI完全兼容开源Argo CLI，并在此基础上增强了Metrics能力。您可以使用阿里云Argo CLI查看工作流消耗的CPU和内存资源，并查看工作流运行的成本。同时增强了日志能力，可以获取工作流已删除Pod的日志。

安装步骤如下：

说明

以下安装步骤以Linux系统为例，Darwin和Linux系统的下载链接分别如下：

Darwin：argo-cli-aliyun-darwin
Linux：argo-cli-aliyun-linux

执行如下命令下载阿里云Argo CLI

wget https://ack-one.oss-cn-hangzhou.aliyuncs.com/cli/v3.4.12/argo-cli-aliyun-linux

执行如下命令为argo-cli-aliyun-linux授予可执行权限。
```
chmod +x argo-cli-aliyun-linux
```
将执行文件移动到环境变量包含的目录下，例如：/usr/local/bin/。
```
mv argo-cli-aliyun-linux /usr/local/bin/argo
```

根据不同的操作系统选择对应的版本下载，并重命名为Argo。

Darwin：下载阿里云Argo CLI。
Linux：下载阿里云Argo CLI。

创建工作流

您可以通过以下阿里云Argo CLI和kubectl两种方式操作创建工作流。

使用阿里云Argo CLI操作工作流

使用以下内容，创建helloworld-workflow.yaml文件。

apiVersion: argoproj.io/v1alpha1
kind: Workflow                  # new type of k8s spec.
metadata:
  generateName: hello-world-    # name of the workflow spec.
spec:
  entrypoint: whalesay          # invoke the whalesay template.
  templates:
    - name: whalesay              # name of the template.
      container:
        image: docker/whalesay
        command: [ cowsay ]
        args: [ "hello world" ]

执行以下命令，提交工作流。
```
argo submit helloworld-workflow.yaml
```

查看工作流状态。

执行以下命令，获取工作流列表。

argo list

预期输出：

NAME                STATUS      AGE   DURATION   PRIORITY
hello-world-lgdpp   Succeeded   2m    37s        0

执行以下命令，查看工作流状态。

argo get hello-world-lgdpp

预期输出：

Name:                hello-world-lgdpp
Namespace:           default
ServiceAccount:      unset (will run with the default ServiceAccount)
Status:              Succeeded
Conditions:
 PodRunning          False
 Completed           True
....
Duration:            37 seconds
Progress:            1/1
ResourcesDuration:   17s*(1 cpu),17s*(100Mi memory)

STEP                  TEMPLATE  PODNAME            DURATION  MESSAGE
 ✔ hello-world-lgdpp  whalesay  hello-world-lgdpp  27s

使用kubectl操作工作流

KubeConfig设置完成后，您可以通过kubectl操作工作流集群，但不同于普通的Kubernetes集群，部分操作会受限。相关权限说明如下。

资源	权限说明
priorityclasses	可以管理priorityclasses，并在工作流中制定priorityclasses，达到通过Pod优先级控制调度顺序的目的。
namespaces	可以创建Namespaces，拥有自建Namespaces的全部权限，并可访问自建Namespaces下的资源。不能访问系统Namespaces下的资源。系统Namespaces即以kube-开头的Namespaces。重要以集群ID命名的命名空间为Argo的系统命名空间，您可以操作此系统命名空间，例如，修改workflow-controller-configmap配置Argo Workflow的运行参数。
persistentvolumes	全部权限。
persistentvolumeclaims	自建Namespaces下的全部权限。
secretsconfigmapsserviceaccounts	自建Namespaces下的全部权限。
pods	自建Namespaces下的读权限。
pods/logevents	自建Namespaces下的读权限。
pods/exec	自建Namespaces下的创建权限。
Argo: workflows workflowtasksets workflowtemplates cronworkflows	自建Namespaces下的全部权限。

设置容器CPU和内存

工作流集群优先使用抢占式ECI实例运行工作流，并配合使用按量付费ECI应对抢占式ECI的库存问题，以优化成本。抢占式ECI实例的保护期为1小时，请确保工作流的子步骤在一小时内完成。

由于抢占式ECI实例仅支持2 vCPU及以上规格，不支持工作流中的容器资源配置小于2 vCPU。

如果工作流中的容器没有配置资源请求，系统默认使用2 vCPU/4 GiB。
如果工作流中的容器配置的资源请求小于2 vCPU/4 GiB，系统覆盖使用2 vCPU/4 GiB。
如果工作流中的容器配置的资源请求大于2 vCPU/4 GiB，系统会自动匹配满足规格的ECI。支持指定的vCPU和内存规格如下表所示。不建议使用大于8 vCPU的配置。
vCPU
内存（GiB）
2
4、8、16
4
4、8、16、32
8
4、8、16、32、64

强制使用按量计费ECI运行工作流

在成本优先模式下，如需运行关键任务，不希望使用抢占式ECI实例。您可以设置工作流使用按量计费ECI实例运行工作流。

配置Container的requests和limits字段，示例代码如下。

apiVersion: argoproj.io/v1alpha1
kind: Workflow                  # new type of k8s spec.
metadata:
  generateName: hello-world-    # name of the workflow spec.
spec:
  entrypoint: whalesay         # invoke the whalesay template.
  templates:
    - name: whalesay              # name of the template.
      container:
        image: docker/whalesay
        command: [ cowsay ]
        args: [ "hello world" ]
        resources:
          requests:
            cpu: 0.5
            memory: 1Gi
          limits:
            cpu: 0.5
            memory: 1Gi

vCPU	内存（GiB）
2	4、8、16
4	4、8、16、32
8	4、8、16、32、64