本文比较以 Kubernetes 作为执行底座的容器工作流，不讨论普通 Kubernetes CronJob、应用任务队列和数据平台调度器。
方案对比
| 项目 | 定位 | 适合场景 | 主要代价 |
|---|---|---|---|
| Argo Workflows | Kubernetes 原生工作流 | 容器化数据处理、ML、批处理和 CI/CD | 必须运行 Kubernetes，每一步通常是容器 |
| Tekton Pipelines | Kubernetes 原生流水线 | CI/CD、构建和供应链流程 | 资源模型偏底层，需要自己组合组件 |
| Flyte | 数据与机器学习工作流 | 类型安全、可复现的数据和 ML 流程 | 平台和执行模型较重 |
| Kubeflow Pipelines | ML 工作流 | 机器学习训练、评估和部署流水线 | 通常需要配合 Kubeflow 生态运维 |
已经以 Kubernetes 为执行底座时优先比较 Argo Workflows；CI/CD 和供应链看 Tekton；数据科学和 ML 看 Flyte 或 Kubeflow Pipelines。没有 Kubernetes 时不要为了一个定时任务引入这层。 相关主题：项目选型。