kubernetes原生pipeline
Tekton Pipeline,是一個k8s native的pipeline, 任務跑在pod中,透過自定義CRD去管理任務與工作流等等,我看完tekton之後感覺是功能很強大,但是有點過度設計了,沒有drone的簡約大方靈活之感。 |
Tekton Pipelines的主要目標是單獨執行您的任務或作為管道的一部分執行。每個任務都在Kubernetes叢集上作為Pod執行,每個步驟都作為自己的容器。這點深得drone思想精髓,其實drone也有計劃將kubernetes作為任務執行引擎,只是沒有下文了。
A Task定義了需要執行的工作,例如以下是一個簡單的任務:
apiVersion: tekton.dev/v1alpha1 kind: Task metadata: name: echo-hello-world spec: steps: - name: echo image: ubuntu command: - echo args: - "hello world"
這steps是一系列由任務順序執行的 。這個steps內的配置幾乎與drone如出一轍,Task定義好並沒有被執行,建立TaskRun時才會執行。這是合理的,相當於是一個觸發
apiVersion: tekton.dev/v1alpha1 kind: TaskRun metadata: name: echo-hello-world-task-run spec: taskRef: name: echo-hello-world trigger: type: manual kubectl apply -f < name-of-file.yaml >
檢視TaskRun kubectl get taskruns / echo-hello-world-task-run -o yaml
apiVersion: tekton.dev/v1alpha1 kind: TaskRun metadata: creationTimestamp: 2018-12-11T15:49:13Z generation: 1 name: echo-hello-world-task-run namespace: default resourceVersion: "6706789" selfLink: /apis/tekton.dev/v1alpha1/namespaces/default/taskruns/echo-hello-world-task-run uid: 4e96e9c6-fd5c-11e8-9129-42010a8a0fdc spec: generation: 1 inputs: {} outputs: {} taskRef: name: echo-hello-world taskSpec: null trigger: type: manual status: conditions: - lastTransitionTime: 2018-12-11T15:50:09Z status: "True" type: Succeeded podName: echo-hello-world-task-run-pod-85ca51 startTime: 2018-12-11T15:49:39Z steps: - terminated: containerID: docker://fcfe4a004...6729d6d2ad53faff41 exitCode: 0 finishedAt: 2018-12-11T15:50:01Z reason: Completed startedAt: 2018-12-11T15:50:01Z - terminated: containerID: docker://fe86fc5f7...eb429697b44ce4a5b exitCode: 0 finishedAt: 2018-12-11T15:50:02Z reason: Completed startedAt: 2018-12-11T15:50:02Z
狀態Succeeded = True顯示任務已成功執行。
在更常見的場景中,任務需要多個步驟來處理輸入和輸出資源。例如,Task可以從GitHub儲存庫獲取原始碼並從中構建Docker映象。
PipelinesResources用於定義任務的輸入(如程式碼)與輸出(如Docker映象)。有一些系統定義的資源型別可供使用,以下是通常需要的兩個資源示例。
該git資源可以是你要編譯的程式碼:
apiVersion: tekton.dev/v1alpha1 kind: PipelineResource metadata: name: skaffold-git spec: type: git params: - name: revision value: master - name: url value:
該image資源代表要被任務編譯成的映象:
apiVersion: tekton.dev/v1alpha1 kind: PipelineResource metadata: name: skaffold-image-leeroy-web spec: type: image params: - name: url value: gcr.io//leeroy-web
以下是Task輸入和輸出。輸入資源是GitHub儲存庫,輸出是從該源生成的影像。任務 的引數支援模板化,因此任務的定義是常量,引數的值可以在執行時更改。
apiVersion: tekton.dev/v1alpha1 kind: Task metadata: name: build-docker-image-from-git-source spec: inputs: resources: - name: docker-source type: git params: - name: pathToDockerFile # 這些引數都是可以自定義的 description: The path to the dockerfile to build default: /workspace/docker-source/Dockerfile - name: pathToContext description: The build context used by Kaniko () default: /workspace/docker-source outputs: resources: - name: builtImage type: image steps: - name: build-and-push image: gcr.io/kaniko-project/executor # 特定功能的映象,可以用來docker build command: - /kaniko/executor args: - --dockerfile=${inputs.params.pathToDockerFile} # 這時原pathToDockerFile就是上面定義的引數 - --destination=${outputs.resources.builtImage.url} - --context=${inputs.params.pathToContext}
TaskRun將輸入和輸出繫結到已定義的PipelineResources值,除了執行任務步驟外,還將值設定為用於模板化的引數。
