Add TrainingJober. #521
Add TrainingJober. #521
Conversation
| | ||
| // Destroy destroys resource and pods. | ||
| func (c *TrainingJober) Destroy(job *paddlejob.TrainingJob) { | ||
| c.Complete(job) |
There was a problem hiding this comment.
为何cleanupPserver和cleanupMaster 在Complete函数里面，而cleanupTrainer在Destroy函数里面，和Complete是并列关系？
3个cleanup看起来应该是并列关系？考虑删掉Complete，把3个cleanup都放在Destroy。
There was a problem hiding this comment.
我的思路是这样的，当TrainerJob完成之后，Master和Pserver应该被清除掉。因为他们占用了Pod资源，但是TrainerJob还不能被清除掉，用户还要看日志。而且TrainerJob完成之后就不占用了资源了。
| err := fmt.Errorf("trainerjob_err:%v master_err:%v pserver_err:%v", | ||
| terr, merr, perr) | ||
| log.Error(err.Error()) | ||
| return err |
There was a problem hiding this comment.
某一个出错，但是另外的可能创建成功了，需要cleanup。
| return err | ||
| } | ||
| | ||
| if m == nil { |
There was a problem hiding this comment.
可能出现err == nil而同时m == nil的情况吗？
There was a problem hiding this comment.
哦，我的意思是要是不会出现就不需要处理这个情况了。
明白了，是nil就代表还不存在，所以需要创建。
| log.Error(err.Error()) | ||
| return err | ||
| } | ||
| |
There was a problem hiding this comment.
这里可能在create之前判断下job是否存在：
- 对于重复提交的情况，这里是不是可以判断下，trainer/pserver/master只要其中一个存在就报异常呢？
- 使用户使用
paddlectl kill {jobname}也有可能存在pod删不掉的情况，例如Contrainer删除超时等，所以这里可能还需要判断下Pod的存在情况。
There was a problem hiding this comment.
对于重复提交的情况，这里是不是可以判断下
后边判断了
trainer/pserver/master只要其中一个存在就报异常呢？使用户使用paddlectl kill {jobname}也有可能存在pod删不掉的情况，例如Contrainer删除超时等，所以这里可能还需要判断下Pod的存在情况。
这个判断应该在提交TrainingJob资源的地方做。controller的对用户来说是异步执行的。
我准备在paddlecloud里边加上类似的判断。
| if t == nil { | ||
| if err := c.createTrainer(job); err != nil { | ||
| if m == nil { | ||
| c.cleanupMaster(namespace, mname) |
There was a problem hiding this comment.
这里没有很明白，为什么m==nil的时候需要clearnup master呢？m==nil不是表示master不存在，是不是不需要再cleanup了？
There was a problem hiding this comment.
m==nil 表示 这轮创建之前Master不存在， 但是能走到这里代表Master创建且成功了，所以当createTrainer出错的时候要清理。
隐含的是把 Tainer,Pserver,Master当做一个整体。并且，只清理自己创建的。不清理其他的。
There was a problem hiding this comment.
既然master已经在上一个if中创建成功了，那么么应该不会进入到m == nil分支中了吧？ 所以看起来这里永远不会被执行
| c.cleanupTrainer(namespace, tname) | ||
| } | ||
| | ||
| if err := c.createPserver(job); err != nil { |
There was a problem hiding this comment.
如果创建PServer失败，应该对之前创建trainer和创建master的操作进行回滚。
There was a problem hiding this comment.
sorry,放错地方了。还需要继续仔细测试。
3 participants
Fix #462