Argo เวิร์กโฟลว์คืออะไร?

Argo Workflows คือกลไกเวิร์กโฟลว์แบบโอเพ่นซอร์สที่เนทีฟสำหรับการจัดการงานคู่ขนานบน Kubernetes Argo Workflows ได้รับการปรับใช้เป็น Kubernetes CRD (ข้อกำหนดทรัพยากรที่กำหนดเอง)

กำหนดเวิร์กโฟลว์โดยที่แต่ละขั้นตอนคือคอนเทนเนอร์
สร้างโมเดลเวิร์กโฟลว์แบบหลายขั้นตอนตามลำดับงานหรือบันทึกการขึ้นต่อกันระหว่างงานโดยใช้กราฟอะไซคลิกแบบกำหนดทิศทาง (DAG)
รันงานที่เน้นการประมวลผลสำหรับแมชชีนเลิร์นนิงหรือการประมวลผลข้อมูลได้อย่างง่ายดายในเวลาเสี้ยววินาทีโดยใช้ Argo Workflows บน Kubernetes

Argo เป็นโครงการที่สำเร็จการศึกษาจาก Cloud Native Computing Foundation (CNCF)

ใช้กรณี

ไปป์ไลน์การเรียนรู้ของเครื่อง
การประมวลผลข้อมูลและแบทช์
ระบบโครงสร้างพื้นฐานอัตโนมัติ
ซีไอ/ซีดี
กรณีการใช้งานอื่นๆ

ทำไมต้องมีเวิร์กโฟลว์ Argo?

Argo Workflows เป็นเครื่องมือดำเนินการเวิร์กโฟลว์ยอดนิยมสำหรับ Kubernetes
น้ำหนักเบา ปรับขนาดได้ และใช้งานง่ายยิ่งขึ้น
ออกแบบตั้งแต่ต้นจนจบสำหรับคอนเทนเนอร์โดยไม่มีค่าใช้จ่ายและข้อจำกัดของ VM เดิมและสภาพแวดล้อมบนเซิร์ฟเวอร์
ไม่เชื่อเรื่องระบบคลาวด์และสามารถทำงานบนคลัสเตอร์ Kubernetes ใดก็ได้

อ่านสิ่งที่ผู้คนพูดในแบบสำรวจล่าสุดของเรา

ลองใช้เวิร์กโฟลว์ Argo

คุณสามารถลองใช้ Argo Workflows ได้ด้วยวิธีใดวิธีหนึ่งต่อไปนี้:

วัสดุการฝึกอบรมเชิงโต้ตอบ
เข้าถึงสภาพแวดล้อมการสาธิต

ภาพหน้าจอ

ใครบ้างที่ใช้ Argo Workflows

องค์กรมากกว่า 200+ แห่งใช้งาน Argo Workflows อย่างเป็นทางการ

ระบบนิเวศ

โครงการบางส่วนที่ใช้หรือพึ่งพา Argo Workflows (รายการทั้งหมดที่นี่):

เหตุการณ์อาร์โก้
คูเลอร์
เฮร่า
กะทิบ
เคโดร
ไปป์ไลน์ Kubeflow
Netflix เมตาโฟลว์
หนึ่งแผง
ออร์เคสต์
ไพเพอร์
ช่างพ่นน้ำ
เซลดอน
SQLFlow

ไลบรารีไคลเอ็นต์

ตรวจสอบไคลเอนต์ Java, Golang และ Python ของเรา

เริ่มต้นอย่างรวดเร็ว

เริ่มต้นที่นี่
ตัวอย่างการแนะนำ

เอกสารประกอบ

ดูเอกสาร

คุณสมบัติ

รายการคุณสมบัติที่ Argo Workflows มีให้ไม่สมบูรณ์:

