[쿠버네티스 워크로드 개념] TFJob / CronJob / Job / Deployment / Pod

 

쿠버네티스 “워크로드 개념”을 한 번에 정리할 수 있는 포인트라서,
TFJob까지 묶어서 역할·수명·재시작·확장 관점으로 설명해줄게.

---

1️⃣ Pod – 모든 것의 출발점

✅ 뭐냐면

• 쿠버네티스에서 실제로 실행되는 최소 단위
• 하나 이상의 컨테이너 묶음

특징

• 일회성 존재
• 죽으면 끝 (스스로 복구 안 됨)
• IP, 볼륨, 네임스페이스 공유

언제 쓰나

• 테스트
• 디버깅
• 절대 운영용 아님

 

apiVersion: v1 kind: Pod

📌 운영에서는 Pod를 직접 만들지 않는다 → 항상 상위 컨트롤러 사용

 

 

---

2️⃣ Deployment – “계속 살아 있어야 하는 서비스”

✅ 뭐냐면

• 무한히 실행되어야 하는 앱을 관리
• ReplicaSet을 통해 Pod 유지

특징

• 항상 지정한 개수만큼 Pod 유지
• 롤링 업데이트 지원
• 장애 시 자동 복구

대표 사용처

• API 서버
• 웹 서비스
• 대시보드
• inference 서버

 

apiVersion: apps/v1
kind: Deployment

 

 

 

📌 “서비스형 워크로드”

 

 

 

---

3️⃣ Job – “한 번 실행하고 끝”

✅ 뭐냐면

• 작업을 반드시 완료해야 하는 워크로드
• 성공하면 종료됨

특징

• 성공/실패 기준 존재
• 실패 시 재시도 가능
• 완료되면 Pod 종료

대표 사용처

• 배치 처리
• 데이터 전처리
• 모델 학습 (단일 노드)
• 마이그레이션

 

apiVersion: batch/v1
kind: Job

 

 

 

📌 “완료가 목표”

 

 

 

---

4️⃣ CronJob – “Job을 정기적으로”

✅ 뭐냐면

• Job을 주기적으로 실행
• 내부적으로 Job을 생성함

특징

• crontab 문법 사용
• 주기 실행
• 실패 시 재실행 가능

대표 사용처

• 정기 백업
• 로그 정리
• 주기적 데이터 수집

 

apiVersion: batch/v1
kind: CronJob

 

 

 

📌 “정기 배치”

 

 

 

---

5️⃣ TFJob – “TensorFlow 분산 학습 전용 컨트롤러”

이제 핵심 🔥

---

TFJob은 뭐야?

✅ Kubeflow에서 제공하는 CRD (Custom Resource)

• 쿠버네티스 기본 리소스 아님
• 분산 TensorFlow 학습을 위해 만들어짐

 

apiVersion: kubeflow.org/v1
kind: TFJob

 

 

 

 

---

TFJob이 Deployment/Job이랑 다른 이유

❌ Job으로 안 되는 것

• 분산 학습 시 역할 구분 필요
  • Chief
  • Worker
  • ParameterServer (PS)
• 각 Pod의 환경변수 자동 설정 필요
• 전체 학습 성공/실패 판단 필요

👉 Job으로 하면 전부 수동 구성

---

TFJob이 해주는 일

기능	설명
역할 분리	Chief / Worker / PS
Pod 자동 생성	역할별 Replica 생성
통신 환경변수	TF_CONFIG 자동 주입
전체 성공 판단	모든 Worker 완료 시 성공
재시작 정책	역할별 restartPolicy
스케줄링	GPU, Node Affinity 적용

---

TFJob 구조 예시

 

spec:
  tfReplicaSpecs:
    Chief:
      replicas: 1
    Worker:
      replicas: 4

 

 

 

👉 내부적으로는 Pod + Job 비슷한 로직이지만
👉 “학습 프레임워크 전용 오케스트레이터”

 

 

 

---

6️⃣ 한 방에 비교 표 📊

리소스	목적	실행 형태	재시작	대표 사용
Pod	컨테이너 실행	1회	❌	테스트
Deployment	서비스 유지	무한	⭕	API / 웹
Job	작업 완료	1회	⭕	배치
CronJob	정기 작업	반복	⭕	스케줄 배치
TFJob	분산 학습	학습 종료 시 종료	⭕	GPU 학습

---

7️⃣ 그래서 언제 뭘 써야 하나?

✅ GPU 학습 기준 정리

상황	추천
단일 GPU 학습	Job
분산 TensorFlow	TFJob
PyTorch 분산	PyTorchJob
추론 서버	Deployment
정기 학습	CronJob + TFJob

---

8️⃣ 핵심 요약 (면접용 문장)

Pod는 실행 단위이고, Deployment는 서비스 유지용,
Job/CronJob은 완료형 배치 작업이며,
TFJob은 TensorFlow 분산 학습을 위해 Job을 확장한 Kubeflow CRD이다.