Argo Workflows

透過作為 Kubernetes 內的自定義資源定義 (CRD) 運行，Argo Workflows 利用了原生的集群功能。它消除了對外部工作流伺服器的需求，讓您可以使用標準的 'kubectl' 指令管理工作流。這種整合確保了工作流 Pod 繼承集群的安全、網路和儲存策略，為管理複雜容器化環境的 DevOps 團隊提供了無縫的操作體驗。

Argo 同時支援有向無環圖 (DAG) 和順序步驟工作流。DAG 允許進行複雜的依賴管理，任務可根據上游節點的完成情況並行運行，而基於步驟的工作流則提供線性執行。這種靈活性使工程師能夠建模從簡單的 CI/CD 管線到具有分支邏輯、重試和條件執行路徑的複雜數據科學管線。

Argo 提供內建支援，可使用工件 (Artifacts) 在工作流步驟之間傳遞數據。它與 S3、GCS 和 Artifactory 整合，可自動儲存和檢索輸出。這消除了手動管理共享 Volume 或外部資料庫來儲存中間數據的需求，因為引擎會處理這些工件的生命週期，確保數據在集群的分散式節點間可用。

由於每個工作流步驟都是一個 Kubernetes Pod，Argo 可以在整個集群容量上進行水平擴展。它能夠運行數千個並發任務，非常適合高吞吐量的批次處理或大規模 ML 訓練作業。與會遇到效能瓶頸的集中式引擎不同，Argo 將排程負擔卸載給了經過大規模驗證的 Kubernetes 排程器。

內建的網頁版 UI 提供了工作流執行的即時圖形化呈現。使用者可以直接從瀏覽器視覺化 DAG 結構、檢查個別 Pod 的狀態、查看日誌並重新執行失敗的步驟。這種可觀測性對於排查複雜管線至關重要，因為它能即時洞察多階段流程中失敗發生的位置。