apiVersion: tekton.dev/v1alpha1 kind: TaskRun metadata: name: build-docker-image-from-git-source-task-run spec: taskRef: name: build-docker-image-from-git-source trigger: type: manual inputs: resources: - name: docker-source resourceRef: name: skaffold-git params: # 執行時把引數傳給Task,這樣就不需要重複定義task,只需要增加input output 和taskrun 就可以跑一個別的工程, 從解耦這個角度到說比drone更好,任務流程可以複用 - name: pathToDockerFile value: Dockerfile - name: pathToContext value: /workspace/docker-source/examples/microservices/leeroy-web #configure: may change according to your source outputs: resources: - name: builtImage resourceRef: name: skaffold-image-leeroy-web # 這也是上面指定的資源
PS: inputs outputs應當不限制死必須叫這兩個名字,只要是能支援引數就好。比如定義一個叫build的資源去指定docker build的映象:
apiVersion: tekton.dev/v1alpha1 kind: PipelineResource metadata: name: skaffold-image-leeroy-web spec: type: image params: - name: url value: docker-in-docker:latest
Task 裡:
apiVersion: tekton.dev/v1alpha1 kind: Task metadata: name: build-docker-image-from-git-source spec: build: resources: - name: build type: image params: - name: build-image default: docker-in-docker:latest steps: - name: build-and-push image: ${build.params.build-image}
我是覺得需要能進行這樣的擴充套件了, 僅是inputs outputs就狹義了
獲取pipeline全部資訊 kubectl get build-pipeline
NAME AGE taskruns/build-docker-image-from-git-source-task-run 30s NAME AGE pipelineresources/skaffold-git 6m pipelineresources/skaffold-image-leeroy-web 7m NAME AGE tasks/build-docker-image-from-git-source 7m
要檢視TaskRun的輸出,請使用以下命令:
kubectl get taskruns / build-docker-image-from-git-source-task-run -o yaml
apiVersion: tekton.dev/v1alpha1 kind: TaskRun metadata: creationTimestamp: 2018-12-11T18:14:29Z generation: 1 name: build-docker-image-from-git-source-task-run namespace: default resourceVersion: "6733537" selfLink: /apis/tekton.dev/v1alpha1/namespaces/default/taskruns/build-docker-image-from-git-source-task-run uid: 99d297fd-fd70-11e8-9129-42010a8a0fdc spec: generation: 1 inputs: params: - name: pathToDockerFile value: Dockerfile - name: pathToContext value: /workspace/git-source/examples/microservices/leeroy-web #configure: may change depending on your source resources: - name: git-source paths: null resourceRef: name: skaffold-git outputs: resources: - name: builtImage paths: null resourceRef: name: skaffold-image-leeroy-web taskRef: name: build-docker-image-from-git-source taskSpec: null trigger: type: manual status: conditions: - lastTransitionTime: 2018-12-11T18:15:09Z status: "True" type: Succeeded podName: build-docker-image-from-git-source-task-run-pod-24d414 startTime: 2018-12-11T18:14:29Z steps: - terminated: containerID: docker://138ce30c722eed....c830c9d9005a0542 exitCode: 0 finishedAt: 2018-12-11T18:14:47Z reason: Completed startedAt: 2018-12-11T18:14:47Z - terminated: containerID: docker://4a75136c029fb1....4c94b348d4f67744 exitCode: 0 finishedAt: 2018-12-11T18:14:48Z reason: Completed startedAt: 2018-12-11T18:14:48Z
型別的狀態Succeeded = True顯示Task已成功執行,您還可以驗證Docker映象是否生成。
Pipeline定義要按順序執行的任務列表,同時還透過使用該from欄位指示是否應將任何輸出用作後續任務的輸入,並指示執行的順序(使用runAfter和from欄位)。您在任務中使用的相同模板也可以在管道中使用。
apiVersion: tekton.dev/v1alpha1 kind: Pipeline metadata: name: tutorial-pipeline spec: resources: - name: source-repo type: git - name: web-image type: image tasks: - name: build-skaffold-web # 編譯與打映象任務,上面已經介紹過 taskRef: name: build-docker-image-from-git-source params: - name: pathToDockerFile value: Dockerfile - name: pathToContext value: /workspace/examples/microservices/leeroy-web #configure: may change according to your source resources: inputs: - name: workspace resource: source-repo outputs: - name: image resource: web-image - name: deploy-web # 部署 taskRef: name: deploy-using-kubectl # 這裡引入了一個透過k8s部署的Task,我們在下文看它是什麼 resources: inputs: # 定義輸入,這裡的輸入其實是上個任務的輸出 - name: workspace resource: source-repo - name: image # 比如這個映象,就是上個任務產生的 resource: web-image from: # from就如同管道一樣,把上個任務的輸出作為這個任務的輸入 - build-skaffold-web params: # 留意這些引數都是傳給Task模板的,覆蓋inputs裡的引數 - name: path value: /workspace/examples/microservices/leeroy-web/kubernetes/deployment.yaml #configure: may change according to your source - name: yqArg value: "-d1" - name: yamlPathToImage value: "spec.template.spec.containers[0].image"