UI เพื่อแสดงภาพและจัดการเวิร์กโฟลว์
การสนับสนุนสิ่งประดิษฐ์ (S3, Artifactory, Alibaba Cloud OSS, Azure Blob Storage, HTTP, Git, GCS, raw)
การสร้างเทมเพลตเวิร์กโฟลว์เพื่อจัดเก็บเวิร์กโฟลว์ที่ใช้กันทั่วไปในคลัสเตอร์
การเก็บถาวรเวิร์กโฟลว์หลังจากดำเนินการเพื่อการเข้าถึงในภายหลัง
เวิร์กโฟลว์ตามกำหนดเวลาโดยใช้ cron
อินเทอร์เฟซเซิร์ฟเวอร์พร้อม REST API (HTTP และ GRPC)
การประกาศเวิร์กโฟลว์ตาม DAG หรือขั้นตอน
อินพุตและเอาต์พุตระดับขั้นตอน (ส่วน/พารามิเตอร์)
ลูป
การกำหนดพารามิเตอร์
เงื่อนไข
การหมดเวลา (ขั้นตอนและระดับเวิร์กโฟลว์)
ลองอีกครั้ง (ขั้นตอนและระดับเวิร์กโฟลว์)
ส่งอีกครั้ง (บันทึกไว้)
ระงับและดำเนินการต่อ
การยกเลิก
การประสานทรัพยากรของ K8
Exit Hooks (การแจ้งเตือน การล้างข้อมูล)
การรวบรวมขยะของเวิร์กโฟลว์ที่เสร็จสมบูรณ์
การจัดกำหนดการ (ความสัมพันธ์/ความคลาดเคลื่อน/ตัวเลือกโหนด)
ปริมาณ (ชั่วคราว/ที่มีอยู่)
ขีดจำกัดความเท่าเทียม
ขั้นตอนที่ปีศาจ
DinD (นักเทียบท่าในนักเทียบท่า)
ขั้นตอนของสคริปต์
การปล่อยเหตุการณ์
ตัวชี้วัดโพร
ผู้ดำเนินการหลายคน
กลยุทธ์การรวบรวมขยะพ็อดและเวิร์กโฟลว์ที่หลากหลาย
การใช้ทรัพยากรที่คำนวณโดยอัตโนมัติต่อขั้นตอน
Java/Golang/Python SDK
การสนับสนุนงบประมาณการหยุดชะงักของพ็อด
การลงชื่อเพียงครั้งเดียว (OAuth2/OIDC)
การทริกเกอร์ Webhook
คลีไอ
ตัวชี้วัด Prometheus แบบกำหนดเองที่พร้อมใช้งานทันที
รองรับคอนเทนเนอร์ Windows
วิดเจ็ตแบบฝัง
โปรแกรมดูบันทึกมัลติเพล็กซ์

การประชุมชุมชน

เราจัดการประชุมชุมชนทุกเดือนโดยที่เราและชุมชนจัดแสดงการสาธิตและหารือเกี่ยวกับสถานะปัจจุบันและอนาคตของโครงการ รู้สึกอิสระที่จะเข้าร่วมกับเรา! สำหรับข้อมูลการประชุมชุมชน รายงานการประชุม และการบันทึก โปรดดูที่นี่

การเข้าร่วมใน Argo Workflows อยู่ภายใต้หลักจรรยาบรรณของ CNCF

บล็อกและการนำเสนอของชุมชน

Awesome-Argo: รายชื่อโครงการและทรัพยากรที่ยอดเยี่ยมที่เกี่ยวข้องกับ Argo
ระบบอัตโนมัติของทุกสิ่ง - วิธีรวมกิจกรรม Argo เวิร์กโฟลว์และไปป์ไลน์ ซีดี และการเปิดตัว
เวิร์กโฟลว์และไปป์ไลน์ Argo - CI/CD, การเรียนรู้ของเครื่อง และเวิร์กโฟลว์ Kubernetes อื่นๆ
บทบาท Argo Ansible: การจัดเตรียมเวิร์กโฟลว์ Argo บน OpenShift
เวิร์กโฟลว์ Argo กับ Apache Airflow
เหนือกว่าต้นแบบ: ระบบ ML ที่พร้อมสำหรับการผลิตพร้อม Metaflow และ Argo
CI/CD พร้อม Argo บน Kubernetes
กำหนดไปป์ไลน์ CI/CD ของคุณด้วยเวิร์กโฟลว์ Argo
รูปแบบการเรียนรู้ของเครื่องแบบกระจายจากสิ่งพิมพ์ของ Manning
วิศวกรรมแพลตฟอร์ม Cloud Native AI
การจัดการการทดลองแมชชีนเลิร์นนิงอัตโนมัติหลายพันรายการด้วย Argo และ Katib
ปฏิวัติการจำลองทางวิทยาศาสตร์ด้วยเวิร์กโฟลว์ Argo
การรันเวิร์กโฟลว์ Argo ข้ามคลัสเตอร์ Kubernetes หลายคลัสเตอร์
การปรับขนาด Kubernetes: แนวทางปฏิบัติที่ดีที่สุดสำหรับการจัดการงานแบตช์ขนาดใหญ่ด้วยเวิร์กโฟลว์ Spark และ Argo
บทสรุปการจัดการโมเดลโอเพ่นซอร์ส: Polyaxon, Argo และ Seldon
สร้างสารสกัด OpenStreetMap 200 รายการใน 35 นาทีโดยใช้เวิร์กโฟลว์ข้อมูลที่ปรับขนาดได้
แพลตฟอร์ม AI ที่พร้อมสำหรับการผลิตบน Kubernetes
การตรวจสอบการรวม Argo
TGI Kubernetes กับ Joe Beda: ระบบเวิร์กโฟลว์ Argo