以上Pipeline是引用一個Task被叫的deploy-using-kubectl:
apiVersion: tekton.dev/v1alpha1 kind: Task metadata: name: deploy-using-kubectl spec: inputs: resources: - name: workspace type: git - name: image type: image params: - name: path description: Path to the manifest to apply - name: yqArg description: Okay this is a hack, but I didn't feel right hard-coding `-d1` down below - name: yamlPathToImage description: The path to the image to replace in the yaml manifest (arg to yq) steps: - name: replace-image # 第一步替換映象 image: mikefarah/yq # 特定功能的映象,和drone同理,這裡主要就是個模板渲染 command: ["yq"] args: - "w" - "-i" - "${inputs.params.yqArg}" - "${inputs.params.path}" - "${inputs.params.yamlPathToImage}" - "${inputs.resources.image.url}" - name: run-kubectl # 第二步執行kubectl image: lachlanevenson/k8s-kubectl command: ["kubectl"] args: - "apply" - "-f" - "${inputs.params.path}" # 這就是yaml檔案的位置
要執行Pipeline,請建立PipelineRun如下:
apiVersion: tekton.dev/v1alpha1 kind: PipelineRun metadata: name: tutorial-pipeline-run-1 spec: pipelineRef: name: tutorial-pipeline trigger: type: manual resources: - name: source-repo resourceRef: name: skaffold-git - name: web-image resourceRef: name: skaffold-image-leeroy-web
kubectl apply -f < name-of-file.yaml > kubectl獲取pipelineruns / tutorial-pipeline-run-1 -o yaml
初學者會覺得有點繞,但是這種設計也是為了解耦合,我個人覺得優劣如下:
可以把k8s叢集作為任務執行引擎,這樣可以更好的利用資源,比如把線上夜間閒置資源用來跑任務,構建映象 離線分析 甚至機器學習。解耦做的比較好,任務模板可以拿來複用,而不需要大家都去重複定義,輸入輸出理念,一個任務的輸入作為另個任務的輸出不錯。
有點過度設計,一些簡單的場景可能覺得配置起來有點繞了,輸入輸出依賴分散式系統,對比drone一個pipeline中的容器是共享了一個資料卷的,這樣上個任務產生的檔案很方便的給下個任務用,而基於叢集的任務就可能得依賴git docker映象倉庫等做輸入輸出,有點麻煩,好的解決辦法是利用k8s分佈試儲存給pipeline設定一個共享卷,方便任務間傳輸資料;總體來說路子是對的而且還是有很多場景可以用的。
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/31559985/viewspace-2644403/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- Kubeless——Kubernetes原生Serverless框架Server框架
- kubernetes實踐之五十六:雲原生
- 雲原生時代:從 Jenkins 到 Argo Workflows,構建高效 CI PipelineJenkinsGo
- [雲原生]Kubernetes - 叢集搭建(第2章)
- 雲原生應用之旅——Kubernetes成長記 | 第二站:瞭解Kubernetes
- KubeEdge,一個Kubernetes原生邊緣計算框架框架
- Longhorn,Kubernetes 雲原生分散式塊儲存分散式
- 雲原生應用之旅——Kubernetes成長記 | 第一站:初始Kubernetes
- Kubernetes 入門必備雲原生髮展簡史
- 基於 Kubernetes 的雲原生 AI 平臺建設AI
- 不懂 Kubernetes 實現雲原生是什麼體驗?
- 雲原生週刊:Kubernetes v1.31 釋出
- Spark PipelineSpark
- 雲原生應用之旅——Kubernetes成長記 | 第四站:探索實踐Kubernetes
- Kubernetes,Istio和Java MicroProfile微服務雲原生案例 - heidloffJava微服務
- Quarkus簡介:下一代Kubernetes原生Java框架Java框架
- K8ssandra——專為Kubernetes雲原生資料而生K8S
- 雲原生週刊:Kubernetes Grafana 看板更新 | 2024.5.13Grafana
- Jenkins pipeline:pipeline 使用之語法詳解Jenkins
- Pipeline詳解
- unity render pipelineUnity
- redis的pipelineRedis
- pipeline 例項
- 使用 Iceberg on Kubernetes 打造新一代雲原生資料湖
- [雲原生微服務架構](十二) Kubernetes和docker都做了啥微服務架構Docker
- Tech Talk 活動預告丨雲原生 DevOps 的 Kubernetes 技巧dev
- 雲原生入門 第五章:kubernetes學習實踐
- 雲原生週刊:一條 Kubernetes 命令引發的悲劇
- 雲原生週刊:Kubernetes 十週年 | 2024.6.11
- Laravel Pipeline解讀Laravel
- sklearn中的Pipeline
- oracle pipeline實驗Oracle
- OpenYurt:延伸原生 Kubernetes 到邊緣場景下的落地實踐
- 擁抱雲原生,EMQ X Kubernetes Operator v1.0 正式釋出MQ
- 利用 Rainbond 雲原生平臺簡化 Kubernetes 業務問題排查AI
- 【大話雲原生】煮餃子與docker、kubernetes之間的關係Docker
- 馴服 Kubernetes!網易數帆雲原生運維體系建設之路運維
- Kubernetes 已經成為雲原生時代的安卓,這就夠了嗎?安